SCI写作专题第六期:Figure图

看一篇文献,笔者喜欢先看图,而不是从头阅读。

想象一下,流程图一放,这篇文献的研究怎么做的,就知道个大概然,实在是很有助于我们对研究过程中获得的结果的理解和掌握。

进一步地,一些做好了标注的彩色图像,一方面,展示了研究证据,另一方面,结合文本,在视觉上显示和标注了组织病理学分析,并在解释性说明中明确图中细节的含义和用途,这看的比单纯的Text好太多。

这可算得上某一种潜规则,通常而言,图做的好看的文献,文献质量都比较高。以致不论是读者还是审稿人,都倾向于先看图,后读文。可见图的重要性。

图的组成

对于数据相关的图表,是有着相应的要求。

推荐的制图软件:Adobe Photoshop、Adobe llustrator、PowerPoint、CorelDraw,但不推荐用Microsoft Word和Microsoft Excel;

分辨率:以目的期刊的要求为准;

通常,图片和照片的可接受格式:PDF,DOC,PPT,JPG,GIF,TIF。

对于,大小、要不要上色、如何配色这些,只要让图看起来更好看一些,都值得尝试。

(Nano Research (2010) 3:843–851)

需要注意的是,统一下字体,字体大小等,以使所有文字/数字看起来风格相似,美观的刚需之一哈。

图的分类

总体上,可以分为两类:图像和数据图。

图像:替代Text去将我们想要传达的信息可视化,实现稿件所需的准确性和可读性,例如“The surface had nanometer scale features.”,那么,理想的,应该配有个显微镜图。主要有流程图、外科手术图、荧光显微镜图等。

(American Journal of Transplantation 2011; 11: 2110–2122)

对于图像,应考虑以下因素:

1.比例尺;

2.将重要的词条或位置项目标记出来,以便阅读;

3.图片下方,说明使用的颜色和符号的含义。

数据图:通常是显示两个或更多变量之间的功能或统计关系,省略各个数据点的详细信息,以强调点集合所显示的关系。

(Cancer & Metabolism 2016 4:9)

对于数据图,建议:

1.标记所有轴(X、Y轴,还有Z?);

2.指定数量的单位(如g/ml);

3.标记所有曲线和数据集(图上表个注,这个是啥,那个是啥,确实会好看);

4.合适的字体大小(重点字体是可以被人清晰的看到,一是可被看到,二是清晰)。

复合图

事实上,目前的杂志文献中,已经比较少的有出现单个图组成的图,更多的是复合图。复合图的优势在于:

1.将多张存在关联的图放在一起,便于对结果的阅读和理解;

2.提高期刊文献的排版美观度;

3.节约篇幅(似乎是在为投稿者省钱的样子)。

当然,有优就有劣,譬如看文献需要折腾下,看到引用某张图的句子,还得翻过页去找下那个图,而且说不定还得翻多一页才找到那个图的说明。

(Cell 168, 1000–1014, March 9, 2017)

类似这张,这种把多张存在关联的图整合一起的复合图,利于我们去表达这么多张图所得到的一个结果。格式上,复合图与单张图是相一致的,只需要一个图号、标题、说明。

但不一样的是,复合图所包含的图更多,内容也更多,因此,在说明中,需要对复合图中的每张图进行说明,以便读者/审稿人更好地理解每张图,以及图与图之间的关联。

如何引用图表/表格

先看几个例子:

(如果每阐述一个结果或观点,那么,当Table或Figure的数量较多了,as shown in的出现频率会比较高,使得全文不够简洁,还占篇幅,这是杂志社不乐意见到的一种情况)

(引用方式没问题,但引用中Figure须缩写成:Fig.)

(特地用一句去阐述在是Table 4数据,显得多余)

推荐的引用规范:

1.Table必须全写,不能缩写;

2.Figure必须缩写,写成Fig.(注意小点点不能丢)

3.引用的方式最好为:在阐述的Text后面加(),然后再填Table或Fig.

关于Figure和Table的制作,模仿应该是容易上手的制作效果还不错的优先选择。此外,好像也没有其他的更好的办法。

参考资料: 1. Figures and tables,Springer 2. Almost Everything You Wanted to Know About Making Tables and Figures,Department of Biology, Bates College, 3. How to describe the population (material) and express results ,AbeFingerhut Professor

—END—

本文分享自微信公众号 - 百味科研芝士(keyanzhishi)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-08-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励