流行病学建模中的可视化:挑战、方案、反思与建议
人机交互
2022-06-22 v2
摘要
我们通过记录并反思知识建构——一系列取自现有可视化研究与实践的思想、途径与方法——来报告流行病学建模者与可视化研究者之间持续的协作,这些建构被部署并发展以支持 COVID-19 大流行的建模。通过迭代反思综合对这些工作的结构化独立评述,形成:在此背景下可视化有效性与价值的证据;研究界可聚焦的开放问题;对此类未来活动的指导;以及保障成果并促进、推进、确保和准备未来此类协作的建议。在描述并比较于空前条件下开展的一系列相关项目时,我们希望这份独特报告及其丰富的交互式补充材料,能引导科学界在观测、分析与建模数据及传播发现中接纳可视化。同样,我们希望鼓励可视化界投身有影响力的科学以应对其新兴数据挑战。若我们成功,此活动展示或可激发具有互补专长的界别间互利参与,以解决流行病学及更广领域中具有重要意义的问题。https://ramp-vis.github.io/RAMPVIS-PhilTransA-Supplement/
引用
@article{arxiv.2204.06946,
title = {Visualization for Epidemiological Modelling: Challenges, Solutions, Reflections & Recommendations},
author = {Jason Dykes and Alfie Abdul-Rahman and Daniel Archambault and Benjamin Bach and Rita Borgo and Min Chen and Jessica Enright and Hui Fang and Elif E. Firat and Euan Freeman and Tuna Gonen and Claire Harris and Radu Jianu and Nigel W. John and Saiful Khan and Andrew Lahiff and Robert S. Laramee and Louise Matthews and Sibylle Mohr and Phong H. Nguyen and Alma A. M. Rahat and Richard Reeve and Panagiotis D. Ritsos and Jonathan C. Roberts and Aidan Slingsby and Ben Swallow and Thomas Torsney-Weir and Cagatay Turkay and Robert Turner and Franck P. Vidal and Qiru Wang and Jo Wood and Kai Xu},
journal= {arXiv preprint arXiv:2204.06946},
year = {2022}
}