效应量判断与决策中的视觉推理策略

不确定性可视化通常强调点估计，以通过视觉比较支持量级估计或决策。然而，当设计选择强调均值时，用户可能会忽略不确定性信息，并将视觉距离误解为效应量的替代指标。我们展示了在 Mechanical Turk 上进行的一项混合设计实验的结果，该实验测试了八种不确定性可视化设计：95% 包含区间、假设结果图、密度图和分位数点图，每种均包含或不包含添加的均值。我们发现，在不确定性可视化中添加均值对量级估计和决策制定均有微小的偏倚效应，与忽略不确定性一致。我们还看到，支持最小偏倚效应量估计的可视化设计并不能支持最佳决策制定，这表明图表使用者在将相同信息用于不同任务时，其对效应量的感知未必相同。在对用户策略描述的定性分析中，我们发现许多用户会切换策略，且在存在最优策略时并未采用最优策略。理论上最优设计的不确定性可视化在实践中未必最有效，因为用户会以启发式方式满足（satisfice），这提示可通过建模潜在策略集合来更好地理解可视化有效性。