通过数字化“实地考察”来理解工业环境下可视分析过程的模式(Understanding Visual Investigation Patterns Through Digital “Field” Observations)

理解可视分析的一般过程和可视分析中的探索模式是十分重要而有意义的工作,其不仅能够帮助分析者在分析探索时寻找更快的工作路径,也能帮助可视化研究者设计和研究更强大的可视分析工具。但是在先前的大部分的工作中,对可视分析过程的研究都是在实验室环境下进行的,这样的环境与真实的分析者工作的环境是存在差别的,而在这一篇论文中[1],来自Google的作者就依托于自身所处的公司平台,对实际工业生产中的可视分析用户的工作过程进行了电子化的“实地考察”(图1),并最终总结了工业环境中可视分析的一些模式。

图1:该工作中作者对工业环境中可视分析过程进行了调研分析和总结

作者设计了两个部分的实验,第一部分是对9个不同领域工作者的可视分析过程进行详细的探索与分析,第二部分则是对Google公司内部使用的可视分析软件DataExplorer的2530段使用记录进行分析。

在第一个部分的实验中,作者详细地观察了9位在不同领域中有着丰富可视分析经验的工作者,对每个人进行了90分钟的用户实验,过程包括基本信息收集,实验介绍,60~70分钟的实际工作过程录像,以及最后15分钟的问答与讨论。作者对第一部分实验数据进行了分析,初步总结了用户可视分析的目的,可视分析过程的模式。作者使用Closed FAST算法对第二部分的2530段使用记录进行了处理分析,用于验证在第一部分中推断的结论。

作者首先根据实验中用户对他们进行可视分析的目的的描述,整理了四个工业环境中可视分析的目的(图2)。

图2:作者归纳的四种常见的工业环境中可视分析的目的

之后,作者仔细检查了实验录屏中,记录下了实验对象的详细操作与各种应用的具体的状态,对这些操作和状态进行了编码,抽象出了六种探索过程的模式(图3)。


图3:通过记录,整理与分析,作者总结了六种常见的可视分析中的探索模式

在得到六种模式之后,作者利用算法对第二部分的2530条数据进行了自动化的定量分析, 作者从这些记录中提取了9988条可视分析路径,来检验第一部分提出的六种可视分析探索模式在记录中出现的频率。经过检验,这六种模式是比较具有普遍性与代表性的(图4),其中Drilldown操作的出现频率是最高的,9988条路径中有8920条包含Drilldown操作。

图4:作者使用Closed FAST算法从可视分析操作路径中提取处的不同模式的常见表现实例

最后作者总结实验过程中的经验与体会,针对工业环境中的可视分析过程提出了5点未来可能的研究方向,包括:

  1. 大部分分析都会使用之前其他的工作结果作为起点。
  2. 将实时的沟通与交流整合到可视分析软件中。
  3. 分析过程与结果如何被展示给不同的对象。
  4. 如何更好地支持用户在得到分析结果之后进行后续的操作。
  5. 如何节约用户在沟通交流,数据,文档等应用之间频繁切换花费的时间。

综上所述,在该工作中,作者对实际工业生产环境中的可视分析过程进行了调研与分析,对工业环境中可视分析的目的,模式进行了总结,并给出未来可能的发展发现。作者也提到,对于工业环境中可视分析的探索,他们做出的只是一小步,还值得进行更大规模更多场景的分析与研究。

【参考文献】

[1] Irene Rae, Feng Zhou, Martin Bilsing, and Philipp Bunge. 2022. Understanding Visual Investigation Patterns Through Digital “Field” Observations. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems (CHI ’22). New York, NY, USA, pp1–16.

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>