视觉信念引出降低错误发现的发生率
人机交互
2023-01-31 v1
摘要
可视化支持探索性数据分析（EDA），但 EDA 经常呈现虚假图表，可能误导人们得出无根据的结论。我们研究防止从可视化数据中错误发现的干预措施。我们评估引出分析者信念是否有助于防范对含噪可视化的过度解读。在两项实验中，我们让参与者接触虚假与“真实”的散点图，并评估其推断这些样本背后数据生成模型的能力。经历先验信念引出的参与者多做出 21% 的正确推断，同时减少 12% 的错误发现。该益处见于多种样本特征，表明干预具有广泛效用。然而，突出反证与样本不确定性的额外干预未带来显著优势。我们的发现表明，轻量的、信念驱动的交互可带来可靠但适度的错误发现减少。本工作亦指出改进视觉推断与减少偏差的未来方向。本文的数据与材料见 https://osf.io/52u6v/。
引用
@article{arxiv.2301.12512,
title = {Visual Belief Elicitation Reduces the Incidence of False Discovery},
author = {Ratanond Koonchanok and Gauri Yatindra Tawde and Gokul Ragunandhan Narayanasamy and Shalmali Walimbe and Khairi Reda},
journal= {arXiv preprint arXiv:2301.12512},
year = {2023}
}
备注
To appear in CHI '23: ACM Conference on Human Factors in Computing Systems