视觉分析过程中哪些用户行为造成了差异？
人机交互
2023-12-05 v3 计算机视觉与模式识别
机器学习
摘要
对视觉分析过程的理解可从多方面惠及可视化研究者，包括改进视觉设计与开发高级交互功能。然而，由于意义建构的复杂性以及我们对相关用户行为认知的不足，用户行为的日志文件仍难以分析。本研究提出了一项针对用户行为的全面数据收集，以及采用时间序列分类方法的分析方案。我们选取了一个经典的可视化应用——Covid-19 数据分析，其涵盖地理空间、时间序列与多属性等常见分析任务。我们的用户研究在两个可比较的系统（桌面与沉浸式可视化）上收集了用户在多样化可视化任务中的行为。我们以三种时间序列机器学习算法在两个尺度上总结了分类结果，并探究了行为特征的影响。结果表明，在视觉分析过程中用户行为可被区分，且用户的身体行为与其所执行的可视化任务之间存在潜在的强关联。我们还通过解释视觉分析的开放会话展示了模型的使用，提供了一种无需繁琐人工标注的自动化意义建构研究途径。
引用
@article{arxiv.2311.00690,
title = {What User Behaviors Make the Differences During the Process of Visual Analytics?},
author = {Zekun Wu and Shahin Doroudian and Aidong Lu},
journal= {arXiv preprint arXiv:2311.00690},
year = {2023}
}
备注
This version corrects the issues of previous versions