2026年北大可视化暑期学校第四讲 - 走向可信任的可视化设计 - 蓝星宇
原创 可视分析 2026-07-07 14:51 北京
2026年7月3日上午是北京大学可视化发展前沿研究生暑期暨首届人文智能暑期学校的第四讲,由复旦大学新闻
2026年7月3日上午是北京大学可视化发展前沿研究生暑期暨首届人文智能暑期学校的第四讲,由复旦大学新闻学院的蓝星宇老师主讲,主题为《走向可信任的可视化设计》。
会说谎的地图,如何制造事实感
蓝老师首先从地图谈起,指出地图并不总是现代意义上的精确测量工具。中世纪地图常受宗教世界观影响,世界中心可能是耶路撒冷,东方被视为神圣方向,越远离中心的地方越容易混入神话、传说和想象。到了近代,地图依然可能成为误导工具:有人把误判出的“桑尼科夫地”长期标注在北冰洋地图上,有航海者将虚构岛屿画进航海图,也有人编造“波亚斯国”,用地图、小册子、国债和移民船票包装骗局。地图在这些案例中不只是描摹世界,而是在制造一种看似可靠的事实感。一个不存在的地方,一旦被画出边界、河流、山脉和航线,就可能比口头谎言更容易被相信。
中世纪世界地图案例
政治图表如何把数字变成立场
在政治传播场景中,图表常常披着数据外衣表达立场。蓝老师展示了多个政治竞选图表案例:有的柱状图中,9.4% 的柱子被画得比 14% 更高;有的图表把 37% 和 33% 的微小差距拉大到像是压倒性胜利;还有的图表通过截断坐标轴、改变比例、强化颜色和构图,让特定阵营看起来更有优势。这些图表的问题并不只是“不美观”,而是用视觉比例替代真实比例,用设计语言制造情绪和判断。讲座由此提出一个底线:装饰不是原罪,可视化可以有风格、叙事和审美,但不能破坏数据的真实和准确。一旦为了好看或好传播而扭曲坐标、比例和趋势,图表就从解释事实滑向了服务立场。
政治传播中的误导性呈现
从“图表垃圾”到“章鱼地图”,装饰何时成为说服机制
蓝老师介绍了团队关于可视化缺陷的研究。他们从公众吐槽问题图表的网站中收集案例,并将缺陷归纳为误导性信息、信息无效和社会不适切三类。问题图表的来源并不单一:有些来自刻意操纵,有些来自设计者信息素养不足,有些来自过度追求美观、工具限制、甲方压力或团队协作失效。讲座进一步以“章鱼地图”为例,说明装饰有时并不是图表旁边的点缀,而会成为说服机制的核心。章鱼地图把国家、政权或力量画成巨大的章鱼,用触手表现侵略、扩张、控制和压迫。团队收集到的 90 张章鱼地图跨越 19 世纪至今,在一战和二战前后出现明显高峰。章鱼的头部代表压迫者,触手代表扩张和控制,被触及的地区代表受威胁对象。读者几乎不需要文字解释,就能读出敌意、恐惧和道德判断。这说明可视化不只是呈现数据,也是一种修辞。
装饰性表达与数据准确性的边界
说服性地图中的强修辞视觉装置
AI 换脸与 AIGC 图表,如何改变公众对数据的信任
讲座最后讨论了 AIGC 时代的新问题:过去我们主要担心图表本身造假,现在即使图表没有被直接篡改,“谁在讲述这张图”也可能影响公众对数据的信任。蓝老师团队研究了 AI 换脸在数据视频中的作用。当数据视频中的讲述者、主播、老师或博主可能是 AI 换脸时,观众对人脸真实性和图表真实性的判断会相互影响。实验发现,在未提前告知的情况下,很多观众看不出 AI 换脸;提前告知虽然能提高警惕,却也会让观众更加多疑,甚至把真实人物误认为假人。更重要的是,观众对讲述者的信任和对图表的信任高度联动,很多人并不会仔细检查坐标、比例和数据逻辑,而是先凭讲述者形象、声音、专业感和第一印象判断内容是否可信。与此同时,文生图工具虽然能生成看起来像图表的画面,却常常无法准确映射数据。相比直接生成图表图片,更稳妥的路径是让 AI 辅助写代码,再由代码渲染图表,保证数据、坐标、标签和视觉比例可检查、可复现。
ai换脸影响统计图
结语
这场讲座最有价值的提醒,也许是:我们不能因为一张图看起来专业,就自动相信它。
今天,我们每天都在刷到图表、地图、排行榜、信息图、视频解说和 AI 生成内容。图像越来越精美,传播越来越快,技术门槛越来越低,但真实并没有因此自动变得更容易获得。对设计者来说,好的可视化不只是把图画漂亮,而是让数据被诚实地表达,让读者能够合理地理解。对读者来说,好的信息素养也不只是“看懂图”,而是敢于追问:这张图的数据从哪里来?坐标轴有没有被截断?比例有没有被夸大?颜色和面积是否在暗示某种立场?装饰是否改变了我对数据的判断?讲述者的形象是否影响了我对内容的信任?图表不是事实本身,它只是事实的一种表达方式。越是精美的表达,越需要被认真地观看。在后真相时代,学会看图,也是在学习如何重新相信真实。
欢迎大家关注北京大学可视分析微信公众号(VisualAnalytics)
获取最新消息