而蕾丝帕迪拉的数据可视化预测是为了显得简单,背后的心理学研究和他们的设计除了。

通过一个严格的、系统的过程,帕迪拉归结成复杂的科学概念和预测更容易解释的图表和图形,帮助公众理解的程度自然灾害和卫生危机之前或当他们出现。

她最大的挑战是准确地描绘自然事件,本质上是不可预测的,如飓风、火灾,或流行病——观众,寻求直接明确的答案。一般人,尤其是那些没有科学背景,斗争与预测的不确定性度量的概念,尽管大多数科学模型包括“灰色区域”,改变变量多明确的答案。

对于她的研究考察这难以理解的不确定性预测可视化,以及如何更好地代表未来的不确定性模型,帕迪拉赢得了声望的职业奖6月从美国国家科学基金会(NSF)。该奖项旨在表彰青年教师的创新研究和承诺股本在茎,以及他们可能在学术界产生影响。今年秋天她连接东北与联合任命库利学院和理学院,帕迪拉计划进一步数据可视化研究在奥克兰和波士顿校园和教授课程。

“人们很难了解预测的不确定性。它是最难掌握的概念对普通人,”帕迪拉说。“幸运的是,可视化可以方便人们如果他们做得很好。或者他们可以导致严重的误解,所以它是一把双刃剑。你必须非常小心在设计他们。”

帕迪拉引用的一个例子是“锥的不确定性,”模型的潜在影响迎面而来的飓风对不同地理区域。通常,这些可视化可以过于简单和误导,导致人们不能正常疏散或准备的影响由于一种虚假的安全感。

“人们认为“我在危险地带,我应该撤离,“如果他们只是外锥的边缘,他们是安全的。当然,没有边界飓风路径。飓风不在乎我们标记它,”帕迪拉说。“所以我们必须想出更好的技术来传达这个分布和梯度的风险。我们发现最有效的可视化显示一系列或分布的结果,而不是一个二进制的答案。”

尽管投影可视化必须优先考虑精度和反映细微差别,工作是无关紧要的,除非它在几秒内的消化。这些看似矛盾的混合概念是,帕迪拉的多样化的教育背景变得至关重要。艺术专业知识来自她的学士和硕士学位的设计,她的行为从认知神经科学博士学位,专业知识和她的科学专业知识从她作为NSF茎大使和其他研究计划。

“数据可视化是完美的方式使用这些直觉,我在艺术和基础科学开发的我学会了如何处理视觉信息。然后,我用它来创建可视化,可以帮助改善世界各地的人们的健康和安全,”帕迪拉说。

另一个关键特点是帕迪拉的能力不能嫁给自己的处理信息的方法。当设计一个图形,她重解释,人们可以根据自己的观点。在飓风的例子中,帕迪拉必须权衡这些线的风暴将如何解释她的模型,同时也考虑到如果这些生活30英里的内陆将准确的信息。

“通过制造和批评艺术一生,您开发一个直觉的“正常”的人会认为,“帕迪拉说。“通常的人进行可视化,所有这些优秀的数学支撑人们会说‘好吧,应该这样解释。但我不做了许多的假设,人们应该做什么或如何想。”

同样,它是至关重要的易访问性评估不仅地理位置,而且人口。在许多情况下,帕迪拉裁缝工作那些她认为最需要通过视觉的概念的不确定性增强。

“人是受气候变化影响最大的不确定性——尤其是,COVID,和飓风——那些在少数群体,”帕迪拉说。“这些组织往往有较低的教育水平和较低的社会经济地位,所以我尽量让可视化为他们,我一点儿也不认为他们所知道的。”

得到可视化的过程完成,广泛采用通常是缓慢的,尤其是在处理政府机构不愿大刀阔斧地改革。但是,帕迪拉已经取得了进展。比如,她曾对野火可视化与县的总理野火专家之一,虽然工作仍在进行中,她希望他们的最终产品是采用正式在加州。尽管艰苦的开发过程,她希望继续她的竞选活动,让公众更舒适的处理不确定性在她职业生涯的新阶段。

“我的事业奖的一个方面是训练年轻人理解不确定性的可视化,”帕迪拉说。“特别是与气候变化,不确定性将变得越来越重要,我们需要让人们对这些不确定性的承受能力。它只会影响我们更多的决策在这个变化的世界。”