Concept-Driven Visual Analytics: an Exploratory Study of Model- and Hypothesis-Based Reasoning with Visualizations
Concept-Driven Visual Analytics: an Exploratory Study of Model- and Hypothesis-Based Reasoning with Visualizations
复制标题
概念驱动的视觉分析：基于模型和假设的可视化推理的探索性研究
DOI：
10.1145/3290605.3300298
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Reda, Khairi
中科院分区：
文献类型：
--
作者：
Choi, In Kwon;Childers, Taylor;Raveendranath, Nirmal Kumar;Mishra, Swati;Harris, Kyle;Reda, Khairi
可视化工具有助于探索性数据分析，但不能支持基于假设的推理。我们进行了一项探索性研究，以调查可视化如何支持概念驱动的分析风格，在这种风格中，用户可以选择以自然语言分享他们的假设和概念模型，并接收描述他们的模型与数据匹配的定制曲线图。我们报告了参与者如何利用这些独特的能力进行视觉分析。我们发现，大多数参与者都清楚地表达了有意义的模型和预测，并利用它们作为制造感觉的切入点。我们贡献了一个抽象的类型学，表示参与者持有并外化为数据预期的模型的类型。我们的发现提出了重新设计视觉分析工具的方法，以更好地支持基于假设和基于模型的推理，除了它们在探索性分析中的传统角色。我们讨论了设计的影响，并反思了潜在的好处和涉及的挑战。
Visualization tools facilitate exploratory data analysis, but fall short at supporting hypothesis-based reasoning. We conducted an exploratory study to investigate how visualizations might support a concept-driven analysis style, where users can optionally share their hypotheses and conceptual models in natural language, and receive customized plots depicting the fit of their models to the data. We report on how participants leveraged these unique affordances for visual analysis. We found that a majority of participants articulated meaningful models and predictions, utilizing them as entry points to sensemaking. We contribute an abstract typology representing the types of models participants held and externalized as data expectations. Our findings suggest ways for rearchitecting visual analytics tools to better support hypothesis- and model-based reasoning, in addition to their traditional role in exploratory analysis. We discuss the design implications and reflect on the potential benefits and challenges involved.
登录
查看更多内容
可视化的价值
DOI：
--
发表时间：
2005
期刊：
VIS 05. IEEE Visualization, 2005.
影响因子：
--
作者：
J. V. Wijk
通讯作者：
J. V. Wijk
可视化分叉路径花园：可靠的探索性视觉分析的设计空间：立场文件
DOI：
10.1109/beliv.2018.8634103
发表时间：
2018
期刊：
2018 IEEE Evaluation and Beyond - Methodological Approaches for Visualization (BELIV)
影响因子：
--
作者：
Xiaoying Pu;Matthew Kay
通讯作者：
Matthew Kay
科学思维揭示了哪些关于认知本质的内容
DOI：
--
发表时间：
2000
期刊：
影响因子：
--
作者：
K. Dunbar
通讯作者：
K. Dunbar
从自然语言输入中提取信息到智能辅导系统
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
Michael Glass;M. Evens
通讯作者：
M. Evens
警告，可能会出现偏差：一种检测交互式视觉分析中认知偏差的提议方法
DOI：
10.1109/vast.2017.8585669
发表时间：
2017
期刊：
IEEE Visual Analytic Science and Technology (VAST
影响因子：
--
作者：
Wall, Emily;Blaha, Leslie M.;Franklin, Lyndsey;Endert, Alex
通讯作者：
Endert, Alex