Gabriel Ulander Voltaire
För att visualisera viktig information och generera en väl lämpad färgskala för att representera de intressanta och karaktäristiska egenskaperna i ett dataset är det av stor vikt att välja en bra anpassad färgskala. Vissa färgskalor leder till sämre och mindre exakta insikter om datan. Samtidigt kan andra färgkartor leda till en starkare förståelse och identifiering av egenskaper i data. Därför utgör uppsatsen en undersökning över hur deltagarna tolkar numeriska värden givet olika färgskalor och hur de bedömer relativa avstånd i visualisering av neurala nätverket Self-organizing map med hexagonalstruktur. Vi kan dra slutsatsen att användning av färgskalor i vissa sammanhang verkade fungera bra. Detta kan visas från violin plots, lådagram med sannolikhetsfördelning, som visar på att vissa av de bedömda relativa avstånden gjorda av testdeltagarna var ganska bra. Kombinationen mellan var de bästa matchande enheterna, BMUs, låg i rutnätet och valet av färgskala kan vara mycket effektivt. I vissa fall kan det emellertid vara ineffektivt. Orsaker kan vara på grund av bristande kunskap om mekaniken i en SOM, om färgskalor eller möjligtvis defekt färgseende. När testdeltagarna ombads att tolka den numeriska underliggande distributionen givet olika färgskalor fanns det missuppfattningar. Men när det användes i samband med att bestämma det relativa avståndet visade det på att fungerade ganska bra. Detta kan bero på att maximala och minsta numeriska värdena givet i färg oftast inte var inluderade i uppgifterna. Signifikanstestet Kruskal-Wallis H-test att det inte fanns någon skillnad mellan medianerna bland färgskalorna. Därmed kunde man anta att färgskalorna kommer från samma typ av distribution. 62 testdeltagare var med i undersökningen, möjligtvis hade det behövts fler deltagare för att kunna dra andra slutsatser med hög statistisk säkerhet beträffande de olika färgskalor.