資訊視覺化 · 國立政治大學新聞學系 李怡志

儀表板的十條規則,每條一個實例

一班沒寫過程式的學生,用對話式 AI 交出五個打得開的互動儀表板。這頁把課堂上真正用到的十條規則列出來,每一條都配兩個看得到的例子:一個你每天都在用的介面,一件學生作品的實際數字。沒有例子的規則不列。

規則 10 條 實例 22 個 學生作品 5 件 作品資料 2026-09-09 逐頁點算 工具 對話式 AI + GitHub Pages
00
快速結論
01
怎麼讀這頁
02
三個基本知識
03
兩條設計原則
04
AI 的五個錯
05
五件作品
06
證據的極限
00

快速結論

整場講的就是這三句,其餘都是例子。

1

AI 做得出儀表板

這班沒有人寫過網頁,最後交出五個打得開、能互動的網址。261 位候選人、27 個欄位的資料庫,用對話就生得出來——「做得出來」已經不再是門檻。

2

理論指揮得動 AI

不指定,AI 就用看似合理的預設值把空白填掉:整班同一種審美、一個空的搜尋框、一張卡片塞七個數字。理論的用處在這裡——把「訊號的特徵必須專屬」「一個區塊最多四個組塊」「先給具名案例再放人探索」翻成可以直接貼進對話框的指令。

3

理論與經驗檢查得了產出

驗收不靠感覺:作者圈出最重要的那一格,旁邊的人說出第一眼看到哪一格,兩個圈對不上就是設計失敗;清單→詳情→返回的動線通不通,一試就知道;互動控制項可以直接數,五件作品從 6 個到 23 個差了近四倍。做得出來變便宜之後,稀缺的就是這種判斷。

01

怎麼讀這一頁

每條規則長得一樣:一句規則、兩個例子、一段理論、一個驗收動作。兩個例子刻意一個來自課外、一個來自課內——課外的例子確認這條規則不是我發明的,課內的例子確認它在沒寫過程式的人身上也量得到。

  • 日常介面:你用過的東西。用來說明這條規則在真實世界長什麼樣子。
  • 學生作品:五件作品的實際色碼、控制項數量、介面上的原字。可以自己打開對照。
  • 理論:對應到 Dashboard 診斷框架 的第幾層,以及原始文獻。
  • 怎麼驗收:一個學生自己做得到、也看得出結果的動作。

正例反例 是這一頁唯二用顏色的地方——這頁自己也照第 1 條規則做。

02

三個基本知識

先建立這三個,作品上立刻驗證得出來。前兩個是知覺層次的事實,不是排版偏好;第三個決定前兩個要往哪個方向做。

規則 01

一個顏色只能有一個意思

儀表板不是把資料畫出來,是決定哪一格值得先看。能讓人「不用找就看到」的視覺特徵只有幾種——顏色、動態、大小——用在裝飾上就沒得用在訊號上。

正例日常介面台電 今日電力資訊

備轉容量率做成五個燈號:綠(供電充裕)、黃(供電吃緊)、橘(供電警戒)、紅(限電警戒)、黑(限電)。那五個顏色在整個頁面上不做第二件事,所以你不必讀數字,掃一眼就知道今天缺不缺電。

綠 充裕黃 吃緊橘 警戒紅 限電警戒黑 限電

環境部空氣品質指標是同一個做法:六個級距各有專屬顏色,那六色不拿去做標題、按鈕或背景。

反例學生作品政治獻金大公開

索引做得最完整的一件,卻在同一頁用掉 27 個色值。光紅橘系就有八個,紅色同時出現在標題裝飾、政黨標籤和數字強調上。

實際抓到的 27 色(節錄 16)

#C0392B#E53935#F44336#FF1744四個紅,沒有一個是警訊

對照組是同一份作業的另一件:THE CAPITAL 2016 全站只有六個色值(#000000、#555、#666、#999、#EEE、#FFFFFF),訊號改用框線粗細承擔——CSS 裡真的只定義了 2px solid1px solid 兩種邊框。

理論

診斷框架 Layer 1。Iconic Memory 在約 250ms 內抓完整快照(Sperling, 1960);顏色與動態屬於 pre-attentive 特徵,不需注意力就被偵測(Treisman & Gelade, 1980)。關鍵那句是「信號的特徵必須專屬」:多個元素共用同一特徵,辨識力 d′ 就掉下來。

怎麼驗收

請學生在自己的作品上圈出「最重要的那一個數字」,再請旁邊的人說出他第一眼看到的是哪一個。兩個圈不一樣,就是設計失敗,不是對方不專心。

規則 02

概覽、篩選、細節,三層不能壓成一層

先給全景,再讓人縮小範圍,最後才給單筆細節——而且每一層都要有回頭路。壓成一層的結果不是「比較快」,是使用者進得去出不來。

正例日常介面Google 地圖

整張地圖是概覽;縮放、圖層、「餐廳/加油站」快捷是篩選;點一家店跳出詳情卡是細節。三層都在,而且詳情卡上永遠有一個關閉鍵把你送回上一層——你從來不會在 Google 地圖裡迷路到必須重新輸入一次。

台鐵、高鐵訂票也是同一個骨架:日期與起訖(概覽)→ 車次清單(篩選)→ 單一車次的座位與票價(細節)。

正例學生作品The Weight of Politics 政治的重量

兩層動線最乾淨的一件。首頁「權力的軌跡,數字的重量」+Editor's Picks 觀察指標是概覽;縣市/政黨/排序三段是篩選;詳情頁給收支總覽獻金來源佔比分析。關鍵在最後一個按鈕:← 返回結果清單

反例 同一份作業的大金庫只有一顆返回大廳。從第七頁點進某位候選人,出來時回到的是首頁,不是你剛才那一頁——中間那一層沒有被保存下來。

五件作品裡,詳情頁提供「返回清單」的:

政治獻金大公開
政治的重量
大金庫回首頁
理論

Shneiderman 的視覺資訊尋求箴言(1996):Overview first, zoom and filter, then details-on-demand。配上診斷框架 Layer 4:工作記憶只有 4±1 組塊(Cowan, 2001),三層合一等於要求使用者同時保持全部脈絡。

怎麼驗收

把「清單頁 → 個人頁 → 返回原本那一頁」訂成硬性條件,而且要指定「返回原本那一頁」不是「返回首頁」。做不到的作品,使用者一點進去就出不來。

規則 03

先決定給誰看,索引方式才決定得了

使用者只會花幾秒判斷「這裡有沒有我要的東西」。你必須在那幾秒內散發出正確的氣味——而氣味長什麼樣子,取決於你認為來的是誰。

正例日常介面串流與訂房服務的首頁

Netflix 打開不是一個搜尋框,是一部具名的片加一句話;Airbnb 的搜尋框裡預先寫著目的地範例,底下還列出「熱門」。它們都假設來的人「還不知道自己要什麼」,所以第一步替你走掉。

相反地,多數政府查詢系統假設來的人已經知道要查什麼,於是首頁只有一個輸入框——那對已經知道的人很有效率,對其他人報酬率是零。

正例學生作品2016 金權政治獻金資料庫

搜尋框的提示字直接寫成 例如:柯建銘、民主進步黨、經濟、新北市。四個字串一次告訴你這個框吃四種東西——人名、政黨、委員會、選區。這是一行字就完成的受眾設定。

反例 THE CAPITAL 2016 的提示字是 Enter Location / 輸入縣市地區——它告訴你這格要填地點,但沒有告訴你可以填哪些地點,也沒有告訴你填了會拿到什麼。初始畫面上最大的狀態文字則是 Found 0 Candidates:使用者第一眼看到的數字是零。

理論

診斷框架 Layer 8,Information Foraging(Pirolli & Card, 1999)。資訊氣味與邊際值定理解釋了最常見的失敗:首頁報酬率太低,使用者十秒就離開,而他離開時並不知道裡面其實有他要的東西。

怎麼驗收

要求說明文件第一段就寫「這個故事給誰看、預期他做什麼」。寫不出來的,最後通常就會交出一個空的搜尋框——這兩件事在五件作品上是對應得起來的。

03

兩條設計原則

這兩條不是知覺事實,是取捨。它們的共同點是可以直接用數的,所以最省事。

規則 04

同一份資料要留四條進入路徑

查特定的人(Lookup)、依分類瀏覽(Browse)、開放探索(Explore)、回頭找看過的(Locate)。只給一個搜尋框,等於只服務已經知道自己要查誰的那種人。

正例日常介面網路書店與音樂串流

博客來:書名直接查(Lookup)、文學小說/商業理財分類逛(Browse)、暢銷榜與新書(Explore)、瀏覽紀錄與收藏(Locate)。Spotify 完全一樣:搜尋、曲風、每日推薦、最近播放。

四條路服務的是四種不同狀態的同一個人。少一條,你就把那個狀態的人擋在門外——包括三分鐘後又想回來看同一筆的自己。

反例學生作品五件作品的控制項總數

下拉選單+按鈕+輸入框,逐頁點算。同一份資料、同一份作業說明,差了將近四倍。

政治獻金大公開23
政治的重量13
金權資料庫9
大金庫9
THE CAPITAL6

數字少不必然是壞事,但要看少在哪裡。THE CAPITAL 2016 一個 <select> 都沒有,全台縣市只給台北、新北、高雄三顆快捷;大金庫 唯一的下拉只有兩個選項(總收入由高到低/由低到高)。對照之下,金權資料庫 光地區選單就有 21 個選項,排序七種。

理論

資訊架構把查找行為分成已知項查詢與探索式瀏覽兩大類,兩類需要的入口形狀完全不同。診斷框架 Layer 8 與 Layer 10 分別對應「找得到」與「走得到」。

怎麼驗收

打開網頁原始碼數 <select><button><input>,三分鐘就有數字。這是全部十條規則裡最省事的檢查點,適合當互評的第一關。

規則 05

首頁一定要有具名的示範案例

先用作者選好的幾筆把詮釋框架建立起來,再放使用者自己去查。沒有起點的資料庫,沒有人會用。

正例日常介面圖書館的「本月選書」

館藏系統有幾十萬筆,但入口牆上永遠是十本具名的書加一句推薦理由。博物館的常設導覽、報紙的頭版、書店的平台,全是同一個機制:用少數具名的東西,教你怎麼看剩下的全部。

正例學生作品2016 金權政治獻金資料庫

「編輯精選案例」三則,每則具名且附上為什麼值得看:柯建銘(總收入逾 5,164 萬元)、王定宇(捐贈企業數達 163,可看支持網絡密度)、黃國昌(個人捐贈逾 2,516 萬元,募款結構不同)。旁邊還有六個一鍵範例查詢。

作業要求裡沒有這一條,但五件作品有三件自己長出了「編輯精選」——他們自己測試時就發現,空的資料庫連自己都不想點。

理論

Martini Glass 結構(Segel & Heer, 2010)的杯腳:先作者引導、再開放探索。診斷框架 Layer 10 的敘事視覺化段落。

怎麼驗收

數首頁上「具名而且點得下去」的案例有幾個。零個就退回。要注意具名不等於好——精選了誰、為什麼是這三個人,本身就是編輯判斷,該一起講評。

04

AI 會犯的五個錯

這五個不是學生的錯,是 vibe coding 的系統性偏誤——不指定,AI 就用「看似合理」的預設值把空白填掉。每一個都附一個實際看得到的例子,以及可以直接照著貼的修正指令。

錯誤 01

不指定風格,整班就長得一樣

風格是最不需要 AI 代勞、卻最常被交給 AI 的部分。不給方向時它會收斂到同一種審美,而且那種審美通常還不難看,所以沒有人會發現有問題。

反例日常介面你已經認得出來的那種頁面

紫藍漸層、圓角卡片、玻璃霧面、Inter 字體、每個區塊配一顆線條圖示。這套組合現在一眼就能認出是誰做的——它不醜,但它不是任何人的判斷結果。

反例學生作品五件裡有三件是金色配深底

沒有人互相看過作品,也沒有人被指定顏色。結果:政治的重量的主色寫成 --clr-gold: #D4AF37政治獻金大公開的調色盤裡出現同一個 #D4AF37金權資料庫則是 --gold: #D8AA38--ink: #180807

三件作品各自定義的主色

#D4AF37#D4AF37#D8AA38三個深底

正例 跳出來的兩件,都是學生自己先定了概念才開工:大金庫用挖寶隱喻(土黃棕、按鈕寫挖寶去!、返回鍵寫返回大廳),THE CAPITAL 2016用機密檔案(只留黑白四階灰,頁尾寫STRICTLY CONFIDENTIAL)。

修正指令 先不要寫程式。給我三種視覺方向:字體組合、五個色碼、參考對象各一句。我選定後你才開始做。
錯誤 02

交出一個功能正確但空的介面

對 AI 來說,「查詢功能可以運作」就算完成。它不會意識到使用者打開後根本不知道要查誰。

反例日常介面大多數的公開資料查詢頁

一個輸入框、一顆查詢鈕,下面一片空白,可能還寫著「請輸入關鍵字」。資料其實很好,但第一屏的報酬率是零,於是絕大多數人只到這裡為止。

反例學生作品THE CAPITAL 2016

初始畫面上最大的一行狀態文字是 Found 0 Candidates。資料庫裡有 261 位候選人,但使用者第一眼看到的數字是 0。

正例 同一份作業的金權資料庫把這格填成六個一鍵範例:柯建銘民主進步黨中國國民黨經濟委員會新北市當選者大額收入排行。同樣一個搜尋框,一個是零,一個是六條路。

修正指令 首頁必須有三個具名案例,各一句話說明為什麼值得看,點擊直接進入該筆詳情頁。空狀態不可以顯示「0 筆」,要顯示預設的推薦清單。
錯誤 03

只做一個搜尋框

搜尋框是 AI 的預設答案,因為它最好寫、最不會錯。但它只服務一種使用者,而那種人往往是少數。

反例日常介面只有搜尋列的購物網站

如果一個電商只給你搜尋框,你必須先知道商品名稱才買得到東西——那等於把所有「我想看看有什麼」的人排除掉。所以真實的電商一定同時有分類、排行、推薦、瀏覽紀錄。

反例學生作品下拉選單數量
金權資料庫6
政治的重量5
大金庫1
THE CAPITAL0

大金庫那唯一的一個下拉,選項只有總收入:由高到低總收入:由低到高。它有分頁、有標籤,但沒有任何依政黨或地區瀏覽的路。

修正指令 除了搜尋框,再加:依政黨/地區瀏覽、全域排行、以及一個可排序的完整清單。四個入口都要能到同一筆詳情。
錯誤 04

用摘要取代欄位

AI 很擅長生出一句流暢的摘要,所以它會拿摘要填滿詳情頁。使用者點進去發現沒東西,就再也不點第二次。

反例日常介面內容農場式的聚合頁

清單看起來很豐富,點進去只有兩段話和一張圖,你要找的數字、日期、出處全都不在。第一次是失望,第二次就不點了——這是資訊覓食理論裡最典型的氣味造假。

正例學生作品政治的重量 / 政治獻金大公開

政治的重量的詳情頁給的是欄位不是句子:收支總覽(總收入、總支出)加 獻金來源佔比分析,再標上推薦政黨、選區、是否當選。政治獻金大公開則提供五個排序維度(獻金總額、企業捐贈、個人捐贈、捐贈企業數、得票數),每一個都對應資料庫裡真實存在的欄位,不是算出來的形容詞。

值得一提的是金權資料庫在自己的頁尾誠實標了一行:此為前端專題網站範本,適合再接資料清理、視覺化與候選人詳情頁——作者知道自己的詳情頁還沒接完,並且說了出來。這比假裝完成好。

修正指令 詳情頁至少呈現收入、支出、來源比例、選區、當選與否,並標明資料來源與年度。不要用摘要取代欄位。缺的欄位直接標「無資料」,不要用文字補。
錯誤 05

一個區塊塞超過四件事

AI 對「版面密度」沒有判斷力,你給它什麼它就全部攤平。它也不會發現你把兩個不同維度的東西擺成了同一排。

正例學生作品政治獻金大公開 / 金權資料庫

政治獻金大公開的首頁 KPI 剛好四個:候選人、獻金總額、當選席次、企業捐贈。金權資料庫的三張卡各只有三個組塊——標籤、數字、一行說明:資料筆數 261核心欄位 27查詢方式 2。兩件都在 4±1 之內。

反例學生作品政治獻金大公開的政黨快捷列

同一頁往下,六顆快捷按鈕並排:🌿 民進黨🔵 國民黨⚡ 時代力量🟠 親民黨⚪ 無黨籍✓ 當選者

前五顆是「政黨」,第六顆是「當選狀態」——兩個不同的維度被排成同一列,視覺上就是同一組。而且符號系統也不一致:🌿是意象、🔵🟠⚪是顏色、⚡是意象、✓是狀態。放在一起看得懂,是因為你本來就懂政黨,不是因為設計說清楚了。

理論

診斷框架 Layer 4 與 Layer 6。工作記憶 4±1 組塊(Cowan, 2001);Gestalt 的均質連結性(Palmer & Rock, 1994)說同一個容器內的元素在最早期就被當成同一組——所以把兩個維度放進同一排,不是排版問題,是知覺上真的會被讀成一組。

怎麼驗收

指著任何一排並列的元素問:「這一排是同一種東西嗎?」答不出來或需要解釋的,就要拆。

修正指令 每個區塊最多四個資訊組塊,超過就拆成兩塊。同一排的元素必須屬於同一個分類維度,不同維度要分列並加標題。先給我版面骨架的線框,我確認後再填資料。
05

五件作品

同一份資料、同一份作業說明,做出五種不同的東西——這件事本身就是最好的示範。上面所有數字都出自這五個網址,可以自己打開對照。

作品 這件作品示範了什麼 選單 按鈕 輸入 色值
政治獻金大公開
ceuwan1113-sys.github.io/99999998/
索引最完整:五種篩選、五種排序、政黨快捷、四個 KPI、完整的清單→詳情→返回動線。獻金來源的甜甜圈圖是用 canvas 逐段手繪,沒有用圖表函式庫。代價是色彩秩序。 1011227
2016 金權政治獻金資料庫
wharf12100.github.io/Political-Donation-/
敘事結構最完整,杯腳做得最好:先用「政治獻金不是八卦,是民主的帳本」建立詮釋框架,再給簡易/進階兩個入口、六個範例查詢、三位具名精選。使用者是帶著正確的先驗進去查的。 62136
The Weight of Politics 政治的重量
stanleywang940110-byte.github.io/politic/
兩層動線最乾淨:Editor's Picks → 三段篩選清單 → 收支總覽與來源佔比,並留了「← 返回結果清單」。資訊分層的三個層次在這件上一次看得完。 5629
大金庫:政治獻金查詢
fangk-ship-it.github.io/fkq_pp/
技術野心最大,也最直接付出代價:唯一使用完整前端框架的一件(React、Tailwind、PapaParse、lucide),共載入六個外部函式庫,且靠瀏覽器即時編譯。存成靜態檔完全看不到內容——互動作品的保存與評分因此必須連操作步驟一起截圖。 16216
THE CAPITAL 2016 — Decoding Power
water0821.github.io/DATA2/
對照組:風格最完整、索引最少。全站只有六個色值,機密檔案的調性從標題貫穿到頁尾;地圖是用 D3 的 geoMercator 真的投影出來的,不是貼圖。但零個下拉選單,介面標題與狀態文字全是英文(SELECT A REGIONFound 0 CandidatesSTRICTLY CONFIDENTIAL)——想查特定候選人的人反而最難進去。 0516

風格與索引在時間有限時會互相排擠,而多數人會先把時間花在風格上。這是這份作業最值得討論的一個取捨,不是缺點清單。

06

這頁的證據到哪裡為止

上面每條規則都配了例子,但例子不等於證據。以下是這一頁自己也過不了的檢查。

沒有對照組

五件作品全都拿到了同一份診斷框架。所以「有理論的作品比較好」這件事,這份作業證明不了——沒有任何一組是在沒有框架的情況下做的。要驗證,下一屆得留一組不給框架。

金色收斂有另一個解釋

三件作品用金色配深底,我把它當成「AI 審美收斂」的證據。但題材本身就叫政治獻金,金色是最直覺的聯想——同樣的收斂,換成不用 AI 的班級也可能出現。這個例子只能說明「不指定就會收斂」,不能單獨歸因於 AI。

n = 5,一個學期,一份題目

控制項 6 到 23 的四倍差距是實數,但五件作品排不出任何統計意義。它能支持的說法只有「差距大到肉眼可見,而且可以用數的」,不能支持「幾個控制項才算夠」。

日常介面的例子是我挑的

台電燈號、Google 地圖、圖書館選書都符合規則,因為我是先有規則再去找例子。真正的檢驗是反過來:找一個明明成功、卻違反這些規則的介面,然後解釋為什麼。這件事這頁沒有做。

AI 讓「做得出來」變得很便宜,稀缺的因此變成判斷力——判斷哪一格值得先看、判斷誰會來看、判斷這個版面是不是真的比較好。這件事沒有辦法外包,也正是這門課現在該教的東西。

延伸資料