A Typology of Guidance Tasks in Mixed‐Initiative Visual Analytics Environments
A Typology of Guidance Tasks in Mixed‐Initiative Visual Analytics Environments
复制标题
混合主动视觉分析环境中指导任务的类型学
DOI：
10.1111/cgf.14555
复制
发表时间：
2022
影响因子：
2.5
通讯作者：
F. Sperrle
中科院分区：
文献类型：
--
作者：
I. Pérez-Messina;D. Ceneda;M. El-Assady;S. Miksch;F. Sperrle
指南已被提出作为一个概念框架，以了解混合主动视觉分析方法如何在解决分析任务时积极支持用户。虽然用户任务得到了相当大的关注，但仍然不完全清楚如何通过指导来支持它们，以及这种支持如何影响任务本身的进展。我们的观察是，在理解指导对分析性话语的影响方面存在研究空白，特别是在混合主动方法中的知识生成方面。因此，可视化分析环境中的指导通常与常见的可视化功能无法区分，这使得用户响应难以预测和测量。为了解决这些问题，我们从系统的角度提出了指导任务的概念，并将其作为一个与既定用户任务类型密切相关的类型。我们直接从知识生成过程中的指导模型得出了建议的类型学，并说明了其对指导设计的影响。通过讨论三个案例研究，我们展示了我们的类型学可以应用于分析现有的指导系统。我们认为，没有一个明确的考虑系统的角度来看，在混合主动方法的任务分析是不完整的。最后，通过分析用户和指导任务的匹配，我们描述了指导任务如何帮助用户总结分析或改变其过程。
Guidance has been proposed as a conceptual framework to understand how mixed‐initiative visual analytics approaches can actively support users as they solve analytical tasks. While user tasks received a fair share of attention, it is still not completely clear how they could be supported with guidance and how such support could influence the progress of the task itself. Our observation is that there is a research gap in understanding the effect of guidance on the analytical discourse, in particular, for the knowledge generation in mixed‐initiative approaches. As a consequence, guidance in a visual analytics environment is usually indistinguishable from common visualization features, making user responses challenging to predict and measure. To address these issues, we take a system perspective to propose the notion of guidance tasks and we present it as a typology closely aligned to established user task typologies. We derived the proposed typology directly from a model of guidance in the knowledge generation process and illustrate its implications for guidance design. By discussing three case studies, we show how our typology can be applied to analyze existing guidance systems. We argue that without a clear consideration of the system perspective, the analysis of tasks in mixed‐initiative approaches is incomplete. Finally, by analyzing matchings of user and guidance tasks, we describe how guidance tasks could either help the user conclude the analysis or change its course.
登录
查看更多内容
协同自适应视觉数据分析和指导流程
DOI：
--
发表时间：
2021
期刊：
Computers & graphics
影响因子：
--
作者：
F. Sperrle;A. Jeitler;J. Bernard;D. Keim;Mennatallah El
通讯作者：
Mennatallah El
显性知识的作用：知识辅助可视化分析的概念模型
DOI：
10.1109/vast.2017.8585498
发表时间：
2017
期刊：
2017 IEEE Conference on Visual Analytics Science and Technology (VAST)
影响因子：
--
作者：
P. Federico;Markus Wagner;A. Rind;Albert Amor;S. Miksch;W. Aigner
通讯作者：
W. Aigner
影响因子：
1.8
作者：
Bors, Christian;Wenskovitch, John;Dowling, Michelle;Attfield, Simon;Battle, Leilani;Endert, Alex;Kulyk, Olga;Laramee, Robert S.
通讯作者：
Laramee, Robert S.
影响因子：
3
作者：
Collins, Christopher;Andrienko, Natalia;Dwyer, Tim
通讯作者：
Dwyer, Tim
DOI：
10.1109/tvcg.2015.2467591
发表时间：
2016-01
影响因子：
5.2
作者：
D. Sacha;Hansi Senaratne;Bum Chul Kwon;Geoffrey P. Ellis;D. Keim
通讯作者：
D. Sacha;Hansi Senaratne;Bum Chul Kwon;Geoffrey P. Ellis;D. Keim