Autor des Abschnitts: Danielle J. Navarro and David R. Foxcroft

Zusammenfassung

Vielleicht bin ich ein einfältiger Mensch, aber ich liebe Bilder. Jedes Mal, wenn ich eine neue wissenschaftliche Arbeit schreibe, ist eines der ersten Dinge, die ich tue, mich hinzusetzen und darüber nachzudenken, welche Abbildungen ich benutzen könnte. In meinem Kopf ist ein Artikel eigentlich nur eine Abfolge von Bildern, die durch eine Geschichte miteinander verbunden sind. Alles andere ist nur Augenwischerei. Was ich damit sagen will, ist, dass das menschliche visuelle System ein sehr leistungsfähiges Werkzeug zur Datenanalyse ist. Gibt man ihm die richtige Art von Informationen, kann es einem menschlichen Leser in kürzester Zeit eine große Menge an Wissen vermitteln. Nicht umsonst gibt es das Sprichwort „ein Bild sagt mehr als tausend Worte“. In diesem Sinne denke ich, dass dies eines der wichtigsten Kapitel des Buches ist. Die behandelten Themen waren:

• Oft genutzte Diagramme. Ein Großteil des Kapitels konzentrierte sich auf Standarddiagramme, die Statistiker gerne erstellen: Histogramme, Box-Plots und Balkendiagramme.

• Speichern von Bilddateien. Wichtig ist auch, dass wir behandelt haben, wie Sie Ihre Bilder exportieren können.

Ein letzter Hinweis. Während jamovi einige gute Standarddiagramme erzeugt, ist die Bearbeitung der Plots derzeit nicht möglich. Für fortgeschrittenere Grafiken und Plot-Fähigkeiten sind die in R verfügbaren Pakete viel leistungsfähiger. Eine der beliebtesten Grafikbibliotheken ist das ggplot2-R-Paket, das auf „The grammar of graphics“ basiert (Wilkinson, 2006). Es ist allerdings nichts für Neulinge: Man muss schon ziemlich gut mit R umgehen können, um es vernünftig zu benutzen, und selbst dann dauert es eine Weile, bis man den Dreh raus hat. Aber es lohnt es sich, die Zeit zu investieren, um es sich selbst beizubringen, denn es ist ein viel leistungsfähigeres und saubereres System.