解开谜团：共同制作古数据可视化图表，以提高其在保护实践中的实用性

《Ecological Solutions and Evidence》：Unravelling the plot: Co-producing visualisations of palaeo-data to improve their utility in conservation practice

　　摘要

古生态学研究可以为保护工作提供宝贵的长期信息支持，但其成果往往未能有效地传达给实践者。这一挑战的一个方面在于数据和结果的可视化方式——通常使用复杂的地层图，而这些图对大多数保护实践者来说并不熟悉。我们对古生态学研究人员进行了调查，以了解他们对古数据可视化方式的看法以及他们与保护实践者共同制作数据可视化的经验。调查受访者提供了两个案例研究。大多数受访者（97%）认为，古数据需要以易于非专家理解的方式呈现，但只有34%的人认为目前这一目标已经实现。在呈现方式上，最突出的问题包括：（i）图表过于复杂且难以理解；（ii）包含复杂的统计子图；（iii）没有解释缩写词或专业术语。通过分析调查结果和案例研究，我们提出了一些改进古数据图形可访问性的方法，包括减少专业术语的使用、考虑不同的时间尺度表示方法、加强视觉展示、设计和科学传播方面的培训，以及探索研究成果发表后的传播途径。重要的是，我们建议通过与目标最终用户的密切合作来发展这些实践方法。采纳本文中的建议有助于确保古生态学研究成果能够以更清晰、更易于理解的方式传达给实践者，从而促进其在保护管理和决策中的应用。

1 引言

古生态学以及其他属于古科学范畴的学科具有巨大的潜力来支持保护工作（Davies & Bunting, 2010; Dietl et al., 2015; Dietl & Flessa, 2011; Willis & Birks, 2006），但这些研究的宝贵成果往往未能有效地传达给保护实践者（Siggery et al., 2023）。多种障碍阻碍了古科学成果向实践者的有效传播。研究成果通常局限于学术期刊中，并用高度专业的技术语言表达，这阻碍了实践者的参与和运用（Clarke & Lynch, 2016; Gillson & Marchant, 2014; Rull, 2010）。即使有人努力使研究成果更易于理解，但往往忽视了保护实践者的背景、限制和实际情况（Siggery et al., 2024）。此外，人们对古数据在解决保护问题中的潜在作用认识不足，部分原因是时间、资源和专业知识的限制使得他们难以接触不熟悉的数据来源和方法（Siggery et al., 2023）。最后，研究人员本身也缺乏如何向最终用户有效传达其工作的培训（Kelley & Dietl, 2022）。与最终用户共同开展研究可以克服这些挑战，从而促进古科学在实际保护管理和决策中的应用（Allen et al., 2025; Dietl et al., 2023; Gauld et al., 2025）。尽管有一些成功的古生态学合作研究的例子，但总体上仍然较为罕见（Foster et al., 2002; Groff et al., 2023; Sayer et al., 2012; Short et al., 2022）。古生态学与保护工作整合的一个未充分探索的障碍是古数据的呈现和可视化方式（Schafstall et al., 2024）。认知心理学表明，设计良好的视觉材料对于帮助受众理解关键信息和实现有效的科学传播至关重要（Keim et al., 2008）。这一需求在气候科学领域得到了体现，特别是政府间气候变化专门委员会报告中，对非学术受众的可视化数据摘要的需求日益增长（Harold et al., 2016）。Harold et al.（2016）应用认知科学开发了改进气候变化数据呈现方法的指南，其中许多内容可以应用于其他环境科学领域。类似的机会也存在于古生态学中，与实践者合作制作可视化材料可以帮助确保数据以易于理解和有意义的方式传达（例如Siggery et al., 2025; Wilson & Marchant, 2025）。无论学科如何，准确有效的科学传播都需要考虑许多相互关联的因素（Glazer, 2011; Heijungs, 2014）。在向非古生态学专业人士传达信息时，应仔细考虑数据可视化的格式，以适应不同受众的数据素养水平（Zubiaga & MacNamee, 2015）。在“清晰度与复杂性”之间常常需要权衡，有时为了便于解读而牺牲细节（Dietl et al., 2023）。另一个权衡点是在视觉设计与数据表示的准确性之间，美学选择可能会扭曲或淡化数据（Lau & Vande Moere, 2007）。在古生态学中，一个典型的例子是对过去景观的艺术重建。Vanderplas et al.（2020）描述了从艺术性到实用性的连续体，我们认为一个设计良好、共同创作的图表可以成功平衡这两者。本文探讨了古科学研究人员对数据呈现和可视化问题的看法，以及这些观点在学界中的认可程度。我们还记录了与非专家合作者共同制作数据可视化的研究人员的经验。基于这些观点，我们提供了针对古科学的特定指导，以补充现有的通用数据可视化建议（例如Harold et al., 2016）。

2 方法论

为了调查当前的古数据呈现实践，我们分发了一份调查问卷，收集古研究社区的见解和经验。问卷采用结构化设计，由自我认同的古生态学研究人员填写。数据收集工作于2025年3月至5月期间通过Qualtrics XM在线平台进行（Qualtrics Inc., 2018），并在萨里大学获得伦理批准后完成。完整的问卷见支持信息S1。通过相关学术网络（如保护古生物学网络、国际古湖沼学协会和英国生态学会古生态学特别兴趣小组）分发问卷，实现了无分层抽样。此外，还邀请其他相关方进一步传播问卷，从而实现了国际研究社区的参与，涵盖了不同古科学子学科的研究人员。这种分发方式也使得样本中包含了具有和不具有合作经验的古科学家。问卷收集了受访者的 demographic 信息（专业背景和职业阶段），以及对数据可视化的看法，这些看法采用5点李克特量表进行评分（“强烈同意”、“有些同意”、“既不同意也不反对”、“有些不同意”、“强烈反对”）。受访者对各种问题进行了评估，判断这些问题是否对非专家解读古数据图表构成障碍，这些问题被分为“重大”、“次要”或“非问题”。部分数据可视化问题借鉴了Harold et al.（2016, 表1）的研究，其余问题则基于作者的经验。受访者还可以提供额外评论或提出建议。与非专家共同制作数据可视化的受访者被问及更多关于他们的经验的问题。这部分调查包括关于成功经验、面临的挑战和培训需求的开放式和封闭式问题。这些受访者能够提供他们的案例示例，并被邀请参与案例研究的开发。案例研究的确定基于与案例研究作者的讨论。提供案例研究的研究人员被列为共同作者。数据从Qualtrics XM导出后，在Microsoft Excel中清理（删除元数据，统一拼写），并使用描述性统计方法进行分析。使用Mann–Whitney U检验测试了由于人口统计因素导致的响应差异。开放式问题经过了进一步处理。代理变量被分类为更广泛的类别（生物、地球化学和岩石学），合作生产的响应也被分类（例如，“你与谁合作？”被分类为非政府组织、当地社区等）。关于数据可视化问题的开放式回答包含较长文本，使用NVivo（Lumivero, 2022）和归纳法进行主题编码（Braun & Clarke, 2006）。编码信息见支持信息S2，匿名调查响应见支持信息S3。与任何在线调查一样，本研究可能存在样本偏差和分布控制有限的问题（Menon & Muraleedharan, 2020）。自愿、自我选择的参与方式（Andrade, 2020; Groves et al., 2004）以及仅以英语分发问卷可能会引入额外的偏差，在解释结果时需要考虑这一点。

3 结果

在收到的165份调查回复中，有132份完整且适合分析。受访者代表了不同的职业阶段；其中大部分是经验丰富的资深研究人员（占37%）。尽管调查样本具有全球分布性，但地理分布存在偏斜：大多数受访者来自欧洲和北美，并主要在这些地区进行研究。在研究人员来源和研究领域方面，非洲和大洋洲的代表最少。受访者的专业背景各异，其中最多的是古生态学家（39%）和古湖沼学家（23%），其他子学科的比例较小，包括古气候学家、古生物学家和古水文学家。大多数受访者（56%）报告使用生物代理指标，其次是地球化学指标（31%）和岩石学指标（10%）。花粉和非花粉孢子是最常用的代理指标（14%），提到了超过100种独特的代理指标。

3.1 对问题的看法

大多数受访者强烈认为古数据需要以易于非专家理解的方式呈现（80%），另有17%的人表示部分同意。然而，关于数据是否通常被良好呈现的回答意见不一，但总体倾向略有分歧（40% vs. 34%）。尽管对典型数据呈现的清晰度评价不一，受访者对许多数据呈现问题表示强烈同意（图1）。图1显示了132名受访者认为的古数据呈现问题频率，以百分比表示。排名最高的问题是使用过多图表，使图形过于复杂（74%认为重大，23%认为次要）。一些受访者建议使用简单、自解释的总结图表，通过聚焦一两个关键信息，屏蔽无关部分，并仅包含关键分类单元或代理指标来实现。排名第二的问题是使用不熟悉的统计子图（65%认为重大，23%认为次要）。排序图被认为是最令人困惑的，同时指出非专家可能缺乏足够的分析知识。缩写词和过于专业的技术语言是第三大问题（59%认为重大，33%认为次要），评论指出使用二项式科学命名规范可能阻碍解读和有效沟通。受访者还指出了使用不熟悉的时间段术语（如铁器时代或德文西亚期）的问题。不熟悉的指标也是一个突出问题（55%认为重大，36%认为次要）。评论进一步强调了使用与受众相关的指标的重要性，并提出了关于不熟悉变量和晦涩分类单元的问题。受访者指出，古数据可能不适合与常用的当代生物多样性指标结合使用，未经适当解释就强制应用这些指标可能会产生误导。字幕和图例的使用不当排在第五位（39%认为重大，48%认为次要）。有人建议使用字幕来更好地解释缩写词和代理指标与当代生物多样性指标的关系。一些受访者还建议在图表上添加注释。视觉设计原则（颜色使用、视觉注意力的方向）的评分较低（第六和第九位）；尽管评论提供了一些额外的见解。多位受访者建议将图表与地图或插图结合使用以增强表达效果。受访者还报告从上到下阅读图表以及使用不同的X轴刻度会带来困惑。有人建议采用视听格式。与缺乏历史背景（第七位）和深度-年龄尺度（第八位）及轴位置（第十位）相关的问题虽然评分较低，但大多数受访者仍认为它们是问题（分别有81%、77%和53%认为重大或次要）。评论提到低时间分辨率会妨碍解读和相关性，年龄/深度模型也可能造成混淆。有人建议添加次要轴来表示年龄，或者按年龄而非深度绘制图表，但将深度/时间放在Y轴而不是X轴的建议评分明显低于其他问题。评论中还提到了可访问性（对色盲友好的视觉效果）、非英语使用者需要可理解的视觉材料，以及学生需要额外的科学传播和视觉设计培训等问题。一些受访者强调，学术论文中的图表目的并非与非专家交流，因为主要受众是其他学者。虽然也有针对非专家群体的其他科学传播形式，但学术文化中通常缺乏推动这些形式的动力。在不同人群（共同研究者与非共同研究者；早期职业研究人员[<10年经验]与资深学者[>20年经验]；北美人与欧洲人）之间，对这一点的看法没有显著差异（见支持信息S4）。唯一的显著例外是，共同研究者往往比没有与非专家合作经验的研究人员更理解非专家可能面临的问题（p=0.03）。

3.2 共同研究的经验

大多数受访者（58%）没有与非专家共同研究经验的经历。在剩下的42%中，只有19人（占总数的14%）与非专家合作者共同完成了数据展示工作。最大的合作群体是合著者和其他学术同事（43%），只有少数人（7%）得到了专业设计师或插画师的帮助。在19位与非专家合作的研究人员中，只有13人提供了详细的经验信息；因此，这些结果基于的小样本量有限。最常见的合作形式是使用花粉作为代理指标（31%），合作伙伴通常包括非政府组织（31%）和当地社区（包括原住民社区）（31%）。常见的挑战包括用通俗语言解释科学概念、传达古数据的不确定性以及管理合作过程所需的时间。被认为有助于改善视觉效果的技能包括GIS和图形设计，以及非科学写作。在分享的例子中，受访者对合作过程的整体体验非常积极。大多数受访者强烈认为这一过程是成功的（53%），并且有一种共同的创造性体验（62%）。但对于共同所有权感（38%）和非专家合作伙伴使用研究成果（23%）的认同度较低。

3.3 实践中的共同研究

五位受访者提供了足够的信息来开展一个完整的案例研究，其中四位愿意进一步讨论。在这四位中，有两个案例研究适合纳入本文，并在下面的框1和框2中展示，以说明古生态学家与非专家在数据可视化方面的合作可以如何以不同的方式展开。框1：通过多情景方法可视化基于花粉的土地覆盖重建

花粉层序图是一种信息密度很高的格式，对非专家来说可能难以理解。花粉样本是一维的（1D点），但它们描述了每个采样地点周围的多维景观组成。多情景方法（MSA）是一种基于物理和统计的建模方法，旨在将花粉转换为二维（2D）地图，以便向各种受众直观有效地传达这些信息（Bunting & Middleton, 2009）。然而，将一维数据转换为二维表示意味着某些信息（如空间模式）本质上是不确定的。在MSA中，通过识别多种可能的重建结果来体现这种不确定性，同时承认等效性原则（即不同的输入可以产生相同的输出）。传达这种不确定性具有挑战性。展示单一地图可能会给人一种精确的错觉，但同时展示数百张替代地图既不便于理解也不实用。与一个商业考古团队合作，该团队在有限的预算下为拟议的道路改善路线上的多个地点开发了土地覆盖重建，这有助于找到一种替代方案。我们部分应用了MSA方法，根据花粉记录测试了288种地图选项。图2a展示了一个时间段的发现，显示了单一的“最佳”地图以及一个图表，说明了不同景观特征如何影响每种可能地图与花粉组合的匹配程度。考古学家的反馈促使我们进一步发展了地图绘制方法，以创建一个可视化结果，显示每种土地覆盖类型出现的可能性（图2b）。这种方法在完整的MSA重建中提供了更清晰的不确定性表达（van den Berg, 2025）。

框1：通过多情景方法（MSA）与商业考古学家合作，为英国Brampton West地区从中铁器时代到晚铁器时代的一个时间切片制作的可视化结果。(a) 最佳拟合地图；请注意，最佳拟合地图只是良好拟合场景的一个例子。(b) 288个建模场景的排名；从上到下的前四个子图显示了变化参数的排名拟合情况。最后一个子图显示了排名拟合的得分。最佳拟合地图(a)具有：湿地中桤木比例高、草地中灌木比例高、谷物田大小适中以及一小片砍伐过的森林。然而，将不确定性直观化引入新的挑战。尽管使用了对色盲友好的颜色尺度，但高信息密度仍然限制了不同社区的视觉区分。后续工作探索了为每个社区使用单独地图的方法（van den Berg, 2025），但这种方法产生了大量图像，这不是理想的。在清晰传达重建土地覆盖的变化与有效可视化结果之间找到平衡仍然是一个持续的挑战。

框2：通过时间线重建Lake Moawhitu的虚拟现实体验

“我们的湖泊健康：过去、现在、未来”（也称为Lakes380）是一个为期五年的研究项目，该项目加深了对新西兰大约3800个面积超过1公顷的湖泊的环境、社会和文化历史的理解。该项目通过分析沉积物岩芯和水样，并与当地社区进行访谈，评估了湖泊的过去和现在的健康状况。在整个研究过程中，与毛利社区（新西兰的原住民）建立了有意义的关系，强调了将毛利知识（mātauranga Māori）与西方科学方法相结合的重要性。这要求采用更加包容和可视化的方法来传达古生物学结果。与Ngāti Koata部落进行了重要合作，该部落位于南岛北部，与Lake Moawhitu有着深厚的文化联系。Lakes380团队和Ngāti Koata共同设计了一个互动多媒体叙事体验，将部落叙事与沉积物岩芯分析的生物物理数据结合起来。虚拟体验“He reo nō te puehu”（“来自尘埃的声音”）使观众能够穿越时间，可视化湖泊和景观在1000年间的变化，以及探索未来的恢复愿景（图3）。整个体验中穿插了部落长者的故事。目标受众是Ngāti Koata的家庭成员，他们的声音和故事被重点呈现，科学见解起到支持而非主导的作用。对于毛利人来说，环境与他们的身份密不可分，因此传达环境和人类历史至关重要。

多媒体虚拟现实体验让观众可以看到湖泊和景观在1000年间的变化，以及湖泊的未来愿景。该体验可在以下链接查看：https://ourlakesourfuture.co.nz/he-reo-no-te-puehu/。开发过程是迭代的，内容由部落长者共同编写、编辑和批准，以确保文化的真实性。合作的重点是尊重而非数据提取。由于预算限制，无法在视觉上呈现所有动植物。例如，通过鸟鸣而不是视觉图像来表现本地鸟类。该项目不仅成为了Ngāti Koata的宝贵财富，也成为整个国家部落教育家人了解环境变化和恢复机会的强大工具。这样的项目需要大量的创意专业知识、文化合作和财务投资。然而，也可以使用一系列简单有效的视觉传播方式，如短视频和静态艺术渲染。最重要的是，这个项目的真正成功基于部落、研究人员和合作伙伴组织之间真诚的合作、信任和共同目标。

4 讨论

调查古科学社区后发现，与非专家合作者共同制作数据可视化的研究人员相对较少。尽管如此，大多数受访者都认识到为非专家提供清晰的数据展示的重要性。虽然对当前古数据展示标准的看法不一，但所有提出的问题都被普遍认为会妨碍非专家的理解。愿望与实践之间存在明显差距；古科学家重视非专家的数据素养，并意识到可能存在的障碍，但对能否实现这一目标缺乏信心。尽管鉴于古科学的广泛性，不太可能有一个适用于所有情况的解决方案，但下面我们根据更广泛的文献和本研究的案例研究及调查结果提出了一些建议。

4.1 障碍与解决方案

在调查中，受访者被要求考虑影响数据可视化效果的一系列问题，这些问题可以分为三大类：通用问题、认知问题和古科学特定问题。通用问题适用于任何类型的科学数据可视化，例如图表过于复杂、使用不熟悉的统计技术或缩写。认知问题源于关于空间使用、颜色和其他视觉设计原则如何影响观众理解力的研究（Harold等人，2016）。古科学特定问题仅与古数据相关，例如年龄、深度和历史背景的表示，以及古科学特有的术语，如分类学和地层学名称。虽然许多通用和认知问题在文献中都有广泛讨论（例如Harold等人，2016；Hegarty，2011；Newell等人，2016），但我们的重点是如何克服这些古科学特有的问题。在适当的情况下，我们也借鉴了关于更广泛问题的通用指导。在每种情况下，我们还强调了与非专家的合作如何帮助确保可视化结果易于理解且与管理部门相关。

4.1.1 视觉复杂性和信息过载

评分最高的问题是许多图表的复杂性过高。古生态学中的地层图通常跨越多页，包含数十个不同分类单元或代理指标的子图——一位受访者将其称为“恐怖图”。即使在学术界，这些图表也可能被认为过于庞大或令人难以理解，读者需要自己从大量数据中提取信息和解释。对于最终用户来说，这种视觉复杂性降低了图表的可用性，因为大多数人可能没有所需的解释能力（Bunting等人，2018）。因此，许多受访者强调简单性和清晰性的价值，建议图表应“尽可能自解释”。建议包括“屏蔽无关部分并突出相关部分”，以及“一次只展示一个分类单元/代理指标”。这些建议与数据可视化和认知理解的一般最佳实践一致，例如避免视觉杂乱，以便将注意力集中在关键信息上（Tufte，2001）。框1和框2中的案例研究以不同的方式反映了这些主题。框1的例子展示了将结果提炼成单一“最佳”地图以辅助解释的愿望——同时也展示了在传达不确定性时重新引入复杂性的必要性，最终展示了第二组图表来捕捉不同重建结果之间的变化。框2的例子优先考虑了文化相关性，并在预算限制下简化了科学数据的展示。这些例子强调了核心挑战：简化对于提高可访问性是必要的，但过度简化可能会掩盖细微差别——这是文献中广泛讨论的清晰度与复杂性之间的权衡（Sarkki等人，2014）。因此，必须与非专家合作伙伴仔细沟通与古数据相关的不确定性和注意事项，以确保研究成果得到适当使用，尽管这超出了图表本身的范围（Dietl等人，2023；Schafstall等人，2024）。框1中的例子展示了作者开发的新方法，用于可视化他们重建结果的不确定性。在这种情况下，合作制作有助于解决这种权衡问题，具体方法包括：（1）了解“过多”的程度，并通过迭代工作在清晰度和复杂性之间找到平衡；（2）确定关键信息和最相关的数据，同时抵制展示所有数据的诱惑；（3）为讨论如何通过视觉方式传达不确定性和注意事项提供空间。

4.1.2 统计和技术障碍及指标
高级建模和复杂的统计工具对非专家来说存在解释上的障碍，这不仅体现在图表可视化上，还涉及对信息的细微差别和假设的理解（Sutherland等人，2019年）。通常情况下，非专家对所呈现的分析方法了解不足。例如，多变量分析通常以排序图的形式呈现，受访者认为这对非专家来说特别具有挑战性。某些统计方法可以在促进信息传递方面发挥重要作用，比如将物种数据转化为更容易理解的化学变量（如pH值和营养浓度）的转换函数（Battarbee等人，2001年；另见框1，了解另一种以更直观方式呈现复杂统计信息和相关不确定性的方法）。这样的图表使非专家能够通过简单的折线图看到变量随时间的变化，而无需直接解读分类数据。然而，转换函数也存在清晰度与复杂性之间的权衡。这种方法因从受多个相互作用变量影响的生物群落中推断出单一化学变量而受到批评（Davidson等人，2011年；Juggins，2013年；Juggins等人，2015年）。因此，尽管转换函数是古生态学家工具箱中的有用工具，但在与可能不了解计算背后假设和不确定性的非专家合作时，应谨慎使用并保持透明度。物种丰富度（例如Hills N2、Shannon）等指标也存在挑战。这些指标假设与更广泛的生态系统多样性之间存在相关性，但这需要谨慎对待，因为不同代理指标显示的生物多样性变化模式各不相同（Davidson等人，2013年），而且非专家合作者可能不经常使用这些指标。能够以空间格式可视化古数据（例如框1）在这方面很有价值，因为它允许对栖息地面积进行有条件的比较。此外，从业者越来越多地需要在复杂的法律框架和指标下工作，例如生物多样性补偿计划（McVittie & Faccioli，2020年）。虽然使用与现代保护相关的指标可能是一个强大的工具（Wingard等人，2024年），但受访者指出，这也可能“没有充分考虑古生态数据的问题”，并且“强行将不符合常用生物多样性指标的信息纳入其中”。古生态数据转化为用于生物多样性评估的格式的潜力尚未得到充分探索，尽管已有实例——例如使用古记录来可视化历史生态系统服务提供情况（Dearing等人，2012年；Xu等人，2017年）。其他保护指标，如自然资本评估（Fenichel & Abbott，2014年），也可能提供创新机会。重要的是，与非专家的合作可以更好地理解如何适当地利用这些指标进行沟通和决策。

4.1.3 语言、缩写和术语
语言、缩写和术语的选择是数据可视化的关键部分，尤其是在基于文本的组件中（例如轴、标签和注释）。受访者认为这是数据可视化的一个主要问题。专有或过于技术性的语言始终是非专家理解的一个障碍（Baram-Tsabari等人，2020年；Cruz & Lombrozo，2025年）。在古生态学背景下，还发现了额外的学科特定术语挑战，进一步阻碍了理解（Siggery等人，2024年）。受访者经常提到的一个问题是使用分类单元的科学名称。虽然最终用户经常同时遇到科学名称和通用名称，但这里的问题可能更多在于对许多作为代理使用的分类单元的不熟悉，特别是介形虫和硅藻等微化石群体。这些分类单元代表“实践者不容易识别或理解的生物群体或过程”，因此在呈现结果时需要更加小心，例如通过上述的转换函数方法。相反，花粉或大型化石数据对某些最终用户来说可能更直观，因为他们可能熟悉许多分类单元的生态学特性。实际上，他们对生态变化的理解可以补充古生态学家的理解，从而带来更细致的结果解读，有利于研究。我们案例研究中的例子展示了已经在实践中广泛使用的有效替代方案。在框2中，VR体验中的关键物种配有视频或照片以及简短、通俗的描述，而不仅仅是科学名称。同样，框1的例子将单个物种归类为更广泛的植被群落，减少了花粉地层图中通常过多的物种数量。不熟悉的缩写和术语虽然是科学交流中的常见问题（Barnett & Doubleday，2020年），但相对容易克服。它们通常可以在字幕或注释中替换或简要解释。对于技术缩写（如同位素符号210Pb）或基于统计的缩写（DI-TP—硅藻推断的总磷，NMDS—非度量多维缩放）需要特别小心。受访者还强调了解释地质年代术语的重要性，鼓励使用通俗语言来表示“考古时期（例如铁器时代、青铜时代）”，而不是“气候学分区（例如北方区、大西洋区）”或“[冰川]阶段的本地名称（例如Würm/Weichselian/Devensian）”。最终，合作制作提供了一种实际的方法来了解哪些缩写和术语会妨碍理解，而不是依赖于对非专家知识的假设。

4.1.4 时间数据的挑战
古数据展示的一个关键挑战是如何可视化数据的时间方面。由于过去和现在的心理距离，古时间尺度及其与现代保护的相关性尤其难以传达（Dietl等人，2019年；Rull，2014年）。地层图中的标准方法将时间放在次要的Y轴上，最古老的沉积物位于原点，与沉积物的深度相对应。这种惯例“对大多数人来说不熟悉”，因为在大多数非古生态学背景下，时间通常是从X轴的左向右读取的（Harold等人，2016年；Rull，2009年；Tufte，2001年），可能需要额外的解释材料（如照片）来帮助理解。进一步加剧这种不熟悉的是，古时间序列数据通常按深度而不是年龄进行缩放，这对许多非专家来说可能不直观。尽管受访者没有将这些问题的重要性评为最高，可能是因为他们熟悉这种展示风格，但仍有几位受访者认为它们很重要（另见Siggery等人，2025年的一个说明性案例研究，展示了如何通过合作解决这个问题）。简单的调整，如交换轴或改变缩放方式，可以支持更直观的理解，并将时间表现为连续体，而不是分开的过去和现在（Schafstall等人，2024年）。然而，在古生态学研究中，年代学并不总是直截了当的。对于较老的时间平均序列，年代测定的不确定性会使年龄建模变得复杂，难以无缝地纳入图形年代学中，从而无法简单地用深度替换为年龄缩放（Blaauw等人，2020年）。为了自信地进行替换，研究需要一个误差较小的稳健年龄-深度模型，这对于使用137Cs或210Pb测年方法的近期古研究来说更容易获得，而对于依赖14C/40K/40Ar方法的深层时间背景则不然（Walker，2005年）。这再次反映了清晰度与复杂性之间的权衡，突显了合作制作在确定哪些“更清晰”的时间表示既有意义又适当方面的价值。例如，在框1的例子中，使用“时间切片”而不是固定日期可以在显示景观随时间演变时提供更大的灵活性，但这建立在这些时期相对景观稳定的假设之上。除了缩放和轴的选择外，历史背景对于解释事件的潜在影响和更好地理解时间尺度也很重要。注释是提供这种背景的重要机制（Mautone & Mayer，2007年），而注释使用不足被认为是一个问题——有人指出“可能会侵犯图表的神圣空间以支持解释”。如果使用得当，这样的背景可以加强解释——例如，Dearing等人（2012年，图3）在重建的生态系统服务指数旁边注释了关键政治事件，以说明社会经济因素对景观变化的影响。然而，必须小心避免信息过载或在没有证据的情况下暗示因果关系。再次，合作制作可以帮助明确哪些事件（如自然保护区的建立或管理计划的变化）对解释有价值。它还可以鼓励探索更创造性地呈现时间的方式。例如，在框2中，VR体验允许最终用户通过时间旅行，通过基于毛利口头传统的故事讲述提供历史背景。

4.2 学术文化和机构背景
考虑这些案例研究以及更广泛的学术古生态学和保护实践所处的更广泛背景是很重要的。学术界“发表或消亡”的文化，特别是对早期职业研究人员的影响，不利于以非专家为中心的沟通或合作制作方法（Rose等人，2019年）。成功通常通过学术期刊上的高影响力出版物来衡量，而不是通过与实践者的互动，而与当地最终用户的耗时合作可能会危及职业发展（Adams等人，2021年）。因此，许多学术研究人员无法分配时间来合作制作项目的所有方面，包括数据可视化。然而，这种现状与机构要求展示更广泛社会影响的压力之间日益紧张，例如英国研究卓越框架所要求的（Manville等人，2021年）。这种影响可以有多种形式，例如框2中的VR体验成为Ngāti Koata的文化遗产，或者框1中的视觉输出作为正在进行中的景观开发项目中的缓解措施的一部分来支持考古学家的报告。不幸的是，不同地理区域、职业阶段和社会经济背景之间的职业安全、资金可用性和影响框架的差异，导致研究人员参与合作的机会不平等。除了学术文化之外，研究论文的预期受众也是一个重要的考虑因素。几位受访者提出了关于学术论文目的的问题；它们主要是为了专家之间的沟通吗？非专家的沟通是否应该通过其他媒介（如博客）来进行——尽管后者没有得到正式的激励？如果数据可视化是为非专家设计的，无论它们出现在哪里，目的和受众都必须明确。不同的非专家合作者有不同的需求；他们并不是一个统一的群体。例如，框2中涉及的土著合作伙伴需要不同于框1中的商业考古学家的考虑，这反映了先前知识、期望和期望结果的差异。框2的例子是为Ngāti Koata量身定制的，并在创建可视化时突出了他们自己的知识和声音，而框1的例子则是为了满足考古学家向更广泛社区传达发现的需求。应避免对预期受众及其需求的假设（Siggery等人，2024年），否则可能会疏远合作者并破坏合作伙伴关系。随着软件和图形包的进步，研究人员现在可以为不同受众定制多种视觉格式，使得以创新和易于理解的方式传播发现变得更加容易。这种更有效地沟通研究的能力提出了一个有趣的问题，关于学术研究和知识交流的哲学，以及研究主要旨在帮助谁的理解。

4.3 建议和结论
有效的合作制作可视化可以在促进古数据的透明沟通中发挥关键作用。这里展示的合作制作可视化示例说明了可能性，并为使古数据更易于理解提供了经验指导。显然，没有单一的解决方案：方法存在于一个谱系中，从极具创意的方法到更技术性的方法，从雄心勃勃的创新到“低垂的果实”或容易实现的改进。有些方法旨在直接支持实际决策，而其他方法则侧重于故事讲述的价值（Goben等人，2025年）和基于地点的意义。这些示例中的一个统一主题是考虑最终用户的需求及其问题的更广泛背景。根据我们的经验，这种参与往往会产生新的问题并激发更深入的兴趣。在这一点上，研究人员需要支持最终用户探索数据的具体特征，以帮助回答这些新出现的问题。尽管这里只提供了两个详细的例子，目前还不能得出强有力的结论，但样本数量的有限性本身就突显了进一步研究的必要性。未来的研究方向包括：与非专家受众测试特定的视觉格式，探索不同地区背景下的沟通方式，以及进行纵向研究，以评估改进后的可视化工具如何随着时间的推移影响人们对保护的认知和决策过程。

4.3.1 主要建议

我们认识到，在各种古生物学分支中使用了广泛的替代指标，因此建议需要具有足够的普遍性，以确保其在整个古生物学界的相关性。我们敦促研究人员在制作数据可视化成果时考虑以下几点：

- 减少技术性语言的使用：提供化学公式的替代表达方式，考虑补充研究地点的物种命名规范，或将不太知名的分类单元归类为功能或栖息地组。
- 考虑时间尺度的不同呈现方式：调整轴或格式，使非专家也能理解古时间。
- 培养技能：接受GIS、视觉设计和科学传播方面的培训，以提高研究成果和毕业后的就业机会。
- 探索发表后的传播方式：与合作者跟进，了解研究数据如何最好地帮助他们实现保护目标，从而体现学术工作的实际影响力。
- 最重要的是：
- 与研究的最终用户协商并合作进行数据可视化：从初步草图到最终产品，让最终用户参与图表的开发过程。图形技术的进步使得编辑迭代版本变得更加容易。简而言之，如果不与实践者合作，就无法理解他们的需求。

作者贡献：
Ben Siggery、Gregory P. Dietl 和 Helen Bennion 提出了研究思路并设计了方法论。Ben Siggery 收集并分析了数据，并主导了主要手稿的撰写。Mckayla Holloway、Susanna A. Wood、Jane Bunting 和 Thya W. B. van den Berg 贡献了案例研究的文本和图表。所有作者都对草稿进行了批判性审阅，并最终批准了论文的发表。

致谢：
作者衷心感谢所有参与调查的人士，他们的观点为这项研究提供了重要支持，同时感谢 John Tibby 和 Lynn Wingard 的细致审阅，这些审阅改进了最终的手稿。此外，SAW 和 MK 得到了新西兰商业创新与就业部 Endeavour 研究计划（Our Lakes, Our Future—CAWX2305）的资助。JB 和 TWBB 因参与 A14 项目而获得了 MOLA-Headland Archaeology 的报酬，并希望感谢他们持续的合作。TWBB 还得到了英国研究与创新机构提供的 THYME 连接能力基金的支持。

利益冲突声明：
作者声明没有利益冲突。

参与声明：
本研究由来自英国、美国和奥特亚罗阿新西兰（Aotearoa New Zealand）的国际团队共同完成，调查参与者来自一个国际性的古生态学研究社区。我们感谢 Lakes380 团队（ourlakesourfuture.co.nz/lakes）、Ngāti Koata 以及新西兰保护部在 Lake Moawhitu 案例研究中的支持。

同行评审：
本文的同行评审历史信息可访问：https://www.webofscience.com/api/gateway/wos/peer-review/10.1002/2688-8319.70222。

数据可用性声明：
用于论文分析的匿名数据集可在补充材料中找到，也可通过以下链接获取：https://doi.org/10.5281/zenodo.18659952。

说明：
1. 在本文中，我们使用“视觉”、“图表”、“图形”、“图示”和“报表”等术语来指代古数据的可视化表示。
2. “非专家”一词指的是那些没有古生态学专业知识且非学术界人士的人。我们承认这些人在自己的领域也是专家，因此不希望贬低他们的专业能力。同时我们也认识到，“共同制作”（co-production）在不同背景下可能表示不同程度的合作，其中包含共同制作、共同设计和共同创造等概念。在这里，“共同制作”主要指的是学术团队与非专家合作者之间的紧密合作，这些合作者在整个研究过程中都发挥了积极作用。
3. 然而，需要认识到的是，即使设计精良、经过深思熟虑的可视化工具也可能无法克服信息使用的其他障碍。例如，与政府机构的合作常常会遇到政治阻碍，比如对“负面消息”的审查或压制（Driscoll 等，2021）。虽然解决这些系统性挑战超出了本研究的范围，但认识到这些问题有助于理解可视化工具的局限性。