UCL INST0065《数据可视化与GIS》：100% 两次作品，没有考试兜底

UCL 信息研究系 INST0065《数据可视化与GIS》是本科三年级 Term 2 模块：100% 课程作业、共两次评估，一半讲怎么把数据画对，一半讲怎么把地理数据画成地图。

课程官网（学校官网）：https://www.ucl.ac.uk/module-catalogue/modules/data-visualization-and-gis-INST0065

INST0065 是一门什么课？

一句话：这门课教你把数据变成「能看懂、也不骗人」的图——既教你怎么画，也教你怎么一眼看穿一张坏图坏在哪。

这是伦敦大学学院（University College London，UCL）的本科模块，课程代码 INST0065，英文名 Data Visualization and GIS，中文常译「数据可视化与地理信息系统」。所属 Faculty of Arts and Humanities（艺术与人文学部），开课院系是 Information Studies（信息研究系）。学分级 Credit value 15，本科层面为 FHEQ Level 6、Term 2 授课，模式 In person（线下面授）。

有两件事开学前必须搞清楚：

• 限修规则：学校官网写得很明确——This module is only available to Department of Information Studies students，只对信息研究系学生开放。它是 MSc in Digital Humanities 与 MSc Knowledge Information and Data Science 的必修，并优先这两类学生；同时也是 MA in Digital Humanities 与 BSc Information, Data and Society 的可选模块。
• 本硕双轨：这个模块页挂着两条并行 delivery——本科（FHEQ Level 6，Term 2，负责人 Dr Michael Ganslmeier）与硕士（FHEQ Level 7，Term 2，负责人 Dr Vassilis Routsis）。认课之前先确认自己走的是哪一条，负责人与信息分栏不同。

内容分两块，一块讲「判断」，一块讲「做出来」：

判断线：

• Principles of data visualization（可视化原则）。
• Types of visualization（可视化类型）。
• Meaning and mis-representation in visualisations（含义与误导性呈现）。
• Critical assessment of existing visualisations（对现有可视化的批判性评估）。

实操线：

• Acquiring, processing and preparing data（数据的获取、处理与准备）。
• Creating basic and more advanced visualisations using appropriate software（用合适软件做基础与进阶可视化）。
• Geographic Information Systems – principles（GIS 原理）。

主线是「原则 → 批判 → 实操 → 地图」：先用原则建立判断力（什么数据配什么图），再用批判练习眼力（一眼看穿坏图坏在哪），最后落到代码出图与 GIS 制图两套硬技能。两条实操线共用同一份「取数—清洗—呈现」的工作流，练的是一套能迁移的做事顺序。

这份工作流值得单说一句：取数、清洗、呈现，三段的耗时往往不是均分的。 真实数据拿到手，缺值要判断怎么补、字段类型要统一、量纲要对齐、异常值要决定留还是删——这些动作听起来琐碎，却直接决定最后那张图可不可信。课程把「准备数据」单列成学习成果，说明它是要评分的，不是顺手做的前置步骤。

和国内同类课有什么不同？

最大的差别是「合起来教」与「教你怎么挑错」：国内把数据可视化放在统计或计算机工具课、GIS 放在地理信息系统专业课，两门分家；这门课合成一门，而且把批判维度写进了主题与成果。

• 课程组织不同：国内两门分家；这门课面向数据与人文学科的学生，把可视化原则与 GIS 制图合成一门。
• 批判维度突出：把「误导性呈现」与「批判评估现有可视化」写进主题与学习成果；国内工具课教「怎么画」，几乎不教「怎么挑错」。
• 考核形态不同：100% 两次课程作业、无考试；国内同类课多为「平时实验报告加期末上机」。
• 本硕双轨：同一模块页挂 FHEQ 6 与 7 两条 delivery、负责人不同；国内同课名通常不分本硕轨。找经验帖、问往届情况时，先确认对方是哪条线上的人，否则参考的价值会打折。
• 起点假设不同：国内工具课默认你会用软件，这门课默认你会写代码；国内 GIS 课默认你是地理专业，这门课从 principles 讲起。两边的「默认」都不成立，等于两边都要自己补。

考核怎么算？

100% Coursework（课程作业），共 2 次评估，Mark scheme 为 Numeric Marks（数值评分），本科与硕士两条 delivery 均同。

学校官网的 Teaching and assessment 栏给的就是这个结构。两次作业各自的占比与截止安排，学校官网没有提。

这个结构的利与弊都很直接：

• 有利的一面：动手型学生的平时投入直接变成分数，没有临场翻车风险，两次作品还能反复打磨。
• 不利的一面：全部成绩只有两个节点，一次失手没有考试补回来；不擅自我安排进度的人风险最大。
• 最容易吃亏的误解：把「两次作业」理解成「两次小作业」。可视化作品的数据清洗与迭代出图都吃整块时间，倒排计划是刚需。
• 两次作业的间隔与截止安排，以开课后的正式说明为准。

再补一条策略：因为只有两个节点，第一次作业的反馈价值特别高。第一次的问题（图型选错、清洗不彻底、评述缺机制）如果在第二次重复，等于同一个坑摔两次。所以第一次拿到反馈后，务必逐条对照改，第二次把同类问题清零。

先修要求是什么？

学校官网没有提及先修课程要求。但有两条硬约束要先过：只对信息研究系学生开放（见第一节），以及实际需要的三样底子。

按学习成果倒推，实际需要：

• 一门编程语言的基础语法：能读写脚本即可，课内从可视化库教起。
• 基础统计描述：均值、分布、相关，用来理解数据。
• 不要求 GIS 背景：GIS 从 principles 讲起，从零开始。

适合谁：信息、数据、数字人文方向的学生——学校官网明写这是这些项目的必修或可选模块，路径完全对口；想给数据「讲清楚」的人，无论后续做数据分析、数字人文研究还是内容工作，出图与读图都是硬通货；愿意写代码、愿意跟真实数据搏斗的学生。

不太适合：期待拖拽式工具课的会失望；回避批判性写作与作品迭代的也要慎重——评述与作品两头都考。

学完能做什么？

核心是四件事：能识别并选对可视化类型、能定性评估好坏示例、能用编程产出多种可视化、能用 GIS 软件制图。

学校官网的七条学习成果可以归成四层：

• 眼力：识别不同类型的可视化；定性评估「好」与「坏」的示例；按数据类型选择恰当的可视化方式。
• 手力：用合适的编程语言产出多种类型的可视化；用 GIS 软件制作地图；为上机准备数据。
• 判断力：批判性评估现有可视化——不只是说「不好看」，而是说清误导机制。
• 完整链路：从原始数据到成品图再到地图呈现。

落到能力与去向上：

• 一条完整链路：清洗、选型、编码实现、地图呈现与批判评估——这套组合在数据岗作品集里辨识度很高。
• 岗位方向：数据分析师、商业智能（BI）、数字人文研究、地理与位置数据方向的内容与研究岗位；GIS 制图是位置类岗位的入场技能。
• 作品集：两次作业打磨后可整理成可视化作品集，对申请数据方向硕士或岗位的加分很直观。
• 一套可复用的批判框架：以后再看到任何一张图，都会下意识问三件事——数据是什么类型、图型是否匹配、有没有在视觉上夸大或隐藏。
• 代码能力落到具体产出：不是「会一点 Python」，而是能从文件读到成品图、能自己排错、能换数据重跑。

难点与常见挂因

这门课的难点不在概念深度，而在「技能叠加」：编程、设计判断、GIS 三样从零并行，而且没有考试节点逼着你往前走。清数据占掉大半时间、图和代码互相牵连，一处出错全链返工。

为什么中国学生容易在这里卡？

• 「选图」的判断最容易被跳过。 数据类型与表达目的共同决定图表选择，同一组数据配错图会直接误导。国内教学重软件操作、轻选图原则，学生习惯「拿到数据先画柱状图」；设计题按「目的—数据—图型」三步给分，跳步即扣。
• 「误导可视化」的识别没有系统训练。 截断坐标轴、面积误用、色彩误导这些手法要能点名说理。国内没有系统训练过可视化伦理与误用分析，写批判评述时只会说「不好看」，说不出误导机制。
• 数据准备的真实工作量被严重低估。 学习成果单列「准备数据」：真实数据缺值、格式混乱、字段脏，清洗常占大部分时间。国内练习用干净数据集，第一次面对原始文件会高估出图进度、低估清数据时间；而且清数据出错会顺着管道传导到成图，返工成本极高。
• 编程产出是硬要求。 学习成果要求用编程语言产出多种可视化，不是拖拽式工具。文科与社科背景学生编程底子薄，语法与环境问题会吃掉本该练设计的时间。
• GIS 概念体系是成套新知识。 坐标系、投影、矢量与栅格是成体系的，错一个投影地图就变形失真。国内非地理专业几乎不接触，入门两周概念密度最高；投影与坐标一旦用错，全图都要重画。
• 可视化类型学的英文术语不熟。 bar、histogram、choropleth、heat map、small multiples 这套词国内课程不集中教，中文译名又不统一。批判评述题连图型名都叫不准，说理就断。
• 批判性写作的句式没练过。 评估「好」与「坏」的示例要求有据的批评——指出机制、后果、改进方案，不是好恶表态。国内学术批评文体训练少，评述容易写成「我觉得这个图很清晰」。
• 作品型考核的自我管理。 100% 课程作业、共两次评估，没有考试节点逼进度。习惯期末倒逼的人，第一次作业拖到截止前两天才发现数据还没洗干净。
• 本硕双轨的信息错位。 同一模块页挂两条 delivery，负责人与信息分列；找错负责人、看错参考经验，都会白走弯路。

卡住之后会发生什么？

• 数据没洗干净就急着出图，图一改数据全重来，时间翻倍。
• 图型选错，设计题按步骤扣分，批判题也说不清适用边界。
• 代码环境拖垮进度，装库与报错吃掉设计时间，第一份作业近半时间在排查环境。
• 批判评述空洞，只会表态不会说机制，评述题停在低档。
• GIS 概念没打地基就制图，投影选错、面积失真而不自知。
• 无考试节点、进度失控，截止前两周作品还没初稿。

五处高频卡点

1. 选图判断：目的、数据、图型三步，跳步即扣。
2. 误导手法识别：截断坐标轴、面积误用、色彩误导。
3. 数据准备：清洗占大头，且错误会顺链传导。
4. 编程产出：不是拖拽工具，要写代码。
5. GIS 概念：坐标系与投影，错一个全图重来。

常见挂因与对应动作

• 数据没洗干净就急着出图。 机制：低估清洗占比，图一改数据全重来。早期信号：第一周还没拿到可分析的数据表。怎么补：为每次作业先做数据检查清单，逐项过完再动手画。
• 图型选错。 机制：按熟悉程度选图而非按数据类型。早期信号：批判题里说不出图型适用边界。怎么补：图型三栏表背熟，并练二十道选型题全对。
• 代码环境拖垮进度。 机制：装库、报错消耗了设计时间。早期信号：第一份作业近半时间在排查环境。怎么补：开课前跑通从 CSV 到图的全链路，能独立重装一遍环境。
• 批判评述空洞。 机制：只会表态不会说机制。早期信号：评述里没有「导致什么误读」。怎么补：精读五篇范文后独立写三篇「做了 X—误读 Y—应改 Z」结构的评述。
• GIS 概念没打地基就制图。 机制：投影坐标系不懂，图变形不自知。早期信号：说不出自己用的坐标系。怎么补：自学投影一章，并能解释两例典型变形。
• 无考试节点、进度失控。 机制：全靠两次作业，缺乏外部节奏。早期信号：截止前两周作品还没初稿。怎么补：每次作业倒排四周计划，每周对照检查点。

留学生特别提醒

中国学生最容易在六处吃亏：图型英文名不熟、批判写作写成感想、编程从工具栏换到代码、GIS 概念空白、没有外部节奏、本硕双轨看错信息。

• 做一张「图型—适用数据—典型误用」三栏表并背熟：给任意一张图，能三秒说出图型与适用场景才算够。
• 批判评述按三段式写：「该图做了 X → 导致 Y 误读 → 应改为 Z」；独立写出三篇合格评述再算过关。
• 开课前跑通一条链：从 CSV 读到成品图，能独立重装环境——这一步过了，设计时间才不会被环境吃掉。
• GIS 先补一章：投影与坐标系；能说清「为什么格陵兰看起来那么大」才算够。
• 把每次作业倒排四周计划：数据、草图、成图、文字四个检查点，每周对照一次。
• 认课先认 delivery：确认自己走 FHEQ 6 还是 7，负责人与咨询以对应栏为准。
• 限修规则别忽视：只对信息研究系学生开放，选课资格是第一道门。
• 英文术语按三栏记：图型名、适用数据、典型误用，一栏都别省——批判题的分很大程度取决于你叫得准不准。
• 别把这两次作业当闭卷考试准备：它们考的是作品质量与迭代能力，越早开工、越早拿反馈，分数越高。

怎么准备？

准备的关键是三条：把「选图」的判断练成条件反射、把代码到图的链路先跑通、把 GIS 的坐标系与投影先弄懂。

• 图型三栏表：图型、适用数据、典型误用，各配一例。
• 编程两周营：读表、清洗、绑定可视化库，从 CSV 跑到成品图。
• 批判评述练笔：五篇范文精读，独立写三篇三段式评述。
• GIS 先学投影与坐标系：能解释两例典型变形。
• 数据检查清单：缺值、格式、字段、量纲，逐项过完再画图。
• 留一版可复现的脚本：同一份代码换数据能重跑，作业迭代和作品集整理都省时间。
• 倒排计划：每次作业四周，四个检查点。
• 作品存档：两次作业的迭代版本留好，后面直接整理成作品集。
• 先看评分标准再动手：作业要求里通常明确写了评什么，先逐条读懂，再决定把时间花在哪，能省掉大量无效打磨。

中英术语速查

• data visualization —— 数据可视化：把数据画成图以便理解。
• information visualization —— 信息可视化：针对抽象信息的可视化。
• chart type —— 图表类型：柱状图、折线图、散点图等。
• histogram —— 直方图：展示数值分布。
• choropleth map —— 分级统计图：按区域数值填色的地图。
• heat map —— 热力图：用颜色深浅表示数值。
• small multiples —— 小多图：用多个同结构小图对比。
• mis-representation —— 误导性呈现：让读者得出错误结论的画法。
• truncated axis —— 截断坐标轴：不从零开始，夸大差异。
• data preparation —— 数据准备：获取、清洗、整理数据。
• data cleaning —— 数据清洗：处理缺值、异常与格式问题。
• GIS (Geographic Information System) —— 地理信息系统：管理与分析地理数据的系统。
• coordinate system —— 坐标系：定义位置的参照体系。
• map projection —— 地图投影：把球面展平到平面的方法。
• vector / raster —— 矢量 / 栅格：两类地理数据表示方式。
• critical assessment —— 批判性评估：有依据地评价优劣。
• coursework —— 课程作业：计入成绩的平时作品。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.ucl.ac.uk/module-catalogue/modules/data-visualization-and-gis-INST0065

本文涉及学校、学部、院系、课程代码、学分、层级、学期、授课模式、课程内容、学习成果、考核结构、限修规则与双轨 delivery 的事实，均来自上述学校官网课程页；核对时间为 2026-10-30。文中「与国内课程差异、先修判断、难点、适合谁、怎么准备、学完能力」等属于基于课程内容的分析与学习建议，不代表学校官方要求。

← 学业指南首页课程库