探索数据叙事中消极情感的视觉表达方法 (Negative Emotions, Positive Outcomes? Exploring the Communication of Negativity in Serious Data Stories)

数据故事是一种将数据可视化与叙事、互动、装饰或动画相结合的视觉形式,它越来越受欢迎。其中,严肃的数据故事与旨在娱乐观众的故事不同,它通常基于人类和环境等严肃话题,传达的信息往往是负面的。因此,这些故事往往试图引起观众的负面情绪,如悲伤和恐惧。例如,在COVID-19大流行期间,许多数据可视化作品讨论如何用数据故事让人们真正关心死亡,关心自己的健康。该工作就如何对利用可视化设计准确表达严肃、消极情感展开了相关探索,对于自动数据情感表达及可视化叙事自动生成提供了理论依据。

图1: 该工作发现并讨论的19种消极情感表达设计手法

为了更好地了解讲故事的人在严肃的数据故事中激发负面情绪的动机,如何利用设计传达这种情绪,以及这种做法的缺陷。作者与9位领域专家进行了一次研讨会,并从他们那里收集了很多想法和意见。这些领域专家的背景如图2所示。作者提出了三个问题来指导他们的研究,即在严肃的数据故事中激发负面情绪可能有哪些好处,有哪些潜在的设计方法会促成负面情绪的产生,以及关于激发负面情绪有哪些争议性的问题。同时,这项工作收集了72个可以引发负面情绪的系列数据故事的语料库,我们可以在网页上浏览该语料库(https://negativity.idvxlab.com/)。

图2:参与研讨会的领域专家背景

作者总结出严肃的数据故事激发负面情绪的三种可能的好处,包括导致沉思的体验,提高用户的参与度,以及对数据故事的长期印象。例如,这些数字可以有效地传达负面情绪,有利于用户的感知和记忆。此外,作者确定了19种可能增强负面情绪的潜在设计方法。这些设计方法被归纳为六个策略:Sensory challenge、Attachment to reality、Powerful messaging 、Loss of control 、Persistent uncertainty、 Obstacles and failure。

然而,人们对负面情绪的接受程度可能不同。作者总结的设计方法也不一定总是有效。作者还发现了三个有争议的问题,即负面情绪的接受程度,设计方法的有效性,讲故事的人的自我表达。因此 ,作者随后招募了35名参与者进行一项实验室内的研究,从观众的角度再次考察研究问题。作者感兴趣的是在严肃的数据故事中激发负面情绪的结果是什么,以上总结的设计方法在增强负面情绪方面的效果如何。作者从他们收集到的语料库中,选出13个关于COVID-19的数据故事作为实验内容,如图3所示。

图3: 选取出的13个关于COVID-19的数据故事

首先,每个参与者观看了从这13个数据故事中随机选择的3个故事,并填写了一份调查问卷来反馈他们的情绪。他们在观看完这3个故事后分别汇报一些指标。作者还采访了参与者,请他们详细描述在观看这3个故事时,他们的负面情绪是如何发生的,为什么会发生。在参与实验的2-3周后,作者又对参与者进行了一次在线访谈,以评估他们对数据故事的长期记忆。

该工作测量了这些数据故事是否能像预期的那样激发负面情绪,以及结果是什么。包括沉思体验、用户参与、元情绪(Meta-emotion)和长期回忆。元情绪是指实验参与者是否喜欢或喜欢体验这些情绪。作者使用EARL(Emotion Annotation and Representation Language),其中包含24种积极情绪和24种消极情绪。参与者被要求用9分制给这48种情绪打分。

图4:用户实验结果统计

该工作的用户实验结果如图4所示。我们可以看到,负面情绪的平均分数与沉思体验的指标显示出显著的正相关关系,与用户参与的有些方面表现出显著的正相关关系。 但是, 负面情绪与用户的元情绪没有显示出明显的关系。换句话说,有些参与者并不喜欢感受负面情绪。相反,积极情绪的平均分数与元情绪显示出明显的正相关关系,这表明参与者确实更喜欢感受积极情绪。最后,作者发现尽管被试对数据的记忆逐渐消失,但他们所经历的负面情绪或多或少地停留在他们的脑海中。 而且负面情绪的记忆比正面情绪略好。

图5:设计方法的有效性统计

随后,作者分析了有关设计方法的数据,发现19种设计方法在增强负面情绪方面表现出不同的有效性。如图5所示,有些设计方法,如角色扮演游戏,显示出非常高的有效性。而有些设计方法,如扭曲的形状和淡出的效果,则不那么有效。

图6: 设计方法和负面情绪的关系

作者还分析了设计方法和负面情绪的关系,如图6所示。在这里我们可以看到,有些设计方法更经常地与某些类型的情绪相关联。例如,具有消极语义和黑暗背景的图片与悲伤高度相关。 最容易被记住的设计元素是数据故事中的图像和照片。

综上所述,在数据故事中激发负面情绪是一把双刃剑。在严肃的数据故事的背景下,负面情绪有助于沉思体验和长期回忆。然而,激发负面情绪仍然是有争议的。此外,数据故事作者的期望和观众的真实体验之间可能存在差距。该工作发现可能影响消极情绪有效传播的三个因素,包括观众的可视化素养、思维方式和感受情绪的能力。

该工作扩展了评估数据故事的传统方法,并通过调查严肃的数据故事捕捉到了更复杂的用户体验形式。该工作表明在数据驱动的故事中,负面情绪也可以是有益且有体验价值的。同时,该工作还提出将数据故事作者和观众、即时和长期的用户感受纳入数据故事的评估中的重要性,以获得对数据故事交流更丰富的理解。

【参考文献】

[1] Xingyu Lan, Yanqiu Wu, Yang Shi, Qing Chen, and Nan Cao. 2022. Negative Emotions, Positive Outcomes? Exploring the Communication of Negativity in Serious Data Stories. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems (CHI ’22). Association for Computing Machinery, New York, NY, USA, Article 28, 1–14. https://doi.org/10.1145/3491102.3517530

发表评论?

0 条评论。

发表评论


注意 - 你可以用以下 HTML tags and attributes:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>