面向健康信息探索的可视化方法:自适应视觉粒度与互动分析
数字图书馆
2026-01-30 v1
摘要
有效且精准地为消费者提供量身定制的健康信息至关重要,这取决于其具体需求与偏好。在获得适当健康信息并充分理解的前提下,消费者更可能做出明智决策,提高症状识别能力,并潜在地改善其医疗状况的预防或治疗效果。然而,今天的大部分健康信息以静态文档形式提供。本文提出一种新颖且创新的基于自适应文档可视化的健康信息系统。根据用户的信息需求与偏好,系统可以不同层次的细节、聚合程度和视觉粒度显示内容。用户可通过章节组织或自动计算的主题进行导航,选择从完整文本到词云的不同抽象层次。我们的第一项贡献是一次形式化用户研究,表明所实现的文档可视化相较于传统文档探索形式具有多项优势。据此,我们识别出若干关键方面,以指导后续系统开发。我们的第二项贡献是引入一种互动来源可视化,允许用户检视所接收内容的具体表现形式及顺序。我们展示了这一功能如何用于分析不同文档探索与导航模式,为自动适应和推荐功能提供支持。我们还定义了一种基准分类法,可原则上利用观察到的用户模式来调整文档呈现方式。互动来源视图进一步允许用户反思其探索过程,为未来系统使用提供指导。
引用
@article{arxiv.2502.12795,
title = {A Visual Approach for Health Information Exploration: Adaptive Levels of Visual Granularity and Interaction Analysis},
author = {Stefan Lengauer and Lin Shao and Hossein Miri and Michael Bedek and Cordula Kupfer and Maria Zangl and Bettina Kubicek and Barbara Dienstbier and Klaus Jeitler and Cornelia Krenn and Thomas Semlitsch and Carolin Zipp and Dietrich Albert and Andrea Siebenhofer and Tobias Schreck},
journal= {arXiv preprint arXiv:2502.12795},
year = {2026}
}
备注
19 pages, 7 figures, journal preprint