Chartist：面向图表阅读的任务驱动型眼动控制模型
人机交互
2025-02-07 v1
摘要
要设计易于理解的数据可视化，我们需要了解不同兴趣的人如何阅读它们。预测图表扫描路径的计算模型可以通过低成本估算用户表现来补充实证研究；然而，以往的模型仅限于注视模式，忽略了任务的影响。在此，我们提出 Chartist，一个计算模型，用于模拟用户如何移动眼睛从图表中提取信息以执行分析任务，包括数值检索、过滤和寻找极值。其新颖贡献在于一个双层分层控制架构。在高层，模型利用大语言模型（LLMs）理解迄今获得的信息，并应用此表征为低层控制器选择一个目标，低层控制器则根据通过强化学习习得的采样策略移动眼睛。该模型能够预测跨多种任务的、类人的任务驱动型扫描路径。它可应用于可解释人工智能、可视化设计评估和优化等领域。尽管在泛化能力和准确性方面存在局限，但它将建模引向了一个有前景的方向，即理解人类与图表交互的行为。
引用
@article{arxiv.2502.03575,
title = {Chartist: Task-driven Eye Movement Control for Chart Reading},
author = {Danqing Shi and Yao Wang and Yunpeng Bai and Andreas Bulling and Antti Oulasvirta},
journal= {arXiv preprint arXiv:2502.03575},
year = {2025}
}