Prace dyplomowe · Konferencja

Plakat naukowy z wynikami badań – układ, wykresy i typowe błędy

Plakat ogląda się z dwóch metrów, w kilka sekund, często w tłumie. Pokazujemy, jak zbudować go wokół jednego wyniku głównego: skrócony IMRAD w kolumnach, wykres zamiast tabeli, czcionki według źródeł, eksport do wektorowego PDF i kod QR do pakietu danych – na szkicu „źle / dobrze” zrobionym w R.

Strona główna / Blog / Plakat naukowy z wynikami
W skrócie: Plakat naukowy buduj wokół jednego wyniku głównego: tytuł jest wnioskiem, środek zajmuje duży wykres z danymi i przedziałem ufności, a pytanie, metodę i wnioski podajesz w punktach, w skróconym układzie IMRAD w kolumnach. Tekstu ma być mało – około 100 słów na sekcję (Gundogan i in., 2016) – a czcionka nie mniejsza niż 24 pt (Erren i Bourne, 2007). Wymiary bierzesz z instrukcji organizatora, do druku wysyłasz wektorowy PDF, a pełne wyniki i dane umieszczasz pod kodem QR.

Plakat to ilustrowany abstrakt, a nie skrócony rozdział

Na sesji plakatowej ludzie przechodzą między tablicami i w kilka sekund decydują, czy podejść bliżej. Erren i Bourne (2007) radzą, by plakat „sprzedał” pracę w dziesięć sekund i był punktem wyjścia do rozmowy, a nie streszczeniem artykułu do czytania na stojąco. Persky (2016) zauważa, że większość plakatów projektuje się jak rękopis, a nie z myślą o czytelniku i o warunkach sesji. Proponuje traktować plakat jak ilustrowany abstrakt.

Dwa badania Rowe’a i Ilica wyjaśniają, dlaczego to ważne. W ankiecie wśród autorów plakatów 94% osób zgodziło się, że uwagę oglądających przyciąga przede wszystkim obraz. Respondenci uważali też, że plakat dobrze przekazuje treść dopiero wtedy, gdy stoi przy nim autor (Rowe i Ilic, 2009). W przeglądzie badań nad skutecznością plakatów ci sami autorzy znaleźli tylko 15 prac spełniających kryteria. Najczęstszy wniosek brzmiał, że plakaty działają najlepiej w połączeniu z innymi formami przekazu (Ilic i Rowe, 2013). Dlatego na dobrym plakacie są trzy elementy: wynik widoczny z daleka, autor gotowy do rozmowy i odsyłacz do pełnych materiałów.

Slajdy na obronę omawiamy osobno we wpisie o prezentacji wyników na obronie, a strukturę streszczenia – we wpisie abstrakt strukturalny i IMRAD. Plakat warto budować właśnie z abstraktu.

Przykład: jedno pytanie, jeden wynik główny

Liczby w tym wpisie pochodzą z jednego badania na danych symulowanych (plik CSV). 180 osób studiujących prowadziło przez tydzień dzienniczek snu. Pytaliśmy, czy długość snu w dni powszednie różni się w zależności od liczby godzin pracy zarobkowej. Osoby podzielono na trzy grupy: niepracujące (n = 70), pracujące do 20 godzin w tygodniu (n = 60) i ponad 20 godzin (n = 50).

  • Średnia długość snu wyniosła 7.12 h, 95% CI [6.93, 7.32], 6.94 h [6.73, 7.16] i 6.46 h [6.22, 6.69].
  • ANOVA Welcha: F(2, 112.67) = 9.62, p < .001, η² = .10, 95% CI [.03, .19].
  • Różnica między pracującymi ponad 20 h a niepracującymi: −0.67 h, 95% CI [−0.97, −0.36], czyli około 40 minut, t(104.40) = −4.34, p < .001, d = −0.81, 95% CI [−1.18, −0.43].

W pracy dyplomowej takie badanie miałoby zapewne kilka analiz: opis próby, rzetelność narzędzi, analizy dodatkowe (zob. ile analiz w pracy magisterskiej). Na plakat trafia jeden wynik główny, ten, który odpowiada na pytanie badawcze. Tu jest nim różnica 40 minut snu. Reszta zmieści się pod kodem QR.

Układ: skrócony IMRAD w kolumnach

Faulkes (2023) przeanalizował nagrodzone plakaty z pięciu lat konferencji dużego towarzystwa naukowego. Około trzech czwartych miało układ wprowadzenie–metoda–wyniki–dyskusja, jak artykuł, a około dwóch trzecich – układ w kolumnach. Niewiele stosowało jednak zasady projektowania graficznego, więc na wielu powstawała „ściana tekstu”. Gundogan i in. (2016) zalecają kolumny czytane z góry na dół: od celu przez metodę i wyniki do wniosków, w tej samej kolejności co w abstrakcie. Erren i Bourne (2007) dodają, że wzrok trzeba prowadzić od ramki do ramki i zostawić puste miejsce.

Skrócony IMRAD nie oznacza jednak, że każda część dostaje tyle samo miejsca. Ważna jest hierarchia: najpierw tytuł z wnioskiem, potem duży wykres wyniku głównego, wnioski, a dopiero na końcu metoda i bibliografia. Według Errena i Bourne’a (2007) przechodzień po abstrakcie patrzy najpierw na wnioski, potem na wyniki, a na metodę na końcu.

Części plakatu naukowego i ich zawartość
Część plakatuCo w niej umieścićMiejsce na plakacie
Tytuł i autorzyWniosek jednym zdaniem, autorzy, afiliacja, kontaktPas u góry, największa czcionka
Pytanie albo celJedno pytanie badawcze lub hipoteza; jedno zdanie, po co je zadanoPoczątek pierwszej kolumny
MetodaKto i ile osób, jak mierzono, jaka analiza – w punktach; ewentualnie mały model konceptualnyPierwsza kolumna, pod pytaniem
Wynik głównyJeden duży wykres i jedna linijka statystyk z wielkością efektuŚrodek, największy blok
Wnioski2–3 punkty, w tym ograniczenie, które zmienia interpretacjęObok wykresu albo pod nim
Więcej informacjiKod QR do pakietu danych, 2–3 kluczowe pozycje bibliografiiDół plakatu, mniejsza czcionka

Przegląd literatury, który w pracy zajmuje rozdział, na plakacie mieści się w jednym zdaniu nad pytaniem. Przy kilku hipotezach wybierz tę, która odpowiada na pytanie główne, a pozostałe przenieś pod kod QR.

Ile tekstu: mniej, niż się wydaje

Gundogan i in. (2016) podają orientacyjnie około 100 słów na sekcję i radzą pisać hasłami, a nie pełnymi zdaniami. Erren i Bourne (2007) piszą o oszczędności słów jako cesze dobrego raportu naukowego, szczególnie ważnej na plakacie, bo miejsca jest mało. Prawy szkic na rysunku 1 ma łącznie 102 słowa (bez opisów osi i stopki). To wystarcza, żeby podać pytanie, metodę, wynik, wnioski i ograniczenie.

Najprościej zacząć od gotowego abstraktu i z każdego zdania zostawić tylko to, czego nie pokazuje wykres. Zdanie „Przeprowadzono badanie z udziałem 180 osób studiujących, które przez siedem dni wypełniały dzienniczek snu” zamienia się w dwa punkty: „180 osób studiujących” i „dzienniczek snu, 7 dni”. Jeśli tekst nadal nie mieści się w kolumnie, nie zmniejszaj czcionki. Usuń zdanie.

Wykres zamiast tabeli

Erren i Bourne (2007) piszą, że jeden starannie przygotowany wykres mówi często więcej niż setki słów. Na plakacie tabela przegrywa z wykresem podwójnie: liczby trzeba czytać z bliska, a porównanie trzeba zrobić samemu. Cleveland i McGill (1984) uporządkowali zadania percepcyjne według dokładności odczytu. Najlepiej wypadło porównanie położenia na wspólnej skali, dlatego dobrym wyborem na plakat są punkty na jednej osi. Weissgerber i in. (2015) pokazali, że różne rozkłady mogą dawać ten sam wykres słupkowy. Dla zmiennej ilościowej lepiej więc pokazać wyniki osób i średnie z przedziałem ufności, jak w szkicu „dobrze”, albo wykres raincloud. Wykres słupkowy zostaw dla liczebności i odsetków. Przy pozycjach skali Likerta sprawdzą się słupki rozbieżne opisane we wpisie odpowiedzi Likerta w raporcie.

Ogólne zasady doboru wykresu i jego podpisu omawia wpis wykresy w pracy dyplomowej, a przygotowanie rysunków do publikacji – tabele i rysunki do artykułu naukowego. Na plakacie zmieniają się trzy rzeczy:

  • Nagłówek wykresu jest wnioskiem („Mniej snu przy dłuższej pracy”), a pod nim jest jedna linijka objaśnienia: co oznaczają punkty i odcinki.
  • Kolor tylko dla tego, o czym mówisz. Wystarczą szare dane i jeden kolor akcentu. Tęczowe i czerwono-zielone palety zniekształcają dane i są nieczytelne dla osób z zaburzeniami widzenia barw (Crameri i in., 2020).
  • Statystyki w jednej linijce pod wykresem: test, p i wielkość efektu z przedziałem ufności. Gotowy zapis łatwo przygotować w generatorze opisu wyników APA. Jeśli wynik główny jest nieistotny, pokaż go tak samo, z przedziałem ufności, i opisz zgodnie z zasadami z wpisu jak opisać wynik nieistotny.

Ten sam rysunek bywa różnie odbierany w zależności od tego, kto na niego patrzy (Rougier i in., 2014). Pokaż szkic komuś spoza tematu i poproś o jedno zdanie, co wynika z wykresu.

Wielkość liter: co mówią źródła i jak to sprawdzić

Zalecenia co do czcionki są w literaturze dość zgodne, ale ogólne. Erren i Bourne (2007) piszą, by nigdy nie schodzić poniżej 24 punktów, a główne treści umieszczać na wysokości oczu. Gundogan i in. (2016) podają, że zwykle stosuje się 24 pt dla tekstu i 32 pt dla nagłówków, a tytuł ma mieć największą czcionkę na plakacie. Ich zdaniem plakat powinien być czytelny z odległości 1 m. Najpierw jednak obowiązują wymagania organizatora konferencji. Osobnego rozmiaru dla odległości 2 m w tych źródłach nie ma, więc go nie podajemy, ale czytelność łatwo sprawdzić.

Stopień czcionki w punktach przeliczony na milimetry
Stopień czcionkiWysokość stopniaNa wydruku kontrolnym A4
24 pt8.5 mm6 pt
32 pt11.3 mm8 pt
48 pt16.9 mm12 pt
72 pt25.4 mm18 pt
96 pt33.9 mm24 pt

Punkt typograficzny to 1/72 cala, a stopień czcionki opisuje wysokość całego „pudełka” znaku, więc same litery są niższe niż podane milimetry. Arkusz A4 ma 210 mm szerokości, a A0 – 841 mm, więc plakat A0 wydrukowany na A4 jest pomniejszony do 25% (dokładnie 0.2497). Litera pomniejszona czterokrotnie i oglądana z czterokrotnie mniejszej odległości daje ten sam kąt widzenia. Tekst 24 pt na A0 oglądany z 2 m ma 14.55 minuty kątowej, tyle samo co jego wersja na A4 oglądana z około 50 cm. Wydrukuj więc plakat na kartce A4 i odsuń się na pół metra: czego nie przeczytasz na kartce, tego nikt nie przeczyta z dwóch metrów. Dotyczy to też opisów osi, dlatego wykres rób od razu w docelowym rozmiarze.

Wymiary i eksport do PDF

Rozmiar i orientację plakatu podaje organizator. Często jest to A0 w pionie, czyli 841 × 1189 mm, ale bywają też formaty poziome, A1 (594 × 841 mm) albo e-plakaty wyświetlane na ekranach, które Gundogan i in. (2016) opisują jako coraz częstsze. Ustaw ten rozmiar strony w programie od początku. Plakat zaprojektowany na A4 i powiększony w drukarni ma zbyt cienkie linie i rozmyte wykresy.

Do druku wyślij PDF wektorowy. Tekst, osie i punkty zapisane wektorowo skalują się bez utraty ostrości. Ten sam plakat jako obraz rastrowy przy 300 dpi miałby 9933 × 14043 piksele, czyli 139.5 megapiksela. Wykresy z R zapisuj więc jako PDF (urządzenie cairo_pdf, które poprawnie zapisuje polskie znaki) albo SVG i wstawiaj je do plakatu bez zrzutów ekranu. Szczegóły eksportu z R opisaliśmy we wpisie o tabelach i rysunkach do artykułu. Przed wysłaniem otwórz PDF w powiększeniu 100%, sprawdź, czy czcionki są osadzone, a polskie znaki i półpauzy wyglądają poprawnie. Gundogan i in. (2016) radzą też sprawdzić kolory w miejscu druku, bo mogą wyjść inaczej niż na ekranie.

Kod QR do pakietu danych

Skoro plakaty działają najlepiej razem z innymi formami przekazu (Ilic i Rowe, 2013), kod QR jest najprostszym sposobem, by z plakatu prowadziła droga dalej. Pod kodem może być pełna tabela wyników, analizy dodatkowe, kwestionariusz, skrypt i pakiet replikacyjny z danymi i kodem.

  • Kod prowadzi do stałego adresu: strony projektu w repozytorium z DOI albo preprintu, a nie do pliku na prywatnym dysku, który za miesiąc zmieni adres.
  • Pod kodem dopisz krótki adres dla osób, które nie zeskanują kodu, i jedno zdanie, co jest pod nim („Dane, kod i pełne wyniki”).
  • Sprawdź kod przed drukiem z wydruku kontrolnego i z odległości, z której ludzie będą skanować, dwoma różnymi telefonami. Kod na szkicu ma 43 × 43 moduły i bok 15 cm na arkuszu A0.
  • Udostępniaj tylko dane po anonimizacji i tylko w zakresie, na który pozwala zgoda uczestników, razem z książką kodową. Jeśli danych udostępnić nie możesz, pod kodem wystarczą pełne wyniki i skrypt.

Szkic plakatu: źle i dobrze

Rysunek 1 pokazuje ten sam wynik na dwóch szkicach plakatu A0 w pionie. Czerwone numery na lewym szkicu wskazują najczęstsze błędy.

Dwa szkice plakatu A0 w pionie z tym samym wynikiem. Po lewej, oznaczony jako zły: długi trzywierszowy tytuł z logotypami, cztery wąskie kolumny szarych linii tekstu w ośmiu sekcjach od wstępu do bibliografii, pusta siatka tabeli z wydruku ANOVA i kolorowe słupki średnich na osi zaczynającej się od 6.3. Po prawej, oznaczony jako dobry: tytuł Studenci pracujący ponad 20 h w tygodniu śpią średnio o 40 minut krócej, krótkie bloki Pytanie i Metoda, duży wykres z punktami 180 osób i średnimi z 95-procentowymi przedziałami ufności w trzech grupach, linijka statystyk F(2, 112.7) = 9.62, p < .001, eta kwadrat = .10, trzy wnioski i kod QR z podpisem Dane, kod i pełne wyniki.
Rysunek 1. Ten sam wynik na plakacie przepisanym z pracy (po lewej) i na plakacie zbudowanym wokół wyniku głównego (po prawej). Na lewym szkicu szare linie zastępują akapity tekstu. Na prawym szare punkty to osoby, czerwone – średnie z 95% CI; N = 180. Kod QR prowadzi do pliku z danymi przykładu. Obliczenia: R (dane symulowane).
  1. Tytuł opisuje temat, a nie wynik, ma trzy wiersze i konkuruje z czterema logotypami.
  2. Ściana tekstu: osiem sekcji, w tym przegląd literatury, w czterech wąskich kolumnach. Taki plakat to rozdział pracy w innym formacie.
  3. Tabela z wydruku z przecinkami dziesiętnymi i „Sig. = ,000”, której nie da się odczytać z odległości.
  4. Słupki średnich na osi od 6.3, bez przedziałów ufności i bez liczebności, w trzech przypadkowych kolorach. Słupek niepracujących jest 5.3 razy wyższy niż słupek pracujących ponad 20 h, choć różnica średnich to 40 minut.
  5. Długa bibliografia zajmuje całą kolumnę, którą można było oddać wynikowi.

Na prawym szkicu tytuł mówi, co wyszło. Wykres jest największym blokiem (32% powierzchni pod pasem tytułu) i pokazuje dane wszystkich osób. Wnioski zawierają ograniczenie, które zmienia interpretację: w badaniu przekrojowym nie wiadomo, czy praca skraca sen, czy osoby, które mniej śpią, częściej podejmują pracę.

Typowe błędy na plakacie naukowym

  • Kilka wyników „po równo”, każdy z wykresem tej samej wielkości. Oglądający nie wie, od czego zacząć.
  • Czcionka zmniejszana do zmieszczenia tekstu. Poniżej 24 pt schodzić nie należy (Erren i Bourne, 2007). Dotyczy to również opisów osi i legend.
  • Wniosek przyczynowy z badania korelacyjnego, np. „praca skraca sen”.
  • Inne liczby na plakacie niż w abstrakcie i pracy, zwykle po poprawkach. Sprawdź każdą wartość z wynikiem analizy.
  • Pominięcie wymagań organizatora co do formatu, orientacji albo szablonu. Według Gundogan i in. (2016) może to wykluczyć plakat z konkursu na najlepszy plakat.
  • Nieprzetestowany kod QR albo kod prowadzący do strony, która wymaga logowania.

Przy plakacie: krótkie streszczenie na głos

Skoro plakat najlepiej działa z autorem obok (Rowe i Ilic, 2009), przygotuj trzydziestosekundowe streszczenie dla osób, które się zatrzymają. Nie czytaj plakatu na głos, tylko powiedz to, czego na nim brakuje: dlaczego pytanie jest ciekawe i jak rozumieć wykres. Wzór poniżej możesz dopasować do swojego badania:

Sprawdzaliśmy, czy studenci, którzy dużo pracują zarobkowo, śpią krócej. 180 osób przez tydzień prowadziło dzienniczek snu. Najważniejszy wynik widać na wykresie: osoby pracujące ponad 20 godzin w tygodniu spały w dni powszednie średnio o 40 minut krócej niż niepracujące, a przedział ufności sięga od około 22 do 58 minut. To badanie przekrojowe, więc nie wiemy, co jest przyczyną, a co skutkiem. Pełne wyniki i dane są pod kodem QR.

Miej pod ręką ograniczenia badania i odpowiedź na pytanie o wielkość efektu. Plan analiz od hipotez do prezentacji wyników opisuje przewodnik po statystyce w pracy dyplomowej.

Przykład reprodukowalny

Liczby i szkic plakatu w R

Przepis 1 tworzy dane przykładu, liczy wynik główny plakatu (średnie z 95% CI, ANOVA Welcha, η² z CI i różnicę skrajnych grup) oraz wszystkie liczby o formacie, czcionkach i wydruku kontrolnym. Przepis 2 rysuje oba szkice z rysunku 1 w ggplot2, generuje kod QR pakietem qrcode i łączy szkice pakietem patchwork. Zapisany SVG albo PDF wstawisz do plakatu bez utraty ostrości.

1. Wynik główny i geometria plakatu

Dane wejściowe: 180 osób w trzech grupach według godzin pracy zarobkowej, średnia długość snu w dni powszednie, dane symulowane, set.seed(3170); pakiet effectsize.

Co odczytać: średnie z 95% CI, F Welcha z df i p, η² z CI, różnicę w godzinach i minutach z CI, d z CI, wymiary formatów A0–A4, punkty w milimetrach, piksele A0 przy 300 dpi i skalę wydruku kontrolnego.

R
# B317 – liczby do wpisu /blog/plakat-naukowy-z-wynikami/
# Część A: przykładowe badanie na danych symulowanych (set.seed(3170)) – wynik główny plakatu.
# Część B: geometria plakatu – formaty A, punkty typograficzne, piksele, wydruk kontrolny.
# Uruchomienie z folderu kod/: LANG=en_US.UTF-8 LC_ALL=en_US.UTF-8 Rscript b317-1-liczby.R
suppressPackageStartupMessages(library(effectsize))

# ---------- A. Badanie: praca zarobkowa w trakcie studiów a długość snu
# 180 osób studiujących; godziny pracy zarobkowej w tygodniu (3 grupy) i średnia długość snu
# w dni powszednie z tygodniowego dzienniczka (godziny).
set.seed(3170)
n_gr <- c("nie pracuje" = 70, "do 20 h" = 60, "ponad 20 h" = 50)
praca <- factor(rep(names(n_gr), n_gr), levels = names(n_gr))
sr_pop <- c(7.2, 7.0, 6.4)[as.integer(praca)]
sen <- round(pmin(10, pmax(4, rnorm(sum(n_gr), sr_pop, 0.85))), 1)
dane <- data.frame(praca, sen)
write.csv(dane, "../plakat-dane-przyklad.csv", row.names = FALSE, fileEncoding = "UTF-8")

# Średnie z 95% CI w grupach
opis <- do.call(rbind, lapply(split(dane$sen, dane$praca), function(y) {
  ci <- t.test(y)$conf.int
  data.frame(n = length(y), M = mean(y), SD = sd(y), CI_dol = ci[1], CI_gor = ci[2])
}))
print(round(opis, 2))

# Test główny: ANOVA Welcha i eta kwadrat z 95% CI (z klasycznej ANOVA)
welch <- oneway.test(sen ~ praca, data = dane)
round(c(F = unname(welch$statistic), df1 = unname(welch$parameter[1]),
        df2 = unname(welch$parameter[2]), p = welch$p.value), 3)
format.pval(welch$p.value, digits = 2)
eta <- eta_squared(aov(sen ~ praca, data = dane), ci = 0.95, alternative = "two.sided")
print(eta, digits = 3)

# Różnica, która trafia do tytułu plakatu: „ponad 20 h” minus „nie pracuje” (test Welcha)
tt <- t.test(dane$sen[dane$praca == "ponad 20 h"], dane$sen[dane$praca == "nie pracuje"])
d <- cohens_d(dane$sen[dane$praca == "ponad 20 h"], dane$sen[dane$praca == "nie pracuje"], ci = 0.95)
round(c(roznica_h = unname(tt$estimate[1] - tt$estimate[2]), CI_dol = tt$conf.int[1], CI_gor = tt$conf.int[2],
        roznica_min = unname(tt$estimate[1] - tt$estimate[2]) * 60, CI_min_dol = tt$conf.int[1] * 60,
        CI_min_gor = tt$conf.int[2] * 60,
        t = unname(tt$statistic), df = unname(tt$parameter), p = tt$p.value,
        d = d$Cohens_d, d_dol = d$CI_low, d_gor = d$CI_high), 3)
format.pval(tt$p.value, digits = 2)

# ---------- B. Geometria plakatu
# Format A: arkusz A0 ma pole 1 m² i boki w proporcji 1 : √2 (841 × 1189 mm po zaokrągleniu);
# każdy kolejny format powstaje przez przecięcie poprzedniego na pół (wymiary zaokrąglane w dół).
formaty <- matrix(NA, 5, 2, dimnames = list(paste0("A", 0:4), c("szer_mm", "wys_mm")))
formaty[1, ] <- round(1000 * 2^(-1 / 4) * c(1, sqrt(2)))
for (k in 2:5) formaty[k, ] <- c(floor(formaty[k - 1, 2] / 2), formaty[k - 1, 1])
print(formaty)

# Punkt typograficzny = 1/72 cala = 25.4/72 mm (wysokość „stopnia” czcionki, nie samej litery)
pt_mm <- function(pt) pt * 25.4 / 72
stopnie <- c(24, 32, 48, 72, 96)
skala <- formaty["A4", "szer_mm"] / formaty["A0", "szer_mm"]   # wydruk kontrolny: A0 → A4
print(round(data.frame(pt = stopnie, mm = pt_mm(stopnie), pt_na_A4 = stopnie * skala), 1), row.names = FALSE)

# Ile pikseli ma A0 jako obraz rastrowy przy 300 dpi (stąd wektorowy PDF zamiast PNG)
px <- round(formaty["A0", ] / 25.4 * 300)
c(px, megapiksele = round(prod(px) / 1e6, 1))

# Wydruk kontrolny: skala liniowa A0 → A4
round(unname(skala), 4)
# Ten sam kąt widzenia: tekst 4× mniejszy oglądany z 4× mniejszej odległości
kat <- function(wys_mm, odl_m) 2 * atan(wys_mm / 2 / (odl_m * 1000)) * 180 / pi * 60   # minuty kątowe
odl_A4 <- 2 * unname(skala)   # z jakiej odległości (m) oglądać wydruk A4, by odpowiadał A0 z 2 m
round(c(odl_A4_m = odl_A4, A0_z_2m = kat(pt_mm(24), 2), A4_z_odl = kat(pt_mm(24) * skala, odl_A4)), 2)
Wynik w R
             n    M   SD CI_dol CI_gor
nie pracuje 70 7.12 0.82   6.93   7.32
do 20 h     60 6.94 0.82   6.73   7.16
ponad 20 h  50 6.46 0.84   6.22   6.69
      F     df1     df2       p 
  9.619   2.000 112.668   0.000 
[1] "0.00014"
For one-way between subjects designs, partial eta squared is equivalent to eta squared.
  Returning eta squared.
# Effect Size for ANOVA

Parameter |  Eta2 |         95% CI
----------------------------------
praca     | 0.100 | [0.028, 0.186]
  roznica_h      CI_dol      CI_gor roznica_min  CI_min_dol  CI_min_gor           t          df 
     -0.665      -0.970      -0.361     -39.926     -58.174     -21.677      -4.338     104.404 
          p           d       d_dol       d_gor 
      0.000      -0.806      -1.182      -0.427 
[1] "3.3e-05"
   szer_mm wys_mm
A0     841   1189
A1     594    841
A2     420    594
A3     297    420
A4     210    297
 pt   mm pt_na_A4
 24  8.5        6
 32 11.3        8
 48 16.9       12
 72 25.4       18
 96 33.9       24
    szer_mm      wys_mm megapiksele 
     9933.0     14043.0       139.5 
[1] 0.2497
odl_A4_m  A0_z_2m A4_z_odl 
    0.50    14.55    14.55 

2. Rysunek: dwa szkice plakatu „źle / dobrze”

Dane wejściowe: plik plakat-dane-przyklad.csv zapisany w przepisie 1; pakiety ggplot2, patchwork, svglite i qrcode (podgląd PNG opcjonalnie przez magick, gdy ustawiono zmienną PNG_DIR).

Co odczytać: wymiary zapisanego SVG, liczbę słów na szkicu „dobrze”, stosunek wysokości słupków na przyciętej osi, udział wykresu w powierzchni plakatu i rozmiar kodu QR.

R
# B317 – rysunek do wpisu /blog/plakat-naukowy-z-wynikami/
# Dwa szkice plakatu A0 (pion, 841 × 1189 mm) z tym samym wynikiem: „źle” i „dobrze”.
# Uruchomienie z folderu kod/:
#   PNG_DIR=<katalog podglądu> LANG=en_US.UTF-8 LC_ALL=en_US.UTF-8 Rscript b317-rysunki.R > b317-rysunki-wynik.txt
suppressPackageStartupMessages({ library(ggplot2); library(patchwork); library(svglite); library(qrcode) })
KOLORY <- c(akcent = "#e50101", drugi = "#1f78b4", granat = "#0f1d3a", dane = "grey55")
zapisz_svg <- function(wykres, plik, szer = 10, wys = 5.6) {
  svglite::svglite(plik, width = szer, height = wys, bg = "white"); print(wykres); invisible(grDevices::dev.off())
  cat(sprintf("Zapisano %s: width=\"%d\" height=\"%d\"\n", plik, round(szer * 100), round(wys * 100)))
  png_dir <- Sys.getenv("PNG_DIR")
  if (nzchar(png_dir) && requireNamespace("magick", quietly = TRUE)) {
    magick::image_write(magick::image_read_svg(plik, width = 1400),
                        file.path(png_dir, sub("\\.svg$", ".png", basename(plik))), format = "png")
  }
}
# Płótno plakatu w milimetrach: x 0–841, y 0–1189
plotno <- function() {
  ggplot() + coord_fixed(xlim = c(0, 841), ylim = c(0, 1189), expand = FALSE) + theme_void() +
    theme(plot.background = element_rect(fill = "white", colour = "grey45", linewidth = 0.8),
          plot.margin = margin(2, 2, 2, 2))
}
# Blok „tekstu” narysowany szarymi liniami (wiersze akapitu)
linie <- function(x0, x1, y_gora, n, odstep = 9.5, grubosc = 2.2) {
  set.seed(round(x0 + y_gora))
  data.frame(x = x0, xend = x0 + (x1 - x0) * pmin(1, runif(n, 0.75, 1.05)),
             y = y_gora - (seq_len(n) - 1) * odstep, lw = grubosc)
}
napis <- function(etykieta, kolor) {
  ggplot() + annotate("text", x = 0, y = 0.5, label = etykieta, hjust = 0, fontface = "bold", colour = kolor, size = 5.6) +
    xlim(0, 1) + theme_void() + theme(plot.margin = margin(0, 0, 0, 6))
}

dane <- read.csv("../plakat-dane-przyklad.csv", fileEncoding = "UTF-8")
dane$praca <- factor(dane$praca, levels = c("nie pracuje", "do 20 h", "ponad 20 h"))
sr <- do.call(rbind, lapply(split(dane$sen, dane$praca), function(y) {
  ci <- t.test(y)$conf.int; data.frame(n = length(y), M = mean(y), dol = ci[1], gor = ci[2]) }))
sr$praca <- factor(rownames(sr), levels = levels(dane$praca))

# ---------- ŹLE: długi tytuł, ściana tekstu w czterech kolumnach, tabela z wydruku, słupki na przyciętej osi
slupki <- ggplot(sr, aes(praca, M, fill = praca)) + geom_col(width = 0.7) +
  scale_fill_manual(values = c("#e41a1c", "#4daf4a", "#984ea3")) +
  coord_cartesian(ylim = c(6.3, 7.2)) + labs(x = NULL, y = NULL) +
  theme_grey(base_size = 5) + theme(legend.position = "none", axis.text = element_text(size = 4))
kol_x <- c(22, 228, 434, 640); szer_kol <- 180
naglowki <- data.frame(x = rep(kol_x, each = 2), y = rep(c(1000, 590), 4),
  lab = c("Wstęp", "Przegląd literatury", "Cel i hipotezy", "Metoda", "Wyniki", "", "Dyskusja", "Bibliografia"))
bloki <- rbind(linie(22, 202, 985, 40), linie(22, 202, 575, 52),
               linie(228, 408, 985, 40), linie(228, 408, 575, 52),
               linie(434, 614, 985, 14), linie(640, 820, 985, 40), linie(640, 820, 575, 54))
tabela <- expand.grid(w = 1:9, k = 1:6)
zle <- plotno() +
  annotate("rect", xmin = 0, xmax = 841, ymin = 1060, ymax = 1189, fill = "#dfe7f2") +
  annotate("point", x = c(45, 100, 741, 796), y = 1125, size = 7, colour = "grey60") +
  annotate("text", x = 420, y = 1135, size = 2.7, fontface = "bold", lineheight = 0.95,
           label = "Analiza wybranych uwarunkowań społeczno-ekonomicznych\ni ich związku z wybranymi parametrami higieny snu\nw populacji osób studiujących – badanie własne") +
  annotate("text", x = 420, y = 1075, size = 1.9, colour = "grey30",
           label = "Imię Nazwisko¹, Imię Nazwisko², Imię Nazwisko¹ · ¹Wydział …, ²Koło naukowe …") +
  geom_text(data = naglowki, aes(x, y + 18, label = lab), hjust = 0, size = 2.1, fontface = "bold") +
  geom_segment(data = bloki, aes(x = x, xend = xend, y = y, yend = y), linewidth = 0.45, colour = "grey70") +
  annotate("rect", xmin = 434, xmax = 614, ymin = 610, ymax = 830, fill = "grey95", colour = "grey55", linewidth = 0.3) +
  geom_tile(data = tabela, aes(x = 434 + (k - 0.5) * 30, y = 830 - (w - 0.5) * (220 / 9)), width = 28, height = 20,
            fill = NA, colour = "grey75", linewidth = 0.2) +
  annotate("text", x = 524, y = 600, label = "Tabela 3. Wydruk ANOVA (Sig. = ,000)", size = 1.7, colour = "grey30") +
  annotation_custom(ggplotGrob(slupki), xmin = 434, xmax = 614, ymin = 120, ymax = 400) +
  annotate("point", x = c(170, 112, 524, 524, 730), y = c(1160, 780, 845, 410, 140),
           size = 6, colour = KOLORY[["akcent"]]) +
  annotate("text", x = c(170, 112, 524, 524, 730), y = c(1160, 780, 845, 410, 140),
           label = 1:5, colour = "white", fontface = "bold", size = 2.6)

# ---------- DOBRZE: tytuł-wniosek, trzy kolumny, jeden duży wykres z danymi osób, wnioski i kod QR
glowny <- ggplot(dane, aes(praca, sen)) +
  geom_point(position = position_jitter(width = 0.17, height = 0, seed = 3170), colour = KOLORY[["dane"]],
             alpha = 0.55, size = 1.1) +
  geom_errorbar(data = sr, aes(y = M, ymin = dol, ymax = gor), width = 0.22, linewidth = 0.9, colour = KOLORY[["akcent"]]) +
  geom_point(data = sr, aes(y = M), size = 2.6, colour = KOLORY[["akcent"]]) +
  scale_y_continuous(limits = c(4, 10), breaks = 4:10) +
  scale_x_discrete(labels = sprintf("%s\nn = %d", levels(dane$praca), sr$n)) +
  labs(x = "Praca zarobkowa w tygodniu", y = "Sen w dni powszednie (h)") +
  theme_minimal(base_size = 8.5) +
  theme(panel.grid.minor = element_blank(), panel.grid.major.x = element_blank(),
        axis.text = element_text(colour = "grey15"), axis.title = element_text(colour = "grey15"))
qr <- qr_code("https://www.metodolog.pl/blog/plakat-naukowy-z-wynikami/plakat-dane-przyklad.csv", ecl = "M")
qm <- as.matrix(unclass(qr)); kw <- 150 / ncol(qm)
qr_df <- subset(expand.grid(r = seq_len(nrow(qm)), k = seq_len(ncol(qm))), qm[cbind(r, k)])
teksty_dobrze <- c(
  tytul = "Studenci pracujący ponad 20 h w tygodniu\nśpią średnio o 40 minut krócej",
  autorzy = "Imię Nazwisko, Imię Nazwisko · Koło naukowe …",
  pyt_h = "Pytanie",
  pyt = "Czy liczba godzin pracy\nzarobkowej wiąże się\nz długością snu\nw dni powszednie?",
  met_h = "Metoda",
  met = "• 180 osób studiujących\n• dzienniczek snu, 7 dni\n• 3 grupy według\n  godzin pracy\n• ANOVA Welcha",
  wyk_h = "Mniej snu przy dłuższej pracy",
  wyk_p = "punkty – osoby; czerwone – średnia i 95% CI",
  stat = "F(2, 112.7) = 9.62, p < .001, η² = .10, 95% CI [.03, .19]",
  wn_h = "Wnioski",
  wn = "• różnica: −0.67 h, 95% CI [−0.97, −0.36]\n• grupa „do 20 h” pośrodku\n• badanie przekrojowe:\n  bez wniosku o przyczynie",
  qr_h = "Dane, kod\ni pełne wyniki")
dobrze <- plotno() +
  annotate("rect", xmin = 0, xmax = 841, ymin = 1030, ymax = 1189, fill = KOLORY[["granat"]]) +
  annotate("text", x = 40, y = 1125, label = teksty_dobrze[["tytul"]], hjust = 0, colour = "white",
           fontface = "bold", size = 4.6, lineheight = 0.95) +
  annotate("text", x = 40, y = 1052, label = teksty_dobrze[["autorzy"]], hjust = 0, colour = "grey85", size = 2.3) +
  annotate("text", x = 40, y = 990, label = teksty_dobrze[["pyt_h"]], hjust = 0, fontface = "bold", size = 3.6,
           colour = KOLORY[["granat"]]) +
  annotate("text", x = 40, y = 960, label = teksty_dobrze[["pyt"]], hjust = 0, vjust = 1, size = 2.9, lineheight = 1.05) +
  annotate("text", x = 40, y = 770, label = teksty_dobrze[["met_h"]], hjust = 0, fontface = "bold", size = 3.6,
           colour = KOLORY[["granat"]]) +
  annotate("text", x = 40, y = 740, label = teksty_dobrze[["met"]], hjust = 0, vjust = 1, size = 2.9, lineheight = 1.05) +
  annotate("text", x = 290, y = 990, label = teksty_dobrze[["wyk_h"]], hjust = 0, fontface = "bold", size = 3.6,
           colour = KOLORY[["granat"]]) +
  annotate("text", x = 290, y = 962, label = teksty_dobrze[["wyk_p"]], hjust = 0, size = 2.3, colour = "grey30") +
  annotation_custom(ggplotGrob(glowny), xmin = 280, xmax = 815, ymin = 430, ymax = 950) +
  annotate("text", x = 290, y = 405, label = teksty_dobrze[["stat"]], hjust = 0, size = 2.3, colour = "grey15") +
  annotate("segment", x = 40, xend = 801, y = 375, yend = 375, colour = "grey80", linewidth = 0.4) +
  annotate("text", x = 40, y = 340, label = teksty_dobrze[["wn_h"]], hjust = 0, fontface = "bold", size = 3.6,
           colour = KOLORY[["granat"]]) +
  annotate("text", x = 40, y = 310, label = teksty_dobrze[["wn"]], hjust = 0, vjust = 1, size = 2.9, lineheight = 1.05) +
  geom_tile(data = qr_df, aes(x = 640 + (k - 0.5) * kw, y = 330 - (r - 0.5) * kw), width = kw, height = kw,
            fill = "black") +
  annotate("text", x = 715, y = 150, label = teksty_dobrze[["qr_h"]], size = 2.5, lineheight = 0.95, vjust = 1) +
  annotate("text", x = 40, y = 45, label = "Dane symulowane – przykład z metodolog.pl", hjust = 0, size = 1.9, colour = "grey45")

rys <- (napis("ŹLE: ściana tekstu, tabela z wydruku, przycięta oś", KOLORY[["akcent"]]) |
          napis("DOBRZE: wniosek w tytule, jeden wykres, kod QR", KOLORY[["drugi"]])) /
  (zle | dobrze) + plot_layout(heights = c(0.05, 1))
zapisz_svg(rys, "../plakat-szkic-zle-dobrze.svg", szer = 12, wys = 8.9)

# Ile słów jest na szkicu „dobrze” (bez osi wykresu i stopki)
slowa <- function(x) length(strsplit(trimws(gsub("[•\n]", " ", x)), "\\s+")[[1]])
cat("Słów na plakacie „dobrze”:", sum(sapply(teksty_dobrze, slowa)), "\n")
cat("Słupki od 6.3: wysokość „nie pracuje” / „ponad 20 h” =", round((sr$M[1] - 6.3) / (sr$M[3] - 6.3), 1), "\n")
cat("Wykres główny zajmuje", round(100 * (815 - 280) * (950 - 430) / (841 * 1030)), "% powierzchni pod pasem tytułu\n")
cat("Moduły kodu QR:", ncol(qm), "× ", nrow(qm), "; bok kodu na plakacie A0:", round(150 / 10), "cm\n")
Wynik w R
Zapisano ../plakat-szkic-zle-dobrze.svg: width="1200" height="890"
Słów na plakacie „dobrze”: 102 
Słupki od 6.3: wysokość „nie pracuje” / „ponad 20 h” = 5.3 
Wykres główny zajmuje 32 % powierzchni pod pasem tytułu
Moduły kodu QR: 43 ×  43 ; bok kodu na plakacie A0: 15 cm

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3; rysunek powstał w pakietach ggplot2, patchwork, svglite i qrcode. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. effectsize (wersja 1.0.2): Ben-Shachar, M. S., Lüdecke, D., & Makowski, D. (2020). effectsize: Estimation of effect size indices and standardized parameters. Journal of Open Source Software, 5(56), 2815. https://doi.org/10.21105/joss.02815
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  5. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
  6. qrcode (wersja 0.3.0): Onkelinx, T., & Teh, V. (2024). qrcode: Generate QRcodes with R (Version 0.3.0) [R package]. https://doi.org/10.5281/zenodo.5040088

Najczęstsze pytania

Jaki rozmiar czcionki wybrać na plakat naukowy?

Najpierw sprawdź wymagania konferencji. Erren i Bourne (2007) radzą nie schodzić poniżej 24 pt, a Gundogan i in. (2016) podają, że zwykle stosuje się 24 pt dla tekstu i 32 pt dla nagłówków, z tytułem największą czcionką na plakacie. Czytelność sprawdzisz, drukując plakat A0 na kartce A4: ta kartka oglądana z około 50 cm wygląda tak samo jak plakat z 2 m.

Ile tekstu powinien mieć plakat konferencyjny?

Mniej niż rozdział pracy i mniej niż abstrakt w pełnych zdaniach. Gundogan i in. (2016) podają orientacyjnie około 100 słów na sekcję i radzą pisać hasłami. Szkic „dobrze” w tym wpisie ma łącznie 102 słowa: pytanie, metodę w punktach, linijkę statystyk, wnioski i ograniczenie. Jeśli tekst się nie mieści, usuń zdanie zamiast zmniejszać czcionkę.

Czy na plakat można wstawić tabelę z wynikami?

Można, ale tylko wtedy, gdy oglądający potrzebuje dokładnych wartości, i to w kilku wierszach z dużą czcionką. Wynik główny lepiej pokazać na wykresie, bo porównanie położenia punktów na wspólnej osi odczytuje się dokładniej niż liczby (Cleveland i McGill, 1984). Pełną tabelę umieść w materiałach pod kodem QR, a nie zrzut z wydruku programu na plakacie.

W jakim formacie wysłać plakat do druku?

Jako PDF w docelowym rozmiarze, zwykle A0 (841 × 1189 mm), o ile organizator nie podał innego. Tekst i wykresy powinny być wektorowe, bo ten sam plakat jako obraz przy 300 dpi miałby 139.5 megapiksela. Przed wysłaniem otwórz PDF w powiększeniu 100%, sprawdź osadzenie czcionek i polskie znaki, a w drukarni zapytaj o próbkę kolorów.

Czy na plakacie naukowym trzeba podawać bibliografię?

Zwykle wystarczą 2–3 kluczowe pozycje mniejszą czcionką na dole plakatu, chyba że organizator wymaga więcej. Gundogan i in. (2016) radzą cytować tylko źródła niezbędne dla badania, bo bibliografia zajmuje dużo miejsca. Pełną listę literatury możesz dołączyć do materiałów pod kodem QR razem z wynikami i danymi.

Powiązane hasła

Przeczytaj też

Przygotowujesz plakat z wynikami na konferencję?

Sprawdzimy, czy liczby na plakacie zgadzają się z analizą, pomożemy wybrać wynik główny i wykres, który go pokazuje, oraz wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je przedstawić przy plakacie.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080
  2. Crameri, F., Shephard, G. E., & Heron, P. J. (2020). The misuse of colour in science communication. Nature Communications, 11(1), Article 5444. https://doi.org/10.1038/s41467-020-19160-7 ● Otwarty dostęp
  3. Erren, T. C., & Bourne, P. E. (2007). Ten simple rules for a good poster presentation. PLoS Computational Biology, 3(5), Article e102. https://doi.org/10.1371/journal.pcbi.0030102 ● Otwarty dostęp
  4. Faulkes, Z. (2023). The “wall of text” visual structure of academic conference posters. Frontiers in Communication, 8, Article 1063345. https://doi.org/10.3389/fcomm.2023.1063345 ● Otwarty dostęp
  5. Gundogan, B., Koshy, K., Kurar, L., & Whitehurst, K. (2016). How to make an academic poster. Annals of Medicine and Surgery, 11, 69–71. https://doi.org/10.1016/j.amsu.2016.09.001 ● Otwarty dostęp
  6. Ilic, D., & Rowe, N. (2013). What is the evidence that poster presentations are effective in promoting knowledge transfer? A state of the art review. Health Information & Libraries Journal, 30(1), 4–12. https://doi.org/10.1111/hir.12015 ● Otwarty dostęp
  7. Persky, A. M. (2016). Scientific posters: A plea from a conference attendee. American Journal of Pharmaceutical Education, 80(10), Article 162. https://doi.org/10.5688/ajpe8010162 ● Otwarty dostęp
  8. Rougier, N. P., Droettboom, M., & Bourne, P. E. (2014). Ten simple rules for better figures. PLoS Computational Biology, 10(9), Article e1003833. https://doi.org/10.1371/journal.pcbi.1003833 ● Otwarty dostęp
  9. Rowe, N., & Ilic, D. (2009). What impact do posters have on academic knowledge transfer? A pilot survey on author attitudes and experiences. BMC Medical Education, 9(1), Article 71. https://doi.org/10.1186/1472-6920-9-71 ● Otwarty dostęp
  10. Weissgerber, T. L., Milic, N. M., Winham, S. J., & Garovic, V. D. (2015). Beyond bar and line graphs: Time for a new data presentation paradigm. PLOS Biology, 13(4), Article e1002128. https://doi.org/10.1371/journal.pbio.1002128 ● Otwarty dostęp

Cytowania BibTeX

@article{cleveland1984graphical, author={Cleveland, William S. and McGill, Robert}, title={{Graphical perception: Theory, experimentation, and application to the development of graphical methods}}, journal={Journal of the American Statistical Association}, year={1984}, volume={79}, number={387}, pages={531--554}, doi={10.1080/01621459.1984.10478080}}
@article{crameri2020misuse, author={Crameri, Fabio and Shephard, Grace E. and Heron, Philip J.}, title={{The misuse of colour in science communication}}, journal={Nature Communications}, year={2020}, volume={11}, number={1}, eid={5444}, doi={10.1038/s41467-020-19160-7}}
@article{erren2007ten, author={Erren, Thomas C. and Bourne, Philip E.}, title={{Ten simple rules for a good poster presentation}}, journal={PLoS Computational Biology}, year={2007}, volume={3}, number={5}, eid={e102}, doi={10.1371/journal.pcbi.0030102}}
@article{faulkes2023wall, author={Faulkes, Zen}, title={{The “wall of text” visual structure of academic conference posters}}, journal={Frontiers in Communication}, year={2023}, volume={8}, eid={1063345}, doi={10.3389/fcomm.2023.1063345}}
@article{gundogan2016how, author={Gundogan, Buket and Koshy, Kiron and Kurar, Langhit and Whitehurst, Katharine}, title={{How to make an academic poster}}, journal={Annals of Medicine and Surgery}, year={2016}, volume={11}, pages={69--71}, doi={10.1016/j.amsu.2016.09.001}}
@article{ilic2013what, author={Ilic, Dragan and Rowe, Nicholas}, title={{What is the evidence that poster presentations are effective in promoting knowledge transfer? A state of the art review}}, journal={Health Information \& Libraries Journal}, year={2013}, volume={30}, number={1}, pages={4--12}, doi={10.1111/hir.12015}}
@article{persky2016scientific, author={Persky, Adam M.}, title={{Scientific posters: A plea from a conference attendee}}, journal={American Journal of Pharmaceutical Education}, year={2016}, volume={80}, number={10}, eid={162}, doi={10.5688/ajpe8010162}}
@article{rougier2014ten, author={Rougier, Nicolas P. and Droettboom, Michael and Bourne, Philip E.}, title={{Ten simple rules for better figures}}, journal={PLoS Computational Biology}, year={2014}, volume={10}, number={9}, eid={e1003833}, doi={10.1371/journal.pcbi.1003833}}
@article{rowe2009what, author={Rowe, Nicholas and Ilic, Dragan}, title={{What impact do posters have on academic knowledge transfer? A pilot survey on author attitudes and experiences}}, journal={BMC Medical Education}, year={2009}, volume={9}, number={1}, eid={71}, doi={10.1186/1472-6920-9-71}}
@article{weissgerber2015beyond, author={Weissgerber, Tracey L. and Milic, Natasa M. and Winham, Stacey J. and Garovic, Vesna D.}, title={{Beyond bar and line graphs: Time for a new data presentation paradigm}}, journal={PLOS Biology}, year={2015}, volume={13}, number={4}, eid={e1002128}, doi={10.1371/journal.pbio.1002128}}
R