面向可视化分析的知识溯源结构化与分析方法论
人机交互
2023-10-30 v3
摘要
可视化分析（VA）的主要目标是实现用户引导的知识生成。理论 VA 致力于解释 VA 工具的不同方面如何通过用户交互性带来新见解，而这一过程本身可通过跟踪方法捕获以用于复现或评估。然而，自动捕获用户思维过程（如意图与见解）并将其与用户交互事件相关联的过程在很大程度上被忽视了。此外，两种交互性捕获形式通常模糊且混杂：时间方面（指示事件序列）与非时间方面（将工作流解释为状态空间内状态序列）。在本工作中，我们提出可视化分析知识图（VAKG），这是一种通过新颖的集合论知识建模形式化将 VA 建模理论付诸实践的概念框架。通过从 VA 工具中提取此类模型，VAKG 构建了一个描述用户行为及其相关知识获取过程的四元时间知识图。此类知识图可在用户分析会话期间手动或自动填充，随后可使用图分析方法进行分析。VAKG 通过对 Tableau 与可视化文本挖掘工作流进行建模与收集得以展示，从中可从知识图中提取出用户满意度比较、工具效能及整体工作流缺陷。
引用
@article{arxiv.2204.00585,
title = {A Theoretical Approach for Structuring and Analysing Knowledge Provenance for Visual Analytics},
author = {Leonardo Christino and Sima Rezaeipourfarsangi and Evangelos Milios and Fernando V. Paulovich},
journal= {arXiv preprint arXiv:2204.00585},
year = {2023}
}
备注
14 pgs, submitted to Computer Graphics Forum 2023