儀表板抱怨翻譯表

視覺皮質裡不同刺激在競爭同一批神經表徵資源，勝負由物理顯著性與任務目標共同決定。當每張卡片的字級、顏色、邊框都一樣，就沒有任何元素能在競爭中勝出，注意力被均分，等於沒有重點。

修法首屏只允許一個區塊擁有最高視覺權重，其餘一律降級。

顏色、方向、大小、動態這些特徵在 200–250 毫秒內被平行偵測，不需要注意力介入。問題是這種「免費」的顯著性有限：裝飾用了，真正的警示就沒得用。

修法把最強的前注意特徵（動態、飽和紅）保留給唯一一種訊息，全站不再有第二個地方用它。

畫面的視覺雜訊可以被量化：局部區域內顏色、方向、亮度的變異越大，搜尋就越慢、越容易漏看。這解釋了為什麼「每一格都做得很用心」的頁面反而最難用。

修法把背景元素去飽和、拿掉外框與陰影，讓變異集中在該被看見的地方。

當顏色的語意與文字的語意衝突（綠色的「落後」、紅色的「達標」），大腦必須額外花時間壓抑錯誤的自動反應，判讀速度顯著變慢。

修法先定死色彩語法（紅＝異常、綠＝達標、灰＝背景），全站不准例外，連品牌色也不行。

亮度的感知指數約 0.33，代表物理上等距的數值差，在高值區被壓縮到幾乎看不見。彩虹色（Rainbow／Jet）更糟：黃色的明度峰值會讓中等數值在視覺上最突出，製造出資料裡根本不存在的模式。

修法熱力圖改用 viridis 或 CIELAB 等感知均勻色階，不要用彩虹色。

人是先用一般的圖表基模，去生成眼前這張圖的專屬基模。圖表形式越新奇，基模啟動越慢；讀者還在猜「這是什麼圖」的時候，資料本身根本沒被讀到。

修法任務本身已經複雜時，優先用讀者熟悉的圖表慣例。每一次不必要的創新，都是在要求對方重新學一套。

圖表理解同時受「圖表知識」與「內容知識」影響。預設使用者都懂淨流入、留存率、加權指數，其實是假設了一整套專家心智模型已經存在。

修法第一次出現的專業名詞就地解釋，或提供新手／進階兩種檢視。

人不會平均掃過畫面，而是先形成一張優先地圖，注意力再落到最可能有收穫的位置。連結與按鈕的文字就是「資訊氣味」——氣味弱，使用者無法預測點下去會拿到什麼，就不點。

修法把「更多資訊」「查看詳情」改成「查看台北市 3 件重大案件」，讓標籤自己說明報酬。

好的資料敘事先有一段作者引導的杯腳，把詮釋框架建立起來，再打開杯碗讓讀者自由探索。一開始就丟出完整資料庫，等於要求讀者在沒有框架的情況下自己找問題。

修法首頁放三個具名案例當杯腳，點進去就是完整詳情，看完再放人去搜尋。

相互依存的資訊被分開放置時，工作記憶必須同時保持多個位置，外在認知負荷直接上升。圖例放在右下角、圖表在左上角，就是典型案例。

修法圖例直接標在線的末端；需要比較的兩組資料並排，不要一左一右跨越整頁。

認知系統持續在最小化預測誤差；當畫面一直給出無法被既有模型解釋的東西，誤差就收斂不了，主觀感受就是累。每多一次分頁切換、篩選重設，也多付一次注意力轉換成本。

修法維持穩定的版面與色彩語法，並把目前的篩選狀態常駐顯示，不要讓使用者靠記憶維持脈絡。

感知是在神經噪音背景下做的統計決策。d′ 是信號分佈與噪音分佈的距離——沒有「正常長什麼樣」的基準線，兩個分佈在感知上完全重疊，d′ 趨近於零，再認真看也判斷不出來。

修法畫出歷史正常波動範圍（例如 ±2σ 控制帶），讓偏離自己浮現。

基模會主動填補空白，但填進去的未必正確。沒有目標值、去年同期、正常範圍，使用者就用自己的預設去補——這是最常被忽略、也最容易修的一項。

修法每個關鍵數字都附一個基準：「3.2%（目標 4.0%，上季 3.8%）」。

當前區塊的邊際報酬低於環境平均獲取率時，理性的覓食者就離開。詳情頁只有一句摘要，使用者退出去之後，連帶不再信任其他入口。

修法詳情頁至少給足欄位、來源與相關項目，讓點擊的時間投資划算。

空間包絡在約 100 毫秒內就被辨識，激活「這是什麼類型的畫面」的先驗。佈局每頁都變，使用者每次都要重建場景理解，注意力沒辦法直接落在異常上。

修法全站共用同一套版面骨架與色彩語法，讓違反常態的東西自己突出。

大腦持續預測感覺輸入並最小化誤差。當資料違反強烈的先驗，人傾向懷疑資料而不是更新信念——先驗越強，越可能直接說「這數字一定有問題」。

修法異常值旁邊直接標資料來源、統計期間與計算方式，降低懷疑資料的誘因。

視覺化必須忠實呈現效果量、不確定性、比較基準與視覺顯著性。關鍵的一句話是：不確定性的缺席本身就是一種誤導——只給點估計，等於隱含承諾這些數值是確定的。

修法加上誤差範圍或信賴帶；做不到時，至少寫明樣本數與資料期間。

同一份資料換成不同視覺屬性，被讀出來的強度就不一樣。面積、體積、色深的感知指數都遠低於長度，意思是差距會被系統性低估。

修法需要精確比較的數值不要交給面積、體積或色深。

不同視覺通道的判讀準確度有明確排序：共同尺度上的位置 > 長度 > 角度 > 面積 > 亮度飽和度 > 曲率體積。最重要的資料屬性應該用最有效的通道編碼。

修法核心比較用長條圖、點圖、散布圖；熱力圖、泡泡圖、樹狀圖留給大致的強弱感知。

視覺上的差距大小應該正比於統計效果量。Y 軸從 95 開始，1% 的差距在畫面上看起來像 50%，讀者會系統性高估。反過來，把統計上不顯著的差異用鮮豔顏色高亮，也是同一種錯。

修法Y 軸從 0 開始，非得截斷就明確標注；只強調通過檢定的差異。

視覺化的終極標準不是好不好看，而是「讀者的信念有沒有以統計上正確的方式被更新」。Lineup 把真圖混進一堆虛無假設下的隨機圖，挑不出來就代表那個模式本來就不存在。

修法看到明顯模式時先自問：如果資料是隨機的，這張圖會不會長得差不多？

人對靜態誤差棒的解讀很差，但對「多種可能結果輪流出現」的動畫理解得相當好。把預期分佈畫出來，讀者才感覺得到觀測值相對於預期落在哪。

修法至少畫出信賴帶；互動作品可以做成多個抽樣結果的切換。

移動到目標的時間，隨距離增加、隨目標寬度減少而變長。高操作時間等效於提高行動門檻——按鈕做得又小又遠，等於在勸退。

修法主要行動按鈕至少 44px 高，放在視線自然落點；高頻操作貼螢幕邊緣，利用邊界的無限寬度。

決策時間隨可選項數的對數上升。十個並列的篩選器不是給了十倍自由，是給了一次更慢的決策。

修法把篩選器分層或分群，先給三個最常用的，其餘收進「進階」。

視覺分成腹側流（辨識「是什麼」）與背側流（導引「怎麼動」）。背側流的運作是即時的，一旦操作回饋延遲，手與眼的迴路就對不上，主觀上就是「卡」。

修法互動要有立即的視覺回饋，資料還在算就先給狀態，不要讓畫面靜止不動。

沿著狹窄通道移動的時間，正比於通道長度除以寬度。細長的滑桿、狹窄的下拉選單，都是在要求高精度的連續控制。

修法滑桿加大命中區、提供數值輸入或預設區間按鈕當替代路徑。

每多一個步驟，就多一次注意力轉換成本加上一次操作成本。從「看到」到「完成必要行動」超過三步，完成率就明顯掉下來。

修法把主要任務壓在三步以內，每一步都預填能預填的欄位。

Bertin 把視覺變數分成有序與無序兩類：位置、大小、明度可以表達順序，色相不行。用彩虹色表達高低，等於拿一個無序的變數去承擔有序的任務。視網膜的色彩對立機制也決定了哪些顏色組合會互相干擾。

修法順序型資料用明度或飽和度的單色階，類別型資料才用色相，且控制在 5–7 種以內。

過度平滑的曲線、剛好都是整數的數值、完美對齊的比例，會觸發讀者的懷疑。真實資料本來就有雜訊，把雜訊修掉反而降低可信度。

修法保留原始的參差，需要平滑時同時顯示原始點。

假警報率高，先驗機率就下降，決策標準會理性地漂移到保守端——結果是漏報增加。使用者不是懶，是在做正確的貝氏更新。

修法警示分層，最高層極少出現且強制介入；低層預設不顯示。

任何不代表資料的裝飾，都會在顯著性地圖上產生無意義的激活。3D 效果與陰影會製造強烈邊緣，大腦得額外花力氣忽略它們才看得到真正的資料長度。

修法拿掉 3D、陰影、深色網格與無意義漸層，先做減法再談美感。

很多誤讀來自讀者只看到圖形線索，卻沒接上語意線索——只看得到上升下降，不知道那代表成本、風險還是轉換率。每張圖都該明確回答「比較什麼、監測什麼、診斷什麼」。

修法每個區塊給一個任務型標題（「哪一區今天最需要處理」），不要只寫欄位名。

語言系統與非語言系統同時被激活，會留下雙重記憶痕跡，保留率明顯較高。這也是圖優效應的來源：視覺圖像比純文字更容易被認出與回想。

修法關鍵訊息同時給圖與字，不要只給表格，也不要只給一張沒有說明的圖。

具體、可視化的概念比抽象概念更容易形成心像。「這個藥可能傷害肝臟」與「乙醯胺酚超過每日建議攝取量 300mg」講的是同一件事，記得住的只有前者。

修法把單位與門檻翻譯成讀者身上會發生的事。

記憶在與編碼時相似的情境中提取效率最高。使用者是在賣場、在投票所、在辦公室做決定的，不是在你的網頁前面。

修法給出下次會遇到的視覺線索——包裝長什麼樣、招牌在哪、表單第幾欄，而不只是名稱。

連結到個人既有記憶的新資訊，記憶強度遠高於孤立呈現的資訊。「某地區某批次」與「你可能在超商買過」是完全不同的編碼深度。

修法用位置、時間或消費經驗把資料接到讀者身上，個人相關的資訊放在最前面。