• käytettävyys
• saavutettavuus
• visuaalinen kognitiotiede
• visualisointi

Turun ammattikorkeakoulun YAMK-opinnäytetyössä selvitettiin visuaalisten valintojen merkitystä visualisoinneissa. Kattava tietopohja koostuu informaatiomuotoilua ja visuaalista kognitiotiedettä käsittelevästä kirjallisuudesta sisältäen yhtymäkohtia saavutettavuuteen ja käytettävyyteen. Opinnäytteen tutkimuksellisessa osiossa aihetta lähestyttiin esimerkkitapauksen kautta pyrkimyksenä parantaa Tableau-visualisointeja hyödyntävää käyttökokemusta. Kehitystehtävän alkuvaiheessa, käyttöyhteyteen tutustumisen aikana, visualisointeja hyödyntäville käyttäjille luotiin muun muassa käyttöohje ja visualisointeja laativille tarkistuslista. Syventävän tiedonkeruun ja kuiluanalyysin tuloksien perusteella toimeksiantajalle tehtiin suosituksia toimenpiteiksi ja yhteenvedossa korostettiin visualisoinnin viestinnällisen tavoitteen eli ydinviestin määrittelyn tärkeyttä.

Viestinnällinen tavoite ja kohderyhmä

Opinnäytteessä tuodaan esille tutkimuksellisen osuuden aikana tehtyä havaintoa, joka on yhtenevä teoriapohjan kanssa. Sen mukaan arvonluomisen kannalta visualisointia hyödyntävän käyttäjän kokeman arvon lisäksi tulee tarkastella sitä, mihin tarpeeseen visualisointi tehdään. Visualisointia katsovan aivotyötä voidaan sujuvoittaa ilman päämäärää, mutta se ei välttämättä auta saavuttamaan tavoitetta, johon visualisointi on suunniteltu.

Visualisointiprosessi tulee aloittaa tavoitteen kirkastamisesta: miksi ja kenelle visualisointia tehdään eli ydinviestin ja käyttäjä- tai kohderyhmän määrittämisestä (1, 2).

1. Ydinviesti on määritettävä ja käyttöyhteydestä on oltava riittävä ymmärrys.
2. On harkittava:
   – sopivinta esitystapaa
   – saavutettavuutta ja käytettävyyttä tukevia väri- ja muotopiirteitä
   – aivotyön sujuvoittamista tukevia valintoja.
3. Visualisoinnin soveltuvuutta on testattava.

Opinnäytteessä viitataan myös useasti käytettävyysstandardeihin ja painotetaan käyttöyhteyteen tutustumisen merkitystä. Kun visualisoinnin tavoite ja kohderyhmä on määritetty, työskentelyssä voidaan edetä suunnittelu- ja tuottamisvaiheeseen, jossa tutustutaan aiheeseen ja tehdään varsinainen visualisointityö eli visuaalis-tekstillinen koodaus. Käyttäjäryhmän edustajia kannattaa ottaa mukaan suunnitteluun (3) ja selvittää:

• käyttöympäristöä (3)
• käyttäjien aiempaa kokemusta (4)
• tietotaitoa (4)
• kyvykkyyksiä (5) ja
• minkälaisiin esitysmuotoihin käyttäjät ovat tottuneet (5).
  

Visualisointi on ajattelun apuväline, jonka tarkoituksena on vähentää työmuistin kuormitusta (6). Tällainen tukityökalu tulee suunnitella soveltuvaksi tehtäväänsä (7) eli epäselvän ja liiallisen informaatiokuorman sijaan (8) tulee panostaa selkeisiin kuvauksiin (9), kuvailutietoihin (3) ja esitystapaan, joka korostaa päätöstilanteessa tarvittavaa tietoa (10). Visualisoinnin ulkoasuun ja sisältösommitteluun liittyvien päätöksien tekemisessä voi hyödyntää saavutettavuusvaatimuksia (11) – ne toimivat hyvänä ohjeistuksena, vaikka visualisointi ei päätyisikään verkkosivulle.

Testaus ja käyttöönotto

Visualisoinnin soveltuvuuden varmistamiseksi sitä tulee testata käyttäjillä (2) ja esimerkiksi visualisoinnin kyvykkyyttä välittää datan keskeistä sisältöä voidaan arvioida eri tavoin (12). Tärkeintä kuitenkin on, että kun uusia esitystapoja otetaan käyttöön, tulee tulkintatavan perehdyttämiseen varata aikaa (4).

Valmiin visualisoinnin tulee johdattaa katsoja aiheeseen vähintään hyvin nimetyn otsikon avulla. Asiasisältöön tutustumisen tulee olla käyttäjäystävällistä, saavutettavaa ja kognitiivisen kuormituksen minimoivaa: tietoa tulee olla riittävästi päätelmien tekemiseen, mutta samalla mahdollisimman vähän. Pyrkimyksenä on, että luotu visualisointi mahdollistaa oivalluksen tai saa aikaan määriteltyjä toimia, sille määritetyn tavoitteen mukaan.

Lähteet

1 Koponen, J., Hildén, J., & Vapaasalo, T. (2017). Tieto näkyväksi: Informaatiomuotoilun perusteet. Aalto-yliopisto.
2 Zhang, Y., Reynolds, M., Lugmayr, A., Damjanov, K., & Hassan, G. M. (2022). A visual data storytelling framework. Informatics (Basel), 9(4), 73. https://doi.org/10.3390/informatics9040073
3 Bach, B., Freeman, E., Abdul-Rahman, A., Turkay, C., Khan, S., Fan, Y., & Chen, M. (2023). Dashboard design patterns. IEEE Transactions on Visualization and Computer Graphics, 29(1), 342–352. IEEE. https://doi.org/10.1109/TVCG.2022.3209448
4 Gaba, A., Kaufman, Z., Cheung, J., Shvakel, M., Hall, K. W., Brun, Y., & Bearfield, C. X. (2024). My model is unfair, do people even care? Visual design affects trust and perceived bias in machine learning. IEEE Transactions on Visualization and Computer Graphics, 30(1), 327-337. https://doi.org/10.1109/TVCG.2023.3327192
5 Killen, C. P., Geraldi, J., & Kock, A. (2020). The role of decision makers’ use of visualizations in project portfolio decision making. International Journal of Project Management, 38(5), 267–277. https://doi.org/10.1016/j.ijproman.2020.04.002
6 Eberhard, K. (2023). The effects of visualization on judgment and decision making: A systematic literature review. Management Review Quarterly, 73(1), 167-214. https://doi.org/10.1007/s11301-021-00235-8
7 Bobkowski, P. S., & Etheridge, C. E. (2023). Spreadsheets, software, storytelling, visualization, lifelong learning: Essential data skills for journalism and strategic communication students. Science Communication, 45(1), 95–116. https://doi.org/10.1177/10755470221147887
8 Bossi, F., Malizia, A. P., D’Arcangelo, S., Maggi, F., Lattanzi, N., & Ricciardi, E. (2023). Visual attention and memory in professional traders. Scientific Reports, 13(1), 20056. https://doi.org/10.1038/s41598-023-46905-3
9 Malkani, D., Malkani, M., Singh, N., & Madan, E. (2023). Best practices for the design of COVID-19 dashboards. Perspectives in Health Information Management, 20(1), 1b-7.
10 Bina, S., Kaskela, T., Jones, D. R., Walden, E., & Graue, W. B. (2023). Incorporating evolutionary adaptions into the cognitive fit model for data visualization. Decision Support Systems, 171, 113979. https://doi.org/10.1016/j.dss.2023.113979
11 Etelä-Suomen aluehallintovirasto, saavutettavuuden valvonnan yksikkö. (N.d.) Digipalvelulain vaatimukset. https://www.saavutettavuusvaatimukset.fi/digipalvelulain-vaatimukset/
12 Wall, E., Agnihotri, M., Matzen, L., Divis, K., Haass, M., Endert, A., & Stasko, J. (2019). A heuristic approach to value-driven evaluation of visualizations. IEEE Transactions on Visualization and Computer Graphics, 25(1), 491 500. https://doi.org/10.1109/TVCG.2018.2865146
13 Halt, T. (2024). Visualisointi päätelmien ja päätöksenteon tukena – käytettävyyttä, saavutettavuutta ja visuaalisen kognitiotieteen näkökulmaa. Theseus. https://urn.fi/URN:NBN:fi:amk-2024060722271