Au milieu des années 2010, une nouvelle forme de contenu visuel a discrètement émergé dans les élections, le sport et les compétitions de playoffs : les graphiques de variation temporelle probabiliste. Ce qui rend ces graphiques remarquables, c'est leur capacité à présenter habilement les dynamiques entre les attentes et la réalité, transformant des données complexes en histoires captivantes.
À travers ces images, nous pouvons présenter diverses narrations captivantes. Par le simple changement de probabilité, il est possible de dépeindre d'incroyables histoires sur l'échec, le renouveau ou le retournement de situation d'un outsider. Ces graphiques agissent comme un 'meme', condensant une grande quantité d'informations dans un espace limité et transmettant pleinement l'essence de l'histoire au cours de leur diffusion.
Cependant, cette forme de graphique est actuellement principalement limitée aux domaines de la politique, du sport et des marchés financiers. Cela est dû au fait que leur fonctionnement nécessite des données de prévision largement reconnues, et que ces données doivent être légalement disponibles. Les marchés financiers disposent depuis longtemps d'une telle base de données ; les élections peuvent utiliser des données d'enquête pour construire des chemins de probabilité ; et les événements sportifs, grâce à leur structure claire et à leurs riches données historiques, rendent possible la prévision des chances de qualification des équipes pour les playoffs.
Néanmoins, la forme d'expression de ce "récit en forme" fait encore face à des défis dans d'autres domaines d'application. Cela reflète non seulement les limites de la disponibilité des données, mais expose également nos insuffisances dans la compréhension et la prévision des systèmes complexes. À l'avenir, avec les avancées en science des données et en modèles prédictifs, nous pourrions être en mesure d'étendre cette manière de narration visuelle riche en insights à des domaines plus larges, afin de nous aider à mieux comprendre et représenter l'évolution de divers événements complexes.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
14 J'aime
Récompense
14
4
Reposter
Partager
Commentaire
0/400
FlatlineTrader
· 10-18 15:51
Les données sont la meilleure des histoires.
Voir l'originalRépondre0
CounterIndicator
· 10-18 15:50
À quoi sert ce graphique ? Il suffit de regarder le marché des actions A.
Voir l'originalRépondre0
AirdropworkerZhang
· 10-18 15:49
Jouet du chien de données~
Voir l'originalRépondre0
MetaverseLandlord
· 10-18 15:36
Pourquoi les données ne peuvent-elles pas prédire ma probabilité de tomber amoureux ?
Au milieu des années 2010, une nouvelle forme de contenu visuel a discrètement émergé dans les élections, le sport et les compétitions de playoffs : les graphiques de variation temporelle probabiliste. Ce qui rend ces graphiques remarquables, c'est leur capacité à présenter habilement les dynamiques entre les attentes et la réalité, transformant des données complexes en histoires captivantes.
À travers ces images, nous pouvons présenter diverses narrations captivantes. Par le simple changement de probabilité, il est possible de dépeindre d'incroyables histoires sur l'échec, le renouveau ou le retournement de situation d'un outsider. Ces graphiques agissent comme un 'meme', condensant une grande quantité d'informations dans un espace limité et transmettant pleinement l'essence de l'histoire au cours de leur diffusion.
Cependant, cette forme de graphique est actuellement principalement limitée aux domaines de la politique, du sport et des marchés financiers. Cela est dû au fait que leur fonctionnement nécessite des données de prévision largement reconnues, et que ces données doivent être légalement disponibles. Les marchés financiers disposent depuis longtemps d'une telle base de données ; les élections peuvent utiliser des données d'enquête pour construire des chemins de probabilité ; et les événements sportifs, grâce à leur structure claire et à leurs riches données historiques, rendent possible la prévision des chances de qualification des équipes pour les playoffs.
Néanmoins, la forme d'expression de ce "récit en forme" fait encore face à des défis dans d'autres domaines d'application. Cela reflète non seulement les limites de la disponibilité des données, mais expose également nos insuffisances dans la compréhension et la prévision des systèmes complexes. À l'avenir, avec les avancées en science des données et en modèles prédictifs, nous pourrions être en mesure d'étendre cette manière de narration visuelle riche en insights à des domaines plus larges, afin de nous aider à mieux comprendre et représenter l'évolution de divers événements complexes.