Ich hab nicht nur viele Bilder aufgenommen, sondern beschäftige ich mich auch mit deren Qualität in Publikationen. #DataEthics
~4% der wissenschaftlichen Artikel haben manipulierte Bilder. Bei ~1 mio publizierter Artikel pro Jahr könnt ihr ausrechen wieviele das pro Tag sind!
Für #ImageForensics ist Elisabeth Bik @MicrobiomDigest eure erste Adresse, sie spürt besser als jedes Gerät ungewöhnliche Pixelabweichungen in wissenschaflichen Bildern auf!
Ein erster Artikel ist auch hier schon erschienen, der das Problem mal benannt hat: rupress.org/jcb/article-lo…
Worum gehts bei #ImageForensics? Versucht es mal, ist das Bild unten eine mikroskopische Aufnahme, oder Fake?
Und noch ein Versuch, weil's so schön ist:
Bei dem Gesamtbild sieht man ganz klar, dass es aus mehreren Bildern zusammengeschnitten wurde.
Hier noch ein Beispiel, oben das publizierte Bild, unten die Analyse der Pixel-Intensitäten, zeigt: das erste ist KEIN Bild, sondern ein schwarzer Kasten, beim mittleren Foto ist der Rand manipiliert/insgesamt Intensity erhöht worden.
Hier ist in dem Fachmagazin @Nature ein Protrait über Elisabeth Bik und ihre Arbeit, guckt unbedingt die Bilder durch, da kann man sich selber trainieren in image forensics!
Es aber auch Bilder die einfach unwissenscahftlich/unverständlich sind, das haben @TraceyWeissgerber, ich & ein int. Team an 600 Manuskripte untersucht. Wir haben systematisch geguckt: passt da alles? Spoiler: nö!
Wir haben in Top-Publikationen der Physiologie, der Pflanzenwissenschaften und Zellbiologie systematisch geguckt:
45-70% der Bilder hatten KEINE oder LÜCKENHAFTE Massangaben (scale bar) - und das lernt man doch schon sehr früh als Wissenschaftler:
Richtig wäre es so, mit Skalierung im Bild (noch ok: Vergrößerungsfaktor)
Jedes wissenschaftliche Bild brauch unbedingt eine Größenangabe, damit vergleichbar bleibt! Kann ja sein, dass durch einen Defekt plötzlich Zellen kleiner bleiben
Oft sind Farben in Bildern auch nicht oder nicht gut sichtbar. Hier Zellen auf verschiedenen Hintergrund Farben...
in Schwarz-Weiss sieht man welche Farbkombinationen besten Kontrast haben.
Blau auf Schwarz = ganz blöd für kleine Details visualisieren
(🚨Beim Invertieren von Farben, was der Sichtbarkeit hilftt!, muss dringend darauf geachtet werden ob die Software das linear macht)
Wichtig es gibt Farbkombinationen die Farbblinde nicht sehen können. Wenn es separate Farbkanäle gibt --> alternative Farben wählen (Software 'Lookup Table', LUTs genannt)
🛠️alert colororacle.org = freie Desktop-App zur Simulation wie Farbblinde sehen -> auch für Charts!
Und klar, bitte auch bei Beschriftungen an Farbblinde denken und Rot/Grün Kombinationen vermeiden!
In unserer Untersuchung NICHT lesbar für Farbblinde waren:
30-50% aller von uns gescreenten Bilder
15-40% der Bildbeschriftungen waren
Apropos Beschriftung, es gibt eine Obergrenze was wir verarbeiten können, da kommen auch Normalsehende an ihre Grenzen:
Und ein Teil des Bilds sollte immer noch sichbar bleiben.
Wer noch mehr wissen will zu Bilder in den Wissenschaften, hier ist ein Spickzettel (Cheat Sheet) mit Tipps.
Übersetzungen ins DE, Plattdeutsche und Österreichische sind aus Zeitmangel bisher nur angedacht. @ChriSchmied + @helenajambor haben CC0 darauf -> jeder darf loslegen
🛠️Alert: wer noch Photoshop nutzt, @FijiSc ist eine open source + freie Alternative;
Und das Cheat Sheet wie man die Visualisierung in FIJI umsetzen kann haben wir auch schon gemacht.
Und weil ihr alle gerade am Strand seid: damit kann man auch Urlaubsfotos bearbeiten! 🏖️🌴
update-update-update, hier das aktuelle Cheatsheet zum Visualisieren von Billdaten:
Gestern haben wir für unsere Daten einen passenden Charttyp rausgesucht - für alle nochmal hier zur Erinnerung der Spickzettel dazu:
(ps ich abe keine offene Version, da wäre eine DE Übersetzung vielleicht auch gut!)
PS EINEN passenden Charttyp, nicht DEN passenden Charttyp, es gibt immer mehrere richtige Lösungen
Das muss je nach: Kernaussage, nach Zielpublikum, nach Interaktionsformat: Papier, interaktiv Java, in einem Forschungsartikel oder 15-sek TikTok, angepasst werden!
Abstrakte Kunst und wissenenschaflichen Abbildungen sind gar nicht so unähnlich...
1. eigenen Datentyp kennen (Trend? Kategorie? Verteilung? Uni-, Bi, Multivariat?) 2. verschiendes ausprobieren, z.B. mit dem Chart-Selektor unten 3. dann Feedback einholen! --> loop to 1
Eigentlich ist es ganz leicht.
Für Einzelbeobachtungen in Kategorien kann man die Größe in
- Länge (Balkendiagramm, stacked bar)
- Fläche (Tree map, bubble, area char)
- Tortenstücke (Pie chart, lieber nicht Donuts!)
kodieren.
Bei der Visualisierung von Trends kann man
- Liniendiagramm (paar Beobachtungen, mehrere Zeitpunkte)
- Slopechart (nur 2 Zeitpunkte)
- Radar Chart (zyklische Daten)
- Sankey Diagram (viele Verläufe, Verteilungen)
nutzen.