标签存档: interaction

通过交互打破数据故事的第四面墙 (Breaking the Fourth Wall of Data Stories Through Interaction)

打破第四面墙(BTFW)源于戏剧和文学作品。指故事中的角色走出故事里的世界,意识到观众的存在,直接与读者或观众对话。在数据故事中,BTFW作为一种叙事手段可以与交互结合,从而在用户和数据故事之间建立更深层的联系。可视化中的BTFW通过直接对话用户或请求用户信息将用户的个人情况整合到可视化叙事中。该工作分析了当下数据故事中使用BTFW交互的优势和挑战,并且探索了数据故事中常用的BTFW交互设计模式 [1]。

继续阅读 »

GUIRO: 用户引导的矩阵重排序 (User-Guided Matrix Reordering)

矩阵可视化是主要的关系(或网络)数据可视化技术之一。如果其布局能够揭示底层的数据拓扑结构,则最为有效。不同的矩阵排序算法带来不同的视觉模式,它们的可信赖性和可解释性是个值得研究的问题。 该工作[1]介绍了一种可视化分析系统来帮助新手、网络分析师和算法设计人员打开排序算法黑匣子,从而帮助用户更好地了解复杂的重排序过程,进而支持数据和重排序算法的见解。

继续阅读 »

主动墨迹:手写笔与数据的交互式探索(ActiveInk: (Th)Inking with Data)

在日常工作和生活中,为了进一步地理解关注的事物,人们往往会进行主动性的阅读,从不同渠道选取数据来分析。而数据通常形态各异,文字、图片、图表等等不一而足,这为分析和记录带来了困难。本文提出一种基于数码写字笔的多模态数据分析交互技术:ActiveInk。它能够使用户在传统书写标注的基础上,对多模态的内容流畅地执行高亮、关联等交互,更为自如地验证猜想、获取洞见。

继续阅读 »

Orko: 使用多模交互方式探索分析图可视化(Orko: Facilitating Multimodal Interactions for Visual Exploration and Analysis of Networks)

现有的可视化系统往往是在桌面环境下设计交互方式,越来越多的研究者开始考虑如何在大屏幕、平板等设备上设计交互方式。一部分工作利用可穿戴设备、VR/AR等设备检测人的手势、肢体动作实现与大屏幕的交互,还有一部分工作将自然语言作为交互输入方式。这项工作[1]尝试在可视化中利用多模输入(multimodal)的方式,将触摸(touch)和语音输入结合作为图可视化的交互方式,并且分析在多模输入环境下的用户交互行为特点。

继续阅读 »

GRASP: 结合移动设备和大屏幕与图可视化交互(GRASP: Combining Spatially-aware Mobile Devices and a Display Wall for Graph Visualization and Interaction)

除了传统的桌面显示环境,研究者们也在思考用其它的显示设备和更自然的交互方式设计可视化。这篇工作[1]将可被检测位置的移动设备和大屏幕结合起来支持图可视化的交互和分析;作者设计了一套全面的交互模型支持对图的交互、分析任务,包括选择、展示细节、焦点转换、交互式透镜、数据编辑等。 继续阅读 »

针对交互式数据可视化语法(Vega)的可视调试工具(Visual Debugging Techniques for Reactive Data Visualization)

Reactive Vega [1],是一种可视化领域专用,比D3更为高级的语法。它支持用户通过简洁的json,快速地定义交互式数据可视化。举个例子,图1-1绘制了一个散点图(如图1-3)。如果想在散点图中添加pan事件,可以通过signals关键词图1-2,定义事件以及事件触发时,相关数据的转化方式。相比于D3,在这里我们不需要定义事件的回调函数。这是因为Reactive Vega将事件当作数据流进行处理。当事件触发时,它会根据signals中定义的规则,重新计算相关的数据,并根据新的数据,重绘视图。

采用Reactive Vega定义交互式可视化,相当的简单方便。但是,它隐藏了数据具体的转化方式。同时,陈述式的语法形式模糊了数据之间的逻辑关系。这就导致Reactive Vega的调试,非常麻烦。常用的调试方法,比如断点查看,栈追踪等,在这里都发挥不了作用。为此,Hoffswell等人针对这种陈述式语法,提出了新的可视调试工具。

继续阅读 »