让数据说话！9个人文社科论文常用数据图

在CIS科研项目中，教授会亲自指导学生产出一篇结构完整符合学术规范的论文。通常来说，一篇研究型论文包括摘要、引言、文献综述、方法论、结果与讨论、图表、参考文献、附录等部分。 其中，图表可以呈现出一篇文献的研究对象、技术方法和数据结论，是体现研究水平和吸引读者的重要部分。我们总结了人文社科课题中学生常用的9种数据图形，并提供一些实例，帮助大家更生动形象地展示自己的研究过程与结果~ 🌟词云：以直观的方式将任何上下文中经常使用的单词聚集在云中，使用频率较高的单词会以较大的文本尺寸表示。 🌟词树：关注单词之间的关系，显示单词如何与其他相关单词或短语连接，从而突出单词使用的模式。 🌟维恩图：使用重叠的圆圈显示两组或多组项目之间的关系，每个圆圈代表一个集合，两个圆圈之间的重叠区域表示共同点。 🌟网络图 ：一种表示对象之间连接或关系的方式。在网络图中，对象表示为点或“nodes”，对象之间的连接表示为“links”。网络图也称为节点链接图，非常适合可视化社交网络、公司结构或任何其他关系网络 🌟桑基图：一种特定类型的流程图，使用带状和箭头来描述数据或资源的流动，图中延伸的分支宽度对应数据流量的大小。这些图表对于识别系统内的主要转移和瓶颈很有用。 🌟弦图：圆形的视觉图形，节点或实体位于图的外侧。通过该图可以直观地了解每个节点如何通过弧相互连接（弧的大小根据关系的重要性而变化）。 🌟马赛克图：旨在帮助数据分析师发现类别和子类别之间的关系。Mekko图有效地表示了两个变量在水平和垂直轴上的分类数据。每个类别显示为一列，表示100%，其宽度展示了该类别相对于所有类别总和的大小，该总和也表示为100%。每个子列的高度表示在整体类别中子类别的比例。 🌟散点图：识别两个或多个变量并揭示它们之间的关系，数据点的位置可以提供视觉趋势和模式，最适合揭示聚类、异常值和缺口。 🌟箱线图：使用箱线和须线来显示组内值的分布，适合比较多个组，了解数据是否对称以及跟踪异常。