偏好与性能之间的张力：面向医疗网络多频率数据的可视化探索设计

复杂高维数据的分析是许多领域的常规任务，导致构建专用的可视化探索工具。领域专家作为用户的期望与实践并不总是与可视化理论保持一致。在本文中，我们报告了医疗领域的设计研究，其中开发了两种高保真原型，对编码EEG派生的脑网络数据采用不同类型的可视化。我们就这些原型在有效性、效率和偏好方面进行评估，涉及两个群体：具有领域知识的医学研究专家和没有领域知识的参与者，两者都对可视化经验有限。需求分析和低保真原型的研究揭示了对新颖且具有审美吸引力的可视化设计的强烈偏好，这与基于可视化理论认为更优的设计相反。我们的研究突显了两种方法的优缺点，讨论了特定任务度量与主观偏好之间的权衡。虽然采用审美上令人愉悦且新颖的低保真原型受到青睐，但我们的评估结果表明，这在参与者的表现和对高保真原型的主观偏好方面并未得到体现。