Comunicação visual, Comunicação visual Curitiba, Letra caixa, Comunicação visual, Letras Caixas, Adesivos, Fachadas, ACM Curitiba,

Comunicação visual: o significado das cores

A comunicação visual – o ato de mostrar sua opinião através das imagens – é uma das habilidades mais importantes que você, como jornalista, pode adotar este ano.A maneira como as pessoas consomem suas informações está mudando drasticamente a cada dia. Com o aumento de mídias como blogs, tweets ao vivo e streaming de vídeo, a maneira como você alcança seu público nunca mais será a mesma.

Mas as pessoas não estão apenas voltando-se para as mídias sociais para compartilhar fotos do almoço, reclamar dos horários dos trens ou se gabar dos exercícios mais recentes (porque se você não twittou, isso não aconteceu, certo?). Em vez disso, eles estão usando seus feeds para obter acesso às notícias que são importantes para eles.

Somente em 2013, 50% dos usuários do Facebook e Twitter usaram as plataformas para acessar notícias, “lanchando” as histórias que lhes interessam, em vez de ter seu consumo de conteúdo impulsionado pelo que está na tela ou no jornal.

Resolver um problema de atribuição de codificação significa selecionar um subconjunto das arestas, que é muito bem feito na Comunicação visual Curitiba, de modo que cada objeto seja atribuído a exatamente uma cor e a soma das pontuações de mérito ao longo das arestas selecionadas seja maximizada. Na Figura 2a, cada par de objeto de cor atribuído é representado por uma borda preta e cada par de objeto de cor não atribuído é representado por uma borda cinza. A atribuição ideal dependerá da escolha específica das pontuações por mérito.

Lin et al. (2013) usaram esse tipo de abordagem para estudar como a força da associação entre cores e conceitos influenciou a capacidade das pessoas de interpretar sistemas de códigos de cores em gráficos de barras. Para codificar os pares de conceito de cores para seus estímulos de teste (por exemplo, gráficos de vendas de frutas), eles primeiro obtiveram distribuições de frequência de cores no Google Image Search para uma série de conceitos (por exemplo, frutas) e depois interpretaram os histogramas de conceito de cores resultantes como probabilidade distribuições.

Os autores então computaram uma função de mérito, chamada afinidade, ponderando cada probabilidade de uma cor ocorrer para um determinado conceito pelo inverso da entropia da distribuição de probabilidade dessa cor em todos os conceitos. Essa abordagem recompensa fortes associações de objeto de cor pelo emparelhamento pretendido e penaliza as associações de emparelhamento não intencional. Outra maneira de obter essa propriedade qualitativa é usar a informação mútua pontual, outra quantidade teórica da informação, como uma função de mérito (Setlur & Stone, 2016).

Problema na atribuição de decodificação

Propomos que, quando as pessoas interpretam os sistemas de código de cores, resolvem um problema de atribuição de decodificação. Para fazer isso, eles fazem inferências sobre como o designer mapeou cores em conceitos enquanto gera o sistema de código de cores. No problema de atribuição de decodificação na Fig. 2b, há seis cores e seis objetos que foram selecionados pelo designer no problema de atribuição de codificação (Fig. 2a). A tarefa do observador é inferir as atribuições codificadas (linhas pretas tracejadas), mas como elas podem fazer isso?

Estrutura de inferência de cores

O Color Inference Framework (Schloss, no prelo) propõe que as pessoas façam inferências sobre cores (inferências de cores) com base em uma representação interna de associações de conceito de cores armazenadas em suas mentes. Existem diferentes tipos de processos de inferência de cores que operam na mesma representação interna, que são modulados pelo contexto perceptivo (por exemplo, cores em um sistema de código de cores) e pelo contexto conceitual (por exemplo, conceitos em um sistema de código de cores). Aqui, buscamos entender o processo de inferência de atribuição para interpretar mapeamentos entre cores e conceitos, que acreditamos permitir que as pessoas resolvam problemas de atribuição de decodificação.

Estudamos a inferência de cores de atribuição de Adesivos, Fachadas, ACM Curitiba, onde o sistema de código de cores mapeou diferentes caixas coloridas para diferentes tipos de objetos a serem descartados. Conforme descrito abaixo, nossa abordagem foi manipular a entrada no sistema de inferência de cores (ou seja, as cores que as pessoas viram nas experiências), medir a saída do sistema (ou seja, as interpretações das pessoas sobre como as cores mapeadas nos objetos a serem descartados em nossa tarefa de reciclagem) e use essas medidas para avaliar hipóteses sobre como as pessoas fazem inferências sobre cores de atribuição.

Entrada para inferência de atribuição

Selecionamos as cores para cada experimento com base nas classificações de associação cor-objeto obtidas de 49 participantes de um experimento piloto (consulte o arquivo adicional 1 para obter detalhes metodológicos). Em suma, os participantes avaliaram com que intensidade associaram cada uma das cores do Berkeley Color Project 37 (BCP-37) (Palmer & Schloss, 2010; Schloss, Strauss & Palmer, 2013) a cada um dos seis objetos relacionados à reciclagem: papel, plástico , vidro, metal, composto e lixo.

As aproximações das cores são mostradas na Fig. 3 e as coordenadas CIE 1931 xyY estão no arquivo adicional 1: Tabela S1). As classificações médias de associação são exibidas na Fig. 4, com as cores classificadas entre menos associadas e mais associadas a cada objeto. Descrevemos os detalhes de como selecionamos as cores da Experiência 1 e da Experiência 2 nas seções de cada experiência abaixo.

Saída para inferência de atribuição

Para avaliar as interpretações dos participantes de como as cores mapeadas nos objetos devem ser descartadas, desenvolvemos uma tarefa de classificação de reciclagem. Os participantes viram imagens de Letra caixa junto com o nome do objeto a ser descartado (por exemplo, papel ou lixo) e relataram qual lixeira colorida era a correta para descartar o objeto. Foi estabelecido anteriormente que pedir aos participantes para interpretar mensagens codificadas em características perceptivas não identificadas revela como os observadores extraem significado da mídia visual (Zacks & Tversky, 1999).

Hipóteses sobre inferência de cores de atribuição

Propusemos e avaliamos duas hipóteses sobre como as pessoas realizam inferência de cores na atribuição. Quando as pessoas recebem um único objeto e são solicitadas a mapeá-lo para uma cor de um determinado conjunto de cores, a hipótese de atribuição local prevê que elas simplesmente correspondam o objeto à sua cor mais fortemente associada.

Isso significa que dois objetos de Letras caixas diferentes podem ser mapeados para a mesma cor se essa cor for a associação mais forte para os dois objetos. Por outro lado, a hipótese de atribuição global prevê que as pessoas não apenas consideram a força da associação entre o objeto e as cores candidatas, mas também explicam as forças da associação entre todos os outros objetos e cores no escopo do sistema de código de cores. Isso pode resultar no emparelhamento de cores com objetos pouco associados, se resultar em melhores emparelhamentos gerais para todos os objetos considerados.

Neste estudo, investigamos a inferência de cores na atribuição em dois experimentos. A experiência 1 testou se as pessoas executam tarefas locais ou globais em um cenário simples com dois objetos (papel e lixo) e conjuntos de duas cores. Escolhemos papel e lixo porque as cores mais associadas a esses objetos são distintas (consulte a Fig. 4 e arquivo adicional 1: Tabela S2).

Isso evita conflitos que surgem dos mapeamentos um para muitos e muitos para um e, portanto, torna a tarefa relativamente fácil, pelo menos quando uma das cores está fortemente associada ao papel e a outra está fortemente associada ao lixo. A Experiência 2 testou se as pessoas ainda podem executar inferência de atribuição com um conjunto maior de seis objetos e seis cores que contêm conflitos devido a mapeamentos um para muitos e muitos para um. Esses conflitos fazem a tarefa de selecionar quais seis cores usar uma não trivial. Determinamos quais cores usar projetando diferentes funções de mérito e resolvendo os problemas de atribuição de codificação correspondentes.

Vamos para:

Experiência 1

Na Experiência 1, comparamos as previsões de hipótese de atribuição local e global para um caso simples de descartar um dos dois tipos de objetos em um dos dois compartimentos coloridos não rotulados. Os participantes viram imagens de caixas coloridas junto com uma descrição de um objeto de destino (papel ou lixo) e indicaram qual lixeira era apropriada para descartar o objeto de destino.

Apenas testamos papel e lixo neste experimento porque, entre todos os pares de objetos, esse par tem o padrão mais diferente de classificações de associação de cor-objeto, determinado pelo experimento piloto descrito acima (consulte também Arquivo adicional 1: Tabela S2). Testamos todos os pares de quatro cores: as duas cores mais fortemente associadas ao papel (branco; WH) e lixo (amarelo escuro; DY) e as duas cores mais fracamente associadas ao papel (vermelho saturado; SR) e lixo (roxo saturado; SP), consulte a Fig. 4. As análises verificaram que as associações “fortes” de objeto de cor eram mais fortes do que as “fracas” (consulte Arquivo adicional 1: Tabela S3).

A Figura 5 ilustra as hipóteses de atribuição local e global para dois conjuntos de cores. Cada painel contém duas partes. A parte superior contém um gráfico bipartido mostrando as atribuições previstas (linhas pretas grossas) entre dois objetos possíveis (papel (P) e lixeira (T); círculos) e duas possíveis caixas coloridas (quadrados). A parte inferior mostra o exemplo de teste correspondente, com uma seta vermelha mostrando a resposta prevista.

A região azul na Fig. 5 representa o escopo dos objetos e cores que servem como entrada para o problema de atribuição dentro de cada hipótese. Para a hipótese de atribuição local, apenas o objeto de destino para uma avaliação específica (neste caso, lixo) está no escopo e o outro objeto não alvo (neste caso, papel) está fora do escopo.

Como resultado, o objeto de destino sempre é descartado na bandeja cuja cor está mais fortemente associada a ele, independentemente da intensidade da associação entre as cores e o objeto não-alvo. Como mostrado na Fig. 5a, o lixo deve ser colocado na lixeira amarela escura quando as opções de cores são branco e amarelo-escuro e, como mostrado na Fig. 5b, o lixo deve ser colocado na lixeira branca quando as opções são brancas e roxas saturadas .

Para a hipótese de atribuição global, o alvo e o não alvo estão dentro do escopo do problema de atribuição. Como resultado, o objeto de destino é descartado na bandeja, o que permite maximizar a força total da associação sobre todos os possíveis pares de objetos de cores. Na Fig. 5c, a solução é a mesma da hipótese de atribuição local (Fig. 5a), com o lixo sendo jogado no lixo amarelo escuro.

No entanto, na Figura 5d, a solução entra em conflito com a hipótese de atribuição local (Figura 5b). O lixo é descartado na bandeja de roxo saturado, embora o lixo esteja mais fortemente associado ao branco do que ao roxo saturado, porque a atribuição global especifica que o branco deve ser reservado para papel.

Neste experimento, quantificamos as previsões das hipóteses de atribuição local e global e avaliamos quais previsões capturam melhor as respostas dos participantes.

Métodos

Participantes

Havia 24 participantes (idade média = 18,8, 17 mulheres). Todos tinham visão de cores normal como rastreada usando o H.R.R. Placas pseudo-isocromáticas (Hardy, Rand, Rittler, Neitz e Bailey, 2002), e todas deram consentimento informado.3 O IRB da Universidade de Wisconsin-Madison aprovou o protocolo experimental.

Design e displays

Conforme mostrado na Fig. 5, os displays continham imagens de dois compartimentos coloridos, um à esquerda e outro à direita da tela. Os escaninhos tinham 3,25 cm de largura × 4,25 cm de altura e foram vistos a uma distância de aproximadamente 60 cm. Os participantes viram todas as seis combinações aos pares de quatro caixas coloridas (chamadas de “conjuntos de cores”).

As cores foram as mais fortemente associadas ao papel (branco; WH) e lixo (amarelo escuro; DY), e as cores que foram mais fracamente associadas ao papel (vermelho saturado; SR) e lixo (roxo saturado; SP). As coordenadas xyY da CIE 1931 das cores estão listadas no arquivo adicional 1: tabela S1. As caixas coloridas foram balanceadas para a esquerda / direita entre as tentativas.

Havia um texto na parte superior da tela que indicava qual objeto de destino deveria ser descartado em cada tentativa (papel ou lixo). O design completo incluiu 6 conjuntos de cores × 2 atribuições de compartimento de cores esquerdo / direito × 2 objetos de destino × 6 repetições, resultando em 144 tentativas.

As exibições foram apresentadas em um 24.1-in. Monitor ASUS ProArt PA249Q (resolução 1920 × 1200). O plano de fundo era cinza médio (CIE x = 0,312, y = 0,318, Y = 19,26) que aproximava o iluminante CIE. Caracterizamos o monitor usando um espectrorradiômetro Photo Research PR-655 SpectraScan® e o usamos para verificar a apresentação precisa das cores . O desvio entre as cores medidas e as cores alvo nas coordenadas CIE xyY foi <0,01 para x e y e <1 cd / m2 para Y. O experimento foi programado usando Presentation (www.neurobs.com).

Procedimento

Os participantes foram convidados a imaginar que tinham papel e lixo para jogar fora e queriam descobrir onde os objetos deveriam ser descartados. Em cada tentativa, havia um texto na parte superior da tela indicando qual objeto descartar nessa tentativa (papel ou lixo), com um par de caixas coloridas abaixo (Fig. 5).

Visual Communication word cloud. Wordcloud made with text only.

Os participantes indicaram se o objeto deve ser descartado na bandeja esquerda ou direita pressionando a tecla de seta esquerda ou direita. Antes dos testes, havia cinco testes práticos. Se os participantes fizessem perguntas sobre qual categoria escolher, seriam instruídos a seguir sua intuição. Os ensaios foram apresentados em ordem aleatória, separados por um intervalo entre ensaios de 500 ms. Os participantes tiveram uma pausa após cada conjunto de 20 tentativas.

Vamos para:

Resultados e discussão

Geramos previsões para as hipóteses de atribuição local e global usando os dados das associações de objeto de cor do experimento piloto descrito no arquivo Adicional 1 e mostrado na Fig. 4. Para resolver um problema de atribuição sob a hipótese de atribuição local, basta comparar cada objeto com sua cor mais bem classificada. Sob a hipótese de atribuição global, consideramos os objetos e as duas cores juntos e escolhemos os pares que produzem a maior classificação total de associação.

Uma abordagem para gerar essas previsões pode ser a solução de problemas de atribuição em cada hipótese, calculando as pontuações de mérito usando as classificações médias de associação de cor e objeto apresentadas na Figura 4. Essa abordagem seria problemática porque resolver um problema de atribuição é um procedimento determinístico e absoluto.

woman and business plan

Isso significa que se o resultado (por exemplo, se “Lixo” é atribuído a amarelo escuro ou vermelho saturado) depende de uma pontuação de mérito ser maior que outra, o resultado será o mesmo, independentemente da diferença entre essas pontuações de mérito. grande ou pequeno. No entanto, queremos previsões que reflitam a sensibilidade dos resultados a pequenas mudanças nas pontuações de mérito.

Para produzir previsões com essa propriedade de sensibilidade, usamos uma abordagem de amostragem. Descrevemos o procedimento de amostragem para gerar previsões em detalhes no arquivo adicional 1. Adicionamos, grosso modo, pequenas perturbações aleatórias às classificações de associação na Fig. 4, resolvemos o problema de atribuição usando os valores perturbados, repetimos um grande número de vezes e depois calculamos a média todos os resultados.

Esse procedimento tem o efeito desejado porque, quando as classificações de associação são muito diferentes, a adição de pequenas perturbações tem pouca influência no resultado do problema de atribuição. No entanto, quando duas classificações de associação são semelhantes, perturbá-las às vezes causa uma reversão na qual a classificação de associação é maior e produz uma solução diferente para o problema de atribuição. Repetir muitas vezes produz uma distribuição de resultados que reflete a magnitude das diferenças entre as pontuações por mérito. Essa abordagem deve aproximar a incerteza nos julgamentos humanos quando objetos diferentes têm associações semelhantes de cor-objeto.

Referencia


Advertisement