叠加时间序列与 temporal 事件序列可视化中标定方法的评估
人机交互
2019-08-21 v1
摘要
复合 temporal 事件序列可视化已引入哨兵事件对齐技术，以应对数据量与多样性。已有工作证明了使用单事件对齐理解哨兵事件前后的前驱、共现与后续事件的效用。然而，单事件对齐在复合可视化中的有用性尚未得到充分评估。此外，近期提出的双事件对齐技术也未经实证评估。本工作中，我们围绕 temporal 事件序列与时序分析设计任务，并在 Amazon Mechanical Turk 上开展受控实验，检验四种哨兵事件对齐方法：无哨兵事件对齐（NoAlign）、单事件对齐（SingleAlign）、左对齐双事件对齐（DualLeft）与拉伸对齐双事件对齐（DualStretch）。方法间差异在较多数据行时最为显著。对于理解两哨兵事件之间的中间事件，双事件对齐在正确性上明显胜出——71% 对比 NoAlign 与 SingleAlign 的 18%。对于理解两哨兵事件间时长，NoAlign 明显胜出：正确性——88% 对比 DualStretch 的 36%——完成时间——55 秒对比 DualLeft 的 101 秒——以及误差——1.5% 对比 DualStretch 的 8.4%。对于理解前驱与后续事件，各方法间无显著差异。本文副本、评估刺激材料与数据及源代码见 https://osf.io/78fs5。
引用
@article{arxiv.1908.07316,
title = {Evaluating Alignment Approaches in Superimposed Time-Series and Temporal Event-Sequence Visualizations},
author = {Yixuan Zhang and Sara Di Bartolomeo and Fangfang Sheng and Holly Jimison and Cody Dunne},
journal= {arXiv preprint arXiv:1908.07316},
year = {2019}
}