Understanding node-link and matrix visualizations of networks: A large-scale online experiment
Understanding node-link and matrix visualizations of networks: A large-scale online experiment
复制标题
了解网络的节点链接和矩阵可视化：大规模在线实验
DOI：
10.1017/nws.2019.6
复制
发表时间：
2019
期刊：
影响因子：
1.7
通讯作者：
Höllerer, Tobias
中科院分区：
文献类型：
--
作者：
Ren, Donghao;Marusich, Laura R.;O’Donovan, John;Bakdash, Jonathan Z.;Schaffer, James A.;Cassenti, Daniel N.;Kase, Sue E.;Roy, Heather E.;Lin, Wan-yi;Höllerer, Tobias
我们在一个大规模的在线实验中调查了人类对不同网络可视化的理解。研究了三种类型的网络可视化：节点链接和20或50个节点的代表性社会网络上矩阵表示的两种不同排序变体。对网络的理解使用任务时间和准确度度量来量化，这些度量来源于已建立的任务分类法。我们实验的样本量比以往的研究增加了一个数量级以上（N = 600），统计能力高，对详细效果的估计更精确。具体来说，高统计能力使我们能够将现代交互能力作为评估可视化的一部分，并评估整体学习率以及环境（隐式）学习。结果表明，参与者对节点链接可视化的理解最好，比两种矩阵可视化具有更高的准确性和更快的任务时间。对参与者学习的分析表明，节点链接可视化和矩阵可视化在任务时间上有很大的初始差异，在实验过程中，矩阵可视化的表现逐渐接近节点链接可视化的表现。这项研究是可复制的网络模块和结果已提供在：https://osf.io/qct84/。
We investigated human understanding of different network visualizations in a large-scale online experiment. Three types of network visualizations were examined: node-link and two different sorting variants of matrix representations on a representative social network of either 20 or 50 nodes. Understanding of the network was quantified using task time and accuracy metrics on questions that were derived from an established task taxonomy. The sample size in our experiment was more than an order of magnitude larger (N = 600) than in previous research, leading to high statistical power and thus more precise estimation of detailed effects. Specifically, high statistical power allowed us to consider modern interaction capabilities as part of the evaluated visualizations, and to evaluate overall learning rates as well as ambient (implicit) learning. Findings indicate that participant understanding was best for the node-link visualization, with higher accuracy and faster task times than the two matrix visualizations. Analysis of participant learning indicated a large initial difference in task time between the node-link and matrix visualizations, with matrix performance steadily approaching that of the node-link visualization over the course of the experiment. This research is reproducible as the web-based module and results have been made available at: https://osf.io/qct84/.
登录
查看更多内容
DOI：
10.1145/3025453.3026024
发表时间：
2017-05
期刊：
Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Chunlei Chang;Benjamin Bach;Tim Dwyer;K. Marriott
通讯作者：
Chunlei Chang;Benjamin Bach;Tim Dwyer;K. Marriott
石井，N.；A.W.M.辛普森；C.C.阿什利：科学。
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
通讯作者：
--
理解和表征洞察力：人们如何使用信息可视化获得洞察力？
DOI：
--
发表时间：
2008
期刊：
Workshop on Beyond Time and Errors: Novel Evaluation Methods for Visualization
影响因子：
--
作者：
Ji Soo Yi;Y. Kang;J. Stasko;J. Jacko
通讯作者：
J. Jacko
如何组织犯罪
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
Mariagiovanna Baccara;Heski Bar
通讯作者：
Heski Bar
如何组织犯罪1
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
Mariagiovanna Baccara;Heski Bar
通讯作者：
Heski Bar