如何跨不同理解层次评估数据可视化
人机交互
2020-09-04 v1
摘要
理解一个可视化是一个多层次的过程。读者必须从数值事实中提取并外推，理解这些事实如何应用于数据情境及其他潜在情境，并从数据中得出或评估结论。一个设计良好的可视化应支持上述每一个理解层次。我们通过改编教育文献中的常用框架——Bloom 分类法，来诊断对可视化数据的理解层次。我们描述了该框架的每个层次，并提供示例说明如何将其应用于沿知识获取的六个层次（知识、理解、应用、分析、综合和评估）评估数据可视化的效能。我们呈现了三个案例研究，表明该框架扩展了现有方法，可全面衡量可视化设计如何促进观众对可视化的理解。尽管 Bloom 原始分类法暗示某些领域具有强层次结构，但我们在三个案例研究中很少发现不同层次表现之间的依赖关系。如果这种层次独立性在后续测试的可视化中成立，该分类法可启发针对与传播目标相关的理解层次进行更有针对性的评估。
引用
@article{arxiv.2009.01747,
title = {How to evaluate data visualizations across different levels of understanding},
author = {Alyxander Burns and Cindy Xiong and Steven Franconeri and Alberto Cairo and Narges Mahyar},
journal= {arXiv preprint arXiv:2009.01747},
year = {2020}
}
备注
8 pages, 3 figures, accepted for presentation at BELIV 2020