1) Stratejik Tasarım: “Mesaj → Biçim” Eşleşmesi

İlk soru: Figür hangi bilimsel iddiayı görünür kılacak?

• Fark göstermek istiyorsanız: nokta + %95 güven aralığı (GA) / violin + özet çizgiler / slopegraph.

• İlişki göstermek: serpme + regresyon çizgisi + GA şeridi; yoğunluk çoksa heksabin/kontur.

• Trend göstermek: çizgi + belirsizlik bandı; çok seri varsa “küçük çokluklar” (small multiples).

• Dağılım göstermek: violin/kutu-çizgi + ham nokta jitter; yalnız sütun grafikten kaçının.
  Karar şablonu: “Okurun 5 saniyede görmesini istediğim cümle ne?” → Başlığı o cümle kipinde yazın; figür onu kanıtlasın.

2) Başlık ve Altyazı: Cümle Kipinde, Karar Odaklı

• Başlık yalnız isim değil, sonucu söyler: “Müdahale etkisi düşük SES’te daha büyük (d=0.40; %95 GA [0.22, 0.58]).”

• Altyazı; veri kaynağı, örneklem büyüklüğü, model ayarları, GA türü (Wald/Bootstrap), çoklu düzeltme (FDR/Holm) ve etik notu (anonimleştirme/coarsening) içerir.

• Kısaltmalar ilk geçtiği yerde açılır; birimler eksenlerde yazılır.

3) Belirsizlik Temsili: Hata Çubuğu Değil, Türü Belirli GA

• Güven aralığı (CI/GA) → parametre belirsizliği; tahmin aralığı (PI) → bireysel gözlemlerin olası aralığı.

• Şeritler (ribbons) çizgi grafiklerde GA/PI için idealdir; nokta–çizgi grafiklerde ise yatay GA çubukları netlik sağlar.

• Eşik temelli rapor: Klinik/uygulama eşiği (δ) için dikey çizgi/şerit; “Alt sınır δ’yı aşıyor mu?” sorusunun görsel cevabı.

4) Ölçek ve Eksen: Sıfır Noktası, Log Dönüşüm ve Sıkışma

• Sütun grafikte eksen sıfırdan başlamalı; aksi yanıltır.

• Çizgide dar aralıklar gerekebilir; o durumda dipnotla gerekçe verin.

• Log eksen üstel süreçlerde (RNA, gelir) uygundur; etiketleri açık yazın, sıfırları ayrı işaretleyin.

• Kırpma yapılırsa (zoom), “küçük panel” ile tam ölçek gösterin.

5) Renk, Desen ve Kontrast: Erişilebilirlik Önce Gelir

• Renge bağımlı kodlamadan kaçının; doğrudan etiket ve/veya desen kullanın.

• Renk körlüğü dostu palet (mavi–turuncu, mor–yeşil) ve yeterli kontrast (≥4.5:1) sağlayın.

• Tutarlılık: Makaledeki tüm figürlerde aynı seri hep aynı renkte/ikonla gösterilsin.

• Siyah–beyaz baskı için alternatif kod (desen/çizgi tipi) ekleyin.

6) Dağılımın Görselleştirilmesi: “Sütunları Bırak, Şekli Göster”

• Violin/kutu-çizgi + ham nokta (strip/jitter): Merkezi eğilim ve saçılım birlikte görünür.

• Yoğun veri: Heksabin (hexbin) veya 2B yoğunluk konturları; alfa kanalı ile üst üste binmeyi azaltın.

• Özet yerine örüntü: Sadece ortalamalar “gerçeği” saklayabilir; dağılım şekli ve çok modluluk özellikle raporlanmalı.

7) Çoklu Karşılaştırmalar ve Figür Mimarisi

• Aile tanımı (birincil/ikincil sonlanımlar) görsellerde de yansısın: Birincil sonuçlar ana figür, ikinciller ek materyal.

• FDR/Holm sonrası kalan etkileri vurguyla işaretleyin (ikon/çerçeve); renkle tek başına kodlamayın.

• Forest grafikleri: Alt gruplar/çoklu sonuçlar için %95 GA ile tek bakışta karşılaştırma.

8) Model Diyagnostiği: Ayrım, Kalibrasyon ve Artıklar

• Sınıflandırma: ROC/AUC ayrımı; kalibrasyon eğrisi (gözlenen–beklenen) güveni tamamlar.

• Regresyon: Artık–uyum grafikleri, normal Q–Q, kaldıraç/etki (Cook’s D).

• Rapor: “AUC=.81; 0.2–0.8 aralığında kalibrasyon iyi; artıklarda yapısal örüntü yok.”

9) Nedensel Anlatı Görselleri: DAG, Konsort/PRISMA ve Karar Grafikleri

• DAG: Karıştırıcı/araç/kollider seçimlerini netleştirir; metin ekonomisi sağlar.

• Akış şemaları (CONSORT/PRISMA): Dahil/dışlanma adımlarının sayısal izini verir.

• Karar grafikleri: Noninferiority/eşdeğerlik için δ, maliyet–etki “frontier”i, hedefleme stratejisi panelleri.

10) Zaman Anlatıları: Trend, Kırılma ve Pencereler

• Zaman şeritleri: GA bandıyla birlikte eğim ve seviye etkisi.

• Kesintili zaman serisi (ITS): Müdahale anını vurgulayan işaret + seviye/eğim değişimi.

• Çok seri: Küçük çokluklar/facet (okul/sınıf/il) yerine tek grafikte renk kalabalığından kaçının.

11) Mekânsal Görselleştirme: Koro-pleth’in Ötesi

• Oransal semboller ve nokta yoğunluğu; küçük alan hatalarına karşı belirsizlik maskeleri.

• Gizlilik için coarsening (bölge/bant düzeyi); sayısal sınırlarda açıklık (eşik yöntemi, sınıf sayısı).

• Zaman–mekân: Küçük çokluk haritalar veya animasyondan çok panel yaklaşımı tercih edilir (baskı dostu).

12) Nitel Verinin Görselleştirilmesi: Tema Haritaları ve Kod Ağacı

• Kod ağacı (düğüm–kenar) + katılımcı sayıları; temsilî alıntılar yanal kutuda.

• Seyrek–yoğun temalar: Balon/kare alanı ile ağırlık; “temsil örnekleri” numaralı alt not.

• Karma yöntem paneli: Solda nicel forest, sağda nitel tema kartları—aynı mesajı çoğaltmadan tamamlayıcı.

13) Ölçüm ve Psikometri Figürleri: DFA/SEM, Eşdeğerlik ve IRT

• Uyum panelleri: CFI/TLI/RMSEA ve güven aralığı; yük çizelgeleri okunaklı.

• Ölçüm eşdeğerliği: ΔCFI/ΔRMSEA ilerleme grafiği; grup/zaman katmanları.

• IRT bilgi fonksiyonu: θ’ye göre hassasiyet; kısa form kararlarına görsel dayanak.

14) Etkiyi “İnsanca” Sunmak: Mutlak Fark ve AME

• Göreli ölçüler (OR/RR) ile mutlak fark (yüzde puan) birlikte verilsin.

• Marjinal etkiler (AME) için arka plan değişkene bağlı şeritler: “Ön-test puanı arttıkça etkinin eğimi nasıl?”

• NNT/NHB (gerekiyorsa) görseli: Klinik/uygulama çevrimleri için karar desteği.

15) Tipografi ve Mizanpaj: Bilimsel Minimalizm

• Yazı boyutu: Baskıda ≥8 pt, dijitalde ≥12 pt denkliği; başlık–gövde hiyerarşisi net.

• Izgara: Başlık–grafik–not üçlüsü hizalı; beyaz alan %30–40.

• Lejant yerine doğrudan etiket tercih edin; okumayı hızlandırır.

• Kısaltma sözlüğü: Makale sonunda değil, figür altına kısa sürüm koyun.

16) “Kötü Grafik” Antolojisi ve Hızlı Onarımlar

• 3B sütun/pasta → derhal 2B’ye ve etiketli nokta/çubuğa geçin.

• Sıfırdan başlamayan sütun → ekseni düzeltin veya çizgiye geçin.

• Renk curcunası → 4’ten fazla kategori varsa facet/küçük çokluk.

• Tek hata çubuğu → GA türünü belirtin; mümkünse nokta + yatay GA.

• Aşırı yer paylaşımlı alt pencereler → en önemli 1–2 figür ana metinde, diğerleri ek materyale.

17) Yeniden Üretilebilir Figürler: Koddan PDF/SVG’ye

• Kod-temelli üretim (R/ggplot2, Python/matplotlib, Stata/estout/coefplot) ile değişmeyen görsel kimlik.

• Vektör format (PDF/SVG) dergi için; raster gerekiyorsa 300–600 dpi.

• Sürümleme: fig_01_primary_effect.pdf, forest_ses_OR.svg gibi adlandırma; metadatada yazılım sürümleri.

• Akış: Analiz not defterinden (Quarto/Rmd/Jupyter) otomatik tablo–figür üretimi.

18) Dergi Politikaları ve Raporlama Standartları

• CONSORT/STROBE/PRISMA gibi kılavuzların figür beklentileri;

• Grafik veri paylaşımı: Şekli üreten kod + özet veri; kişisel veri → anonim/koarsene edilmiş.

• Lisans ve telif: Harita/ikon kullanımında telif notu; Creative Commons seçenekleri.

19) Hakem Yorumları İçin Figür Revizyon Stratejisi

• “Daha okunur yapın” talebine yanıt: Font artırımı, doğrudan etiket, GA türü, panel sadeleştirme.

• “Belirsizlik?”: GA/PI ekleyin; kalibrasyon veya duyarlılık şeritleri.

• “Çok veri, az mesaj”: Ek materyale taşıma + ana metinde karar grafikleri.

20) Disiplinlere Göre Nüanslar

• Tıp/sağlık: Forest, Kaplan–Meier, noninferiority şeritleri; NNT/NHB panelleri.

• Sosyal bilimler: Marjinal etki şeritleri, DAG, alt grup forest; survey ağırlıkları notu.

• Doğa/mühendislik: Log–log ölçekler, ölçüm belirsizliği barları, kalibrasyon; deney diyagramları.

• Eğitim: Panel trendleri, alt grup eşitlik panelleri; etik coarsening.

21) Niyet, Yorum ve Etik: Görselle Yanıltmamak

• Yansıma/örtük iddia: Seçilmiş eksen/ölçek “etkiyi büyütüyor mu?”

• Seçici raporlama: Tüm birincil sonuçlar aynı formatta; “güzel görünen”i değil tam resimi verin.

• Hata barlarını saklamamak: Anlaşılır belirsizlik → güven.

22) Uygulamalı Örnek A (Eğitim): Program Etkisi

• Ana figür: Nokta + %95 GA, eşik d=0.25 çizgisi; başlık “Eşik üstünde küçük–orta etki”.

• Alt grup: SES için forest; FDR sonrası kalanlar işaretli.

• Marjinal etki: Ön-teste göre AME şeridi; düşük ön-testte daha yüksek fayda.

23) Uygulamalı Örnek B (Sağlık): Noninferiority ve Zaman–Olay

• Noninferiority: Fark GA alt sınırı −Δ’nin üstünde; karar çizgisi belirgin.

• KM eğrisi: Olay kümülatif olasılığı; risk tabloları okunur fontta.

• Alt panel: HR forest; heterojenlik dipnotu.

24) Uygulamalı Örnek C (Sosyal Medya): Ağ ve Tema Zamanlaması

• Ağ haritası: Topluluk renklendirmesi; köprü düğümler etiketli.

• Tema–zaman ısı haritası: Olay işaretleri (T0) ve sönüm.

• Düzeltme etkisi: Rezonans eğrisi + GA bandı.

25) “Gönder” Öncesi Son Kontrol Listesi

1. Başlık cümle kipinde ve karar odaklı mı?

2. GA/PI türü belirtilmiş mi, eşik varsa işaretli mi?

3. Eksen birimleri ve sıfır noktasına dikkat edildi mi?

4. Renk–desen erişilebilir mi; doğrudan etiket var mı?

5. Dağılım şekli görünür mü (violin/kutu + ham nokta)?

6. Çoklu sonuçlarda FDR/Holm bilgisi var mı?

7. Diyagnostik/kalibrasyon figürü mevcut mu (model ise)?

8. Kod–veri–sürüm bilgisi ve vektör çıktı hazır mı?

9. Gizlilik/anonim notları eklendi mi (harita/nitel alıntı)?

10. Ek materyalle ana metin figürleri dengeli mi?

Sonuç: Görselleştir, Açıkla, Güvence Ver

Görsel sunum, kanıt mimarisinin “tek bakışta anlaşılan” yüzüdür. Güçlü bir figür;

1. Mesajı başlığa yazar, grafiği kanıt olarak sunar,

2. Belirsizliği saklamaz—%95 GA/PI ve kalibrasyonla güven inşa eder,

3. Ölçek/ekseni dürüst seçer, yanlılık kaynaklarını açıklar,

4. Renk–desen–tipografiyle erişilebilirliği garanti eder,

5. Çoklu karşılaştırmalarda forest/küçük çokluk stratejileriyle bilgi kalabalığını yönetir,

6. Nedensel anlatıyı DAG ve akış şemalarıyla sözden görsele taşır,

7. Koddan vektör çıktıya yeniden üretilebilir bir hat kurar,

8. Etkiyi yalnız göreli değil mutlak ölçülerle de “insanca” çevirir,

9. Disipline göre nüansları bilir (tıp/sosyal/doğa/eğitim),

10. Etik ve gizlilik sınırlarını görünür kılar.

İyi görseller, iyi sonuçları ikna edici kılar; sınırlı sonuçları ise dürüst kılar. Akademik makalede görsel, yalnız göz için değil, bilimsel vicdan için vardır: Ne yaptığınızı, ne bulduğunuzu ve ne kadar emin olduğunuzu açıkça göstermenin en hızlı, en etkili yoludur.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademik Makalelerde Verilerin Görsel Sunumu first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.