写入、排序或评分：比较研究可视化功能性方法

关于可视化功能性的研究工作日益增多，强调具体的设计选择如何塑造读者从信息可视化中获得的结论。然而，将设计选择与读者结论之间的关系映射往往需要大量基于人群的研究，生成大量自由响应文本以进行分析。为应对这一挑战，我们探索了替代性可扩展研究方法来评估图表功能性。我们测试了来自人类主体研究的四种触发方法：自由响应、可视化排序、结论排序和显著性评分，并比较它们在引导读者对折线图、散点图和热图解释方面的有效性。总体而言，我们发现尽管没有任何方法完全复制自由响应结论中观察到的功能性，但排序和评分方法的组合可在宏观层面上作为有效的代理方法。两种排序方法受到参与者对特定图表类型的偏好以及所提出结论的比较影响，而显著性评分无法捕捉其他方法中观察到的图表类型之间的具体差异。为补充本工作，我们提出了一个案例研究，使用 GPT-4o 探讨大语言模型（LLM）用于引导类人图表解释的可能性。这与最近在利用 LLM 作为人类参与者的代理以提高数据收集和分析效率方面的学术兴趣相吻合。GPT-4o 在显著性评分方法中作为人类代理表现最佳，但在其他领域受到严重限制。我们发现的各种触发方法（包括 GPT-4o）之间的功能性差异，突显了有意识选择和组合方法以及评估权衡的重要性。