重新思考视觉通道的排名(Rethinking the Ranks of Visual Channels)

在可视化中,我们可以用位置、长度或亮度等视觉通道展示数据。现有对视觉通道的排名主要是基于参与者能多准确地报告两个用视觉通道表示的数值之间的比率。这个排名成立的假设是,对于不同的任务和不同数量的视觉元素,排名保持不变。然而,现有的工作很少对该假设进行实验,特别是考虑到在现实世界的可视化中,根据观察到的视觉通道来计算两个数值的比率相对来说没有那么重要,相比之下,看到、记住和比较趋势更为重要。

为了比较观察者从可视化中提取的信息,论文作者进行了一系列的实验,要求参与者在看到可视化后立即从记忆中再现一组数值。作者一共测试了6种可视化及对应的视觉通道:条形图(位置(条形))、折线图(位置(折线))、热度图(亮度)、气泡图(面积)、错位的条形图(长度)、 风力图(角度)。

图1 实验涉及到的视觉通道以及实验过程。

实验过程如图1所示,在每次试验中,参与者都要完成一个再现任务。屏幕上首先出现持续0.75秒的可视化,然后显示0.25秒的空白,紧接着,参与者被要求重现每个视觉元素(例如,一个条形),他们点击或拖动鼠标来改变屏幕上预先标记的视觉元素(图1c)。可视化被随机放置在四个象限中的一个(图1b),并在对角线象限中重新绘制。例如,如果参与者看到左上角的可视化,他们就在右下角重画该可视化。短暂的可视化显示时间,加上没有标记的轴线,可以防止参与者将视觉元素重新编码为其他形式,并抑制先验知识等自上而下的影响。加入了空白屏幕的显示和不同的重绘位置以消除视觉残留的影响。

图2 偏差(bias)、精确度(precision)和误差(error)。偏差和精确度描述了一组实验结果的平均属性,而误差是对单一结果的测量。

通过贝叶斯多层次建模方法,作者使用不同的指标(偏差、精确度和误差,具体的定义如图2所示)对视觉通道进行了排名,并且展示了视觉通道的排名随着可视化中视觉元素数量(2、4或8)的变化,如图3所示。

图3 视觉通道在三个指标上的概率排名。

实验表明,即使对于只有2个元素的情况,传统的排名也不成立,而对于不同标记数量的情况,排名也不一致。除了视觉通道的选择之外,其他因素对参与者表现的影响要大得多(如图4所示),例如视觉元素数量(例如,更多的元素导致更大的误差),以及每个视觉元素的数值(例如,小数值被系统性地高估了)。显示8个视觉元素的情况下,每个视觉通道都比4个元素的差,这与既定的视觉记忆的限制相一致。

图4 视觉元素数量和数值对于实验结果指标的影响。

以前基于数值比率判断任务的视觉通道排名似乎是很有吸引力的一个规则,它将视觉比较的评估缩减到一个基本单元,这依赖于一种假设,即基于该任务的排名应该推及新的任务。然而,该工作的研究结果否定了这一假设,设计者应该怀疑由数值比率判断任务导出的视觉通道排名,它可能不能作为一个通用的准则来使用。

该工作还揭示了视觉元素的数量、数值和其他次要因素(如数据平均值)如何影响参与者对于数据的再现。视觉通道之外的其他因素也可以成为设计建议的关键输入。今后,将数据属性(视觉元素的数量、数值)的影响参数化,以及设计者对低偏差、高精确度或低误差的优化愿望,可能有助于为可视化设计者的决策提供参考。 论文作者认为在数值比率判断实验之外,有必要进行大量的实证研究,作为对视觉通道有效性排序的基准,包括测试新的任务(检测趋势)、时间尺度(立即计算或稍后比较)和数值数量(从少数到数千)。

参考文献:
[1] McColeman, Caitlyn M., Fumeng Yang, Steven Franconeri, and Timothy F. Brady. “Rethinking the ranks of visual channels.” arXiv preprint arXiv:2107.11367 (2021).

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>