从认知负荷视角看网络可视化的可扩展性

节点-链接图被广泛用于可视化网络。然而，即便是最好的网络布局算法，在图达到一定的复杂度时最终也会产生“毛球”式可视化，需要通过聚合或交互（如过滤）来简化以保持可用性。迄今为止，几乎没有数据表明节点-链接图在何种复杂度下变得无效，或视觉复杂度如何影响认知负荷。为此，我们进行了一项受控研究，以理解需要详细理解网络拓扑的任务——寻找两节点间最短路径——的工作负荷极限。我们测试了具有 25 至 175 个节点且密度各异的图上的表现。我们收集了性能度量（准确率和响应时间）、主观反馈以及生理度量（EEG、瞳孔扩张和心率变异性）。据我们所知，这是首个包含生理度量的网络可视化研究。我们的结果表明，人们在超过 50 个节点的高密度节点-链接图以及超过 100 个节点的低密度图中寻找最短路径时有显著困难。从我们收集的 EEG 数据中，我们观察到困难与简单任务之间大脑活动的功能差异。我们发现认知负荷在达到一定难度水平后增加，之后下降，很可能是因为被试已经放弃。我们还探讨了全局网络布局特征（如尺寸或交叉数）以及最短路径特征（如长度或平直度）对任务难度的影响。我们发现全局特征通常比最短路径特征影响更大。