可视化中的昔日叙事：理解文本叙事在因果性中的应用
计算与语言
2020-09-08 v1
摘要
因果性可视化可帮助人们理解事件的时间链，例如分布式系统中发送的消息、历史冲突中的因果关联，或政治行为体随时间的相互作用。然而，随着这些事件序列的规模与复杂度增长，即便此类可视化在使用时也会变得令人不堪重负。本文提出将文本叙事作为一种数据驱动的故事叙述方法来增强因果性可视化。我们首先提出一个设计空间，描述文本叙事如何用于刻画因果数据。随后展示一项众包用户研究的结果，其中参与者被要求从两种因果性可视化——因果图与Hasse图——中恢复因果信息，实验条件包含或不包含关联的文本叙事。最后，我们介绍CAUSEWORKS，一个用于理解特定干预如何影响因果模型的因果性可视化系统。该系统基于我们的设计空间集成了自动文本叙事机制。我们通过对使用该系统的专家进行访谈验证了CAUSEWORKS，用于理解复杂事件。
引用
@article{arxiv.2009.02649,
title = {Once Upon A Time In Visualization: Understanding the Use of Textual Narratives for Causality},
author = {Arjun Choudhry and Mandar Sharma and Pramod Chundury and Thomas Kapler and Derek W. S. Gray and Naren Ramakrishnan and Niklas Elmqvist},
journal= {arXiv preprint arXiv:2009.02649},
year = {2020}
}
备注
9 pages + 2 references, 8 figures, 2 tables, IEEE VIS 2020 VAST Paper