À Table!一个提升足球联赛排行榜时变探索能力的工具

这篇工作来自于2014年CHI会议,由法国INRIA实验室与美国哈佛大学联合完成。
本文针对的数据是足球联赛的排行榜数据。图1展示的就是某足球联赛中一轮比赛结束后的排行榜情况,其中主要包含各个足球队队伍信息(队名,队徽),积分、胜负平场数、进球失球数等数据,以及根据积分的排名和排名变化情况。而在足球联赛中,通常会有若干轮比赛,这样就能得到数张类似的排行榜。从一系列的排行榜的演变中,读者能够获取到各支队伍的积分变化情况、排名变化情况等等。具体到这篇工作所使用的数据,该联赛有20支队伍,共进行38轮比赛,每支队伍含有10项属性信息。同时,排行榜的读者可以针对其中某一个属性定义一个排序函数,并应用于各个轮次的排行榜数据上,用于理解数据。

图1:足球联赛某轮比赛结束后的排行榜情况

图1:足球联赛某轮比赛结束后的排行榜情况

我们都知道这类数据最常出现在体育类报纸或网站上,有体育专家或评论员根据各队伍排行情况来分析当前联赛形势。本文作者首先从已有的新闻中广泛收集已出现的分析任务,并将它们对应到Andrienko等人提出的时变数据分析任务的分类中,如图2所示。图中将任务分成两类,基础任务即只需要关注一个时刻或一个属性就能完成的任务,摘要任务表示需要联系多个时刻或一段时间的数据才能完成的任务。每类任务包含五个子任务,分别用条形图的形式表现它们在已有新闻中出现的频次。除此之外,作者还对一位专家进行采访,让其对各个任务的重要性进行评分,在图中用黑点表示。我们可以看到有许多任务是专家认为十分重要的,但却从未在已有的新闻中出现过,例如一些反向查询或比较任务。作者认为这些任务之所以没有得到关注,是因为没有合适的工具来帮助新闻工作者进行分析。为了解决这个问题,作者提出了À Table!这个工具。

图2:针对足球联赛排行榜数据的分析任务汇总及分类。条形图表示各任务在已有新闻中出现的频次,黑点表示专家对该任务重要程度的评分。

图2:针对足球联赛排行榜数据的分析任务汇总及分类。条形图表示各任务在已有新闻中出现的频次,黑点表示专家对该任务重要程度的评分。

À Table!这个工具本身仍然基于最基础的排行榜形式,但在此基础上提供了多种交互手段。图3是À Table!的界面概览,作者在最基本的排行榜的基础上,允许同时选择多支队伍,并允许对任意的一项属性进行排序,同时作者增添了一个滑动条用来帮助用户来查看任意时刻的排行情况。除此之外,作者还提出了Drag-Cell和Viz-Rank这两种新颖的交互方式,对使用者探索联赛排行榜数据有极大的促进作用,这也是本文在可视化方面的主要创新点。

图3:À Table!的界面概览

图3:À Table!的界面概览

Drag-Cell操作允许用户通过鼠标直接拖动某一支队伍的某一项属性值,将其拖动到期望的数值,此时时间轴将直接跳至该数值对应的轮次。例如,在图4中所示的例子中,用户希望看到队伍Lyon在积分为11分时的联赛排行情况,于是用户首先在Lyon的积分一栏按下鼠标(图(a)),并往下拖动(图(b)),此时该队伍的积分将一直减少,直至达到目标分数(11分)时,用户松开鼠标(图(c)),所有队伍的各属性以及联赛排行情况将更新到对应轮次的情况(图(d))。经过这种交互设计,作者期望该技术能在反向查询,反向比较以及关系查询这三种任务中达到最快的速度。

图4:Drag-Cell的操作演示

图4:Drag-Cell的操作演示

Viz-Rank操作允许用户从排行榜视图切换到折线图来完成相关任务,如图5所示。用户首先在排行榜视图中选择若干支队伍,然后点击一支队伍的某一属性,就进入了折线图模式。在这个视图下,用户可以十分方便的比较所关注队伍某属性的走势,并能比较队伍间的差别。作者期望这项技术能降低使用者在进行诸多概览任务时的错误率。

图5:Viz-Rank操作演示

图5:Viz-Rank操作演示

作者为了验证所提出技术的有效性,进行了十分广泛的用户调研工作。作者将其实现放到网站上,邀请人们使用,其网址是http://charles.perin.free.fr/atable/。整个用户调研工作持续了3个星期,共有一千余人参与,完成了六千余次任务,共收集了十八万余次交互操作的记录。
作者发现有31%的任务是通过使用Viz-Rank技术得到了答案,而Drag-Cell的这一比例为9%(如果在某任务中这两项技术同时使用,那么只计算最后使用的技术),另有60%的任务则没有借助这两项技术。图6则是这三种情况的耗时、正确情况下耗时以及错误率的对比情况。从中可以总结出以下几点结论:
1. 对于一些基本的任务,最基础的交互不仅十分必要,并且容易操作。但对于复杂任务来说,只是用基础交互手段将导致很高的错误率。
2. Drag-Cell在其所期望擅长的反向类任务中,的确有很高的准确率,并且耗时较短,但是在其它任务中却基本没有用处。
3. Vis-Rank十分适合概览类任务,具有很高的准确度,并在其它任务中也有所用处。但其通常耗时较长,需要用户有对信息可视化有基本的了解。

图6:两种交互技术以及传统交互技术在耗时、错误率等数据的比较

图6:两种交互技术以及传统交互技术在耗时、错误率等数据的比较

总起来看,本文的贡献主要包含三个层次:1. 对所研究问题有形式化的描述,并对时变分析任务有了详细的分析。2. 提出了À Table!这一增强版的排行榜工具,并提出了两项新颖的交互技术。 3. 通过广泛的用户调研验证所提出交互技术相对于传统方法的优势。笔者认为这篇文章属于一种微创新,即在已有传统技术的技术上,提出了一些便于用户使用的交互手段。但有些实现因为受限于传统技术,而显得有些生硬,例如通过调节滑动条来设置轮次的方式,以及排行榜与折线图的切换。同时,作者提出的两项新交互技术,对于解决特定问题十分有用,但没能形成一个统一的针对该数据的解决方案,所以仍然有些遗憾。

[1] Charles Perin, Romain Vuillemot, Jean-Daniel Fekete: A table!: improving temporal navigation in soccer ranking tables. CHI 2014: 887-896

评论关闭。