不會做專業的圖表，reviewer 一看就知道
學術圖表有出版規範：向量格式、色彩語義、標注規格。Excel 截圖達不到標準。用正確方法生成出版級 SVG 向量圖表。
你是不是也遇到這個問題？
你用 Excel 做了一張長條圖，截圖貼進 Word。放大一看，邊緣模糊、字太小、配色是 Excel 預設的藍橘綠。投稿後 reviewer 的意見第一條就是：「Figure 1 resolution is insufficient for publication.」
你不是不會做圖，你是不知道學術圖表有一套出版規範。Reviewer 看圖表的專業度，就能判斷你的研究經驗。一張粗糙的圖，會讓 reviewer 對整篇論文的信任度下降。
為什麼會這樣？
學術圖表和簡報圖表是完全不同的東西：
| 維度 | 簡報圖表 | 學術圖表 |
|---|---|---|
| 格式 | PNG / JPG | SVG / EPS / PDF（向量格式） |
| 解析度 | 72-150 DPI | 300-600 DPI |
| 配色 | 好看就好 | 色彩語義一致（同變項同色） |
| 字體大小 | 隨意 | 最小 8pt，軸標籤清晰可讀 |
| 標注 | 可省略 | 軸標籤、單位、誤差線、顯著性標記 |
問題的根源：
- Excel 截圖是點陣圖 — 放大就模糊，期刊排版時會被壓縮得更慘
- 配色沒有語義 — Excel 預設色彩在黑白印刷時無法區分，色盲讀者也看不懂
- 缺少統計標注 — 沒有誤差線、沒有顯著性星號、沒有效果量標記
- 圖表沒有敘事 — 好的圖表自己會說故事，不需要讀者回去翻文字
怎麼解決？AI 生成出版級圖表
步驟 1：讓 AI 生成 SVG 向量圖
SVG 是向量格式，無論放大多少倍都不會模糊。把你的數據和需求告訴 AI：
Prompt 範例：
請用 Python matplotlib 生成一張分組長條圖，SVG 格式：
- 數據：實驗組前測 M=65.2(SD=8.1), 後測 M=78.4(SD=7.3)；對照組前測 M=64.8(SD=8.5), 後測 M=67.1(SD=8.9)
- 加上誤差線（標準差）
- 顯著性標記：實驗組前後測 p<.001 (***)
- 色彩：實驗組藍色系、對照組灰色系（色盲友善）
- Y 軸標籤：Score (points)，X 軸標籤：Group
- 字體大小最小 10pt，存為 SVG
AI 會生成完整的 Python 程式碼，在 Google Colab 執行即可下載 SVG 檔。
步驟 2：配色語義一致
整篇論文中，同一個變項要用同一個顏色：
- 實驗組 = 藍色系（所有圖表一致）
- 對照組 = 灰色系（所有圖表一致）
- 顯著 = 深色 / 不顯著 = 淺色
Prompt 範例：
我的論文有 5 張圖表，請定義一組色彩方案：
- 必須是色盲友善的（colorblind-safe palette）
- 黑白印刷時仍可區分（用不同灰度 + 紋理）
- 提供 hex 色碼，我會在所有圖表中統一使用
步驟 3：圖表敘事角色設計
每張圖表在論文中都有一個「敘事角色」— 它要幫讀者看到什麼？
| 敘事角色 | 適合圖表類型 | 範例 |
|---|---|---|
| 比較差異 | 長條圖 + 誤差線 | 實驗組 vs 對照組 |
| 呈現趨勢 | 折線圖 | 學習成效隨時間變化 |
| 展示關係 | 散佈圖 + 迴歸線 | 變項 A 與變項 B 的相關 |
| 描述分布 | 箱形圖 / 小提琴圖 | 分數分布型態 |
| 流程架構 | 流程圖 / 架構圖 | 研究設計 / 理論框架 |
Prompt 範例：
我的 Results 有以下發現，請建議每個發現最適合用什麼圖表類型呈現，並說明理由：
- 實驗組和對照組的後測分數有顯著差異
- 學習成效隨教學週數逐漸提升
- 動機分數與成績呈正相關
步驟 4：多面板組合圖
頂尖期刊常見 Figure 1 包含 (a)(b)(c)(d) 四個子圖。AI 可以幫你生成這種多面板圖：
Prompt 範例：
請用 Python matplotlib 生成一張 2×2 多面板圖（subplot），SVG 格式：
- (a) 分組長條圖：前後測比較
- (b) 折線圖：每週學習成效趨勢
- (c) 散佈圖：動機 vs 成績相關
- (d) 箱形圖：各組分數分布
- 統一色彩方案、統一字體大小、加上 (a)(b)(c)(d) 標籤
步驟 5：檢查清單 — 投稿前圖表自審
投稿前，用這張清單逐項檢查每張圖表：
- 格式是向量圖（SVG / EPS / PDF）
- 解析度至少 300 DPI（若為點陣圖）
- 軸標籤完整（含單位）
- 字體大小 ≥ 8pt
- 配色一致且色盲友善
- 有誤差線或信賴區間
- 顯著性標記正確（*, **, ***）
- 圖說（caption）獨立可懂，不需讀正文
核心原則： 圖表是論文的門面。Reviewer 翻開論文第一眼看的是圖表。用 AI 生成出版級向量圖，讓你的數據以專業的方式說話。
常見問題
Q：我不會 Python，怎麼用自動生成的程式碼？
把 AI 生成的 Python 程式碼貼到 Google Colab（免費、不需安裝），點執行就會產出圖檔。如果報錯，把錯誤訊息貼回給 AI，它會修好。
Q：期刊要求 TIFF 或 EPS 格式怎麼辦？
AI 生成 SVG 後，可以請 AI 加一行程式碼轉換格式。或用線上工具（如 CloudConvert）轉檔。向量格式之間的轉換不會損失品質。
Q：我的圖表已經用 Excel 做好了，要全部重做嗎？
不一定。把 Excel 圖表截圖給 AI 看，請它用 Python 重製成 SVG 版本。AI 可以從截圖理解你要的圖表類型，生成對應的程式碼。
這是 論文方法學 12 Phase 的 Phase 9：圖表呈現。