Идея и концепция
Сегодня манга существует не только как печатный формат, но и как огромная цифровая база информации. Люди формируют вокруг манги огромное онлайн-сообщество: оценивают тайтлы, добавляют их в избранное, выбирают жанры, следят за статусом публикации.
Для проекта я выбрала анализировать мангу, потому что она позволяет соединить визуально культурную среду с достаточно понятной аналитикой. Данные из датасета MyAnimeList дают возможность посмотреть на мангу не только как на художественное явление, но и как на массив пользовательской активности.
Целью проекта стало желание показать, как распределяется внимание пользователей внутри мира манги: какие тайтлы получают больше всего оценок, какие жанры представлены чаще всего, какие аудитории выделяются в датасете и какие типы манги преобладают.
При этом визуальный язык инфографики был выбран не нейтрально-академическим, а нарочито детским и молодёжным. Основная аудитория манги часто связана с подростковой и молодой читательской базой, поэтому оформление построено на ярких фиолетовых акцентах, крупных заголовках, простых иконках, округлых формах и декоративных элементах в стиле манги. Такой подход делает статистику менее сухой и приближает её к визуальной культуре самой темы.
Польза инфографики заключается в том, что она быстро объясняет большой датасет через визуальные блоки. Вместо таблицы с тысячами строк читатель получает понятную систему: ключевые числа, топы, диаграммы и сравнения. Благодаря более лёгкой и молодёжной подаче материал становится доступнее для подростков, начинающих читателей манги и зрителей, которым сложно воспринимать данные в виде обычных таблиц.
Исходные данные
В качестве источника использован датасет MyAnimeList Anime and Manga Datasets.
В датасете представлены сведения о манга-тайтлах: название, тип, рейтинг, количество пользователей, поставивших оценку, количество добавлений в избранное, жанры, демографическая категория, статус публикации и другие параметры.
Инфографика
Для анализа были использованы следующие поля
Итоговая инфографика выполнена в формате журнального разворота/вкладыша. Такой носитель был выбран потому, что тема манги напрямую связана с печатной культурой.
Первый блок показывает общую статистику датасета: количество тайтлов, число пользовательских оценок, количество жанров и добавлений в избранное. Эти показатели работают как быстрый вход в тему и сразу показывают масштаб данных.
Второй блок — топ-10 популярных манга-тайтлов. Популярность в этом графике рассчитывается по показателю scored_by, то есть по количеству пользователей, поставивших оценку. Также этот блок показывает рейтинг каждого тайтла, что позволяет оценить не просто добавление тайтла в список, а реальную пользовательскую активность вокруг произведения.
Третий блок показывает самые популярные жанры. Для этого поле genres было обработано как список: жанры были развёрнуты в отдельные строки, после чего было посчитано количество появлений каждого жанра. Результат представлен в виде кольцевой диаграммы.
Четвёртый блок посвящён аудитории манги. Здесь анализируется поле demographics, которое показывает, на какую читательскую группу ориентированы тайтлы: Shoujo, Seinen, Shounen, Josei и Kids. Диаграмма помогает понять, какие демографические категории представлены сильнее.
Пятый блок — типы манг. Этот график показывает, какие форматы произведений чаще всего встречаются в датасете: manga, light novel, one shot, manhwa, doujinshi, manhua и novel. Он помогает увидеть структуру базы данных и понять, что классическая manga занимает самую большую долю, а остальные типы представлены значительно меньше.
Шестой блок показывает типы манги и статусы публикации по типам. Он помогает сравнить, сколько тайтлов относится к manga, light novel, one shot, manhwa и другим типам, а также увидеть, какие из них завершены, продолжают выходить, находятся на паузе или сняты с публикации.
Процесс создания
Итоговый вариант разворота
Сначала была выбрана тема. После этого был найден датасет, содержащий нужную мне информацию. На следующем этапе данные были обработаны в Python в среде Google Colab. Были очищены числовые столбцы, а поля genres и demographics, где значения хранились в виде списков, были дополнительно обработаны: списки были развёрнуты в отдельные строки, чтобы можно было корректно посчитать количество жанров и аудиторий.
Для построения графиков использовался RAWGraphs 2.0. В нём были собраны основные визуализации. RAWGraphs позволил быстро проверить разные варианты графиков и выбрать те, которые лучше всего подходят для журнального разворота.
После построения графиков работа была перенесена в Figma, где выполнялась основная вёрстка инфографики. В Figma были собраны композиция разворота и сетка. Декоративные элементы и цветовая система обрабатывались в Adobe Photoshop.
Кроме того, в работе использовалась помощь ChatGPT. Он применялся для генерации декоративных изображений в манга-стиле, создания мокапов, а также для помощи в написании и корректировке кода на Python для обработки данных. С его помощью также прорабатывались идеи визуальной концепции, варианты компоновки и текстовые формулировки для проекта.
Мокапы
