Ultimamente, no momento de pandemia que enfrentamos, há a discussão sobre dados. Mas como informações viram mapas? Entenda o “quebra-cabeça espacial”.
Mapas são complexos e ilustram diversas situações, mas é interessante entender que eles também são peças de comunicação. Os profissionais de Geo & Data Science precisam fazer uma série de escolhas para garantir que os mapas que produzem se comuniquem para com muitos usuários diferentes.
Eles precisam conhecer o seu público-alvo, e criar um design atrativo que comunique efetivamente as mensagens pretendidas. Parece simples, mas é necessário decisões complexas para cada etapa do processo de confecção do mapa.
Use ferramentas apropriadas aos seus resultados
São várias ferramentas utilizadas com a finalidade de generalizar os dados, e os processos, juntamente à forma como os aplicam, impactam os resultados.
Determinar quais técnicas de produção de mapas que precisam fazer quando se trata de generalizar dados, é uma tarefa que exige conhecimento. Se o mapa final for estático (por exemplo, sendo apresentado em papel ou em PDF), em que o conteúdo e a escala não mudam, os construtores de mapa terão mais controle sobre quais conceitos de generalização aplicar.
Para outras formas de mapeamento, no entanto – como mapas eletrônicos usados para navegação -, o conteúdo muda, então o que é enfatizado precisa adaptar-se de acordo com as circunstâncias. Assim, a generalização de dados se torna muito mais complexa.
Construa melhores representações espaciais com seus dados
Decidir os tipos de dados é um desafio. Os mapas de densidade de pontos exibem informações qualitativas ao lado da localização (ou seja, se existe ou não algo nesse local). Pense em um mapa que mostra a distribuição da população: cada ponto indica um valor definido, bem como a localização desse valor.
Os cartógrafos usam a escala do mapa e outros fatores visuais para determinar o valor que os pontos devem exibir (1.000 pessoas ou 10.000 pessoas, por exemplo). Para representar com precisão mais pessoas do que o valor do ponto permite, pontos adicionais devem ser adicionados ao mapa.
Porém, a localização de cada ponto não pode estar exatamente na mesma localização geográfica, ou pareceria que havia apenas um ponto no mapa. O construtor de mapa desloca alguns pontos para garantir que todos caibam no mapa e reflitam o número total de pessoas em cada local.
Obviamente, essa é apenas uma técnica de muitas que podem ser empregadas para resolver esse quebra-cabeça espacial. Essa espacialização requer cuidado para que os pontos deslocados não apareçam em áreas de baixa ou nenhuma população, como na água.
As quantidades crescentes de dados geográficos disponíveis atualmente, especialmente com big data e uma abundância de tecnologia e projetos de crowdsourcing, oferecem oportunidades aparentemente intermináveis para produzir mapas interessantes.
Praticar a generalização de dados sólidos – organizando os dados disponíveis, selecionando os dados mais apropriados para uso – permite o time de data science ajudar outras pessoas a entenderem melhor um ambiente cada vez mais complexo e rico em dados.
As dicas acima foram compartilhadas por Tim Trainor, consultor das Nações Unidas (ONU) de dados geoespacial, para o Blog da Esri.
Você sabia que pode ter um outsourcing de data science? Clique aqui e descubra como!
Adaptado de: How Cartographers Generalize Data, por Tim Trainor | Esri Blog