Toward Agile Situated Visualization: An Exploratory User Study
我们介绍AVAR，一个原型实现的敏捷定位可视化（SV）工具包，针对活性，集成和表现力。我们报告的AVAR和七个专家用户的探索性研究的结果。在其中，参与者佩戴Microsoft HoloLens设备，并使用蓝牙键盘为给定的数据集编写可视化脚本。为了支持我们的分析，我们（i）视频记录会话，（ii）跟踪用户的交互，以及（iii）收集参与者的印象数据。我们的原型验证了敏捷SV是可行的。也就是说，在对SV进行编程时，活跃度提高了参与者的参与度，因此，会议具有高度的互动性，参与者愿意花费大量时间使用我们的工具包（即，中值>= 1.5小时）。参与者使用我们的集成工具包来处理数据转换，视觉映射和视图转换，而无需离开沉浸式环境。最后，参与者从我们的表达工具包中受益，并在编写SV时使用了多个可用功能。
2020-02-14 cs.HC
Cultivating Visualization Literacy for Children Through Curiosity and Play
作为儿童教育的一部分，培养数据可视化素养（DVL）可能会导致一个更具数据素养的社会。然而，DVL中的大多数儿童工作依赖于更正式的教育背景（即，教师主导的方法），这限制了儿童与数据的接触，以课堂为基础的环境，因此，儿童的能力，提出问题，并探索数据的主题，他们认为个人有意义的。我们探讨了好奇心驱动的，儿童主导的方法可以提供更多的代理儿童时，他们正在创作数据可视化。本文探讨了非正式学习如何通过游戏和好奇心来制作物理化，从而促进识字率的提高和对数据的参与。采用构造主义的方法，我们设计了一个由日常材料制成的自己动手的工具包（例如，纸、纸板、镜子），使儿童能够创建、自定义和个性化三种不同的交互式可视化（条形图、线条图和饼图）。我们使用该工具包作为一个设计探针，在一系列的人与5名儿童（6至11岁）和5名教育工作者的访谈工作坊。我们的观察表明，该工具包帮助儿童创造性地参与可视化和互动。有数据可视化知识的儿童报告说，该工具包更像是一种他们设想在日常生活中使用的创作工具，而几乎没有经验的儿童则认为该工具包是对数据可视化的一种引人入胜的介绍。我们的研究表明，使用建构主义的方法来培养儿童的DVL通过好奇心和游戏的潜力。
2022-08-09 cs.HC
Emolysis: A Multimodal Open-Source Group Emotion Analysis and Visualization Toolkit
本文提出开源多模态群体情绪分析工具包 Emolysis，可从视频中同步识别群体情绪、效价和唤醒度，并支持多平台与细粒度可视化分析。
2024-08-06 cs.HC
Facilitating Conversational Interaction in Natural Language Interfaces for Visualization
自然语言（NL）工具包使可视化开发人员（他们可能没有自然语言处理（NLP）背景）能够为最终用户创建自然语言接口（NLI），以便灵活地指定可视化并与之交互。然而，这些工具包目前仅支持一次性话语，具有最小的能力来促进用户和系统之间的多轮对话。开发具有这种会话交互功能的NLI仍然是一项具有挑战性的任务，需要实现低级NLP技术来处理新查询，以跟踪旧查询。我们扩展了现有的基于Python的工具包NL 4DV，该工具包处理有关表格数据集的NL查询，并返回包含数据属性，分析任务和相关可视化的分析规范，建模为JSON对象。具体来说，NL 4DV现在使开发人员能够促进关于数据集的多个同时对话，并解决相关的歧义，将新的对话信息添加到输出JSON对象中。我们通过三个例子来展示这些功能：（1）NLI学习Vega-Lite语法的各个方面，（2）思维导图应用程序创建自由流动的对话，以及（3）聊天机器人回答问题并解决歧义。
2022-08-12 cs.HC
Data Navigator: An accessibility-centered data navigation toolkit
针对残障人士数据可视化无障碍性不足的问题，提出基于动态图结构的 Data Navigator 工具包，支持多种输入模态，可构建可导航结构，并通过三个案例验证其有效性。
2023-08-16 cs.HC
How do Observable Users Decompose D3 Code? A Qualitative Study
通过对 Observable 上 715 个 D3 程序的定性分析和访谈，识别出程序级、图表级和组件级三种代码分解层次，发现用户偏好组件级推理，并揭示用户实践与图形语法之间的差异，为改进可视化工具包和 AI 助手提供依据。
2025-07-04 cs.HC
Taggle: Combining Overview and Details in Tabular Data Visualizations
大多数表格数据可视化技术都专注于概述，但许多实际分析任务都涉及调查感兴趣的单个项目。同时，将一个条目与一个可能很大的表的其余部分相关联是很重要的。在这项工作中，我们提出了Taggle，一个表格可视化技术，用于探索和呈现大型和复杂的表格。Taggle采用了一种以项目为中心的类似电子表格的方法，使用单元格的可视编码单独可视化源数据中的每一行。同时，Taggle引入了数据驱动的数据子集聚合。聚合策略还辅以为回答特定分析问题而量身定制的交互方法，例如基于多列的排序以及丰富的数据选择和过滤功能。我们证明了Taggle使用的领域专家进行的复杂的基因组数据分析的药物发现的目的的案例研究。
2019-09-24 cs.HC
The Architect: Interactive Visualization of Deep Learning Mathematics Directly in Microsoft Excel
University of Colorado Boulder（科罗拉多大学博尔德分校）
该研究提出名为 The Architect 的系统，可将微软 Excel 变为深度学习数学交互式视图，支持可视化神经网络计算、生成 PyTorch 代码片段，助力理解小型神经网络。
2026-08-17 cs.AI cs.HC
NCTV: Neural Clamping Toolkit and Visualization for Neural Network Calibration
National Tsing Hua University（国立清华大学）；MediaTek Inc.（联发科技股份有限公司）；IBM Research（IBM研究院）；The Chinese University of Hong Kong（香港中文大学）
随着深度学习技术的进步，神经网络已经在许多任务中展示了其提供准确预测的出色能力。然而，缺乏对神经网络校准的考虑将不会获得人类的信任，即使是对于高精度模型。在这方面，模型预测的置信度与实际正确性可能性之间的差距必须弥合，以导出校准良好的模型。在本文中，我们介绍了神经箝位工具包，这是第一个开源框架，旨在帮助开发人员采用最先进的模型不可知校准模型。此外，我们在演示中提供动画和交互部分，以使研究人员熟悉神经网络中的校准。还介绍了使用我们的工具包的Colab教程。
2022-11-29 cs.AI cs.HC cs.LG
MetaGlyph: Automatic Generation of Metaphoric Glyph-based Visualization
基于Glyph-based可视化实现了一个令人印象深刻的图形设计时，与全面的视觉隐喻，帮助观众有效地把握传达的信息，通过揭示数据语义。然而，创建这种基于隐喻字形的可视化（MGV）并不是一件容易的事情，因为它不仅需要对数据的深刻理解，还需要专业的设计技能。本文提出了MetaGlass，一个自动生成MGV从电子表格的系统。为了开发MetaGlass，我们首先进行了定性分析，以了解当前的MGV设计的隐喻体现和设计的角度。在此基础上，我们提出了一个新的框架，通过隐喻图像选择和MGV结构生成MGV。具体地说，MetaGlass基于输入数据语义从在线资源中自动选择具有对应图像的隐喻。然后，我们集成了一个蒙特卡罗树搜索算法，探索设计的MGV相关联的视觉元素与数据维度的数据的重要性，语义相关性，和非重叠。该系统还提供编辑反馈，允许用户根据他们的设计偏好定制MGV。我们通过一组示例，一个使用场景演示了MetaGlastion的使用，并通过一系列专家访谈验证了其有效性。
2022-09-13 cs.HC
STRIELAD -- A Scalable Toolkit for Real-time Interactive Exploration of Large Atmospheric Datasets
针对高精度天气气候模拟带来的大规模数据可视化与分析挑战，提出可扩展天气分析工具包STRIELAD，结合高性能计算的并行分布式特征提取与智能细节层次渲染，实现大规模大气数据集的实时交互式探索与可视化。
2025-01-24 cs.DC cs.GR cs.HC
RÉCITKIT: A Spatial Toolkit for Designing and Evaluating Human-Centered Immersive Data Narratives
针对沉浸式数据叙事缺乏构建指导的问题，本文提出工具包RÉCITKIT以支持HMD环境中的空间数据叙事，通过案例开发与21人评估验证其价值，为相关领域工具包驱动方法提供参考。
2025-08-26 cs.HC
Lexara: A User-Centered Toolkit for Evaluating Large Language Models for Conversational Visual Analytics
Tableau Research, Salesforce（Tableau研究机构，Salesforce）
Lexara是一种以用户为中心的评估工具包，用于评估对话式可视化分析中的大型语言模型，通过多格式输出的可解释指标和交互式工具帮助用户进行模型和提示选择。
2026-03-06 cs.AI cs.HC
Designing Visualization Widgets for Tangible Data Exploration: A Systematic Review
本文针对实体数据探索中的任务、交互和可视化小部件进行了系统性综述，分析了现有设计并提出了未来小部件设计工具包的研究议程。
2025-07-01 cs.HC
VMC: A Grammar for Visualizing Statistical Model Checks
VMC提出了一种用于统计模型检查的可视化语法，通过四个组件定义可视化，实现为R包，验证显示其能减少可视化编辑距离，专家访谈揭示了探索有效模型检查可视化的挑战与机遇。
2024-08-29 cs.HC
PhysioKit: Open-source, Low-cost Physiological Computing Toolkit for Single and Multi-user Studies
PhysioKit是一个开源、低成本的生理计算工具包，提供模块化传感与数据采集层及支持机器学习的软件应用层，支持多用户同步采集，验证显示其心率与心率变异性测量与研究级传感器高度一致，并具有良好的可用性和可扩展性。
2023-09-12 cs.HC
"Customization is Key": Reconfigurable Content Tokens for Accessible Data Visualizations
本文将屏幕阅读器可视化定制建模为可配置内容令牌序列，扩展 Olli 支持持久与临时定制，并通过 13 名 BLV 用户研究验证其收益与复杂性。
2024-02-29 cs.HC
The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics
本文提出Urban Toolkit（UTK），通过面向城市用例的高级语法和knots数据融合概念，降低城市可视分析的开发门槛，并促进主题与物理城市数据层的整合与可视化。
2023-08-15 cs.CY cs.HC
Generating Analytic Specifications for Data Visualization from Natural Language Queries using Large Language Models
本文提出一种综合文本提示词，利用LLM从自然语言查询生成包含数据属性、分析任务和可视化推荐的分析规范，提升可解释性与可调试性，并支持对话交互与歧义检测，已集成至NL4DV工具包。
2024-08-27 cs.HC
Data Point Selection for Line Chart Visualization: Methodological Assessment and Evidence-Based Guidelines
针对时间序列下采样数据点选择算法评估文献有限的问题，提出基于指标的评估方法学，引入“视觉稳定性”概念，评估四种算法并制定大规模折线图可视化指南。
2023-04-03 cs.HC
Plotly-Resampler: Effective Visual Analytics for Large Time Series
Ghent University - imec（根特大学-imec）
可视化分析可以说是熟悉数据的最重要的一步。对于时间序列尤其如此，因为这种数据类型很难描述，并且在使用汇总统计时无法完全理解。为了实现有效的时间序列可视化，必须满足四个要求：工具应该是（1）交互式的，（2）可扩展到数百万个数据点，（3）可集成在传统的数据科学环境中，以及（4）高度可配置。我们观察到，开源Python可视化工具包使数据科学家能够完成大多数可视化分析任务，但缺乏可扩展性和交互性的组合，无法实现有效的时间序列可视化。为了满足这些需求，我们创建了Plotly-Resampler，这是一个开源Python库。Plotly-Resampler是Plotly的Python绑定的一个插件，通过根据当前图形视图聚合底层数据，在交互式工具包之上增强了折线图的可伸缩性。Plotly-Resampler的构建非常简洁，因为工具的反应性会定性地影响分析师可视化地探索和分析数据的方式。一个基准测试任务强调了我们的工具包在样本数量和时间序列方面如何比替代品更好地扩展。此外，Plotly-Resampler灵活的数据聚合功能为研究新的聚合技术铺平了道路。Plotly-Resampler的可集成性，以及它的可配置性，方便性和高可扩展性，允许在日常Python环境中有效地分析高频数据。
2022-07-17 cs.HC cs.LG eess.SP
XROps: A Visual Workflow Management System for Dynamic Immersive Analytics
本文提出XROps，一个基于Web的可视化编程系统，通过即时反馈和实时XR传感器数据集成，降低沉浸式分析应用创建的技术壁垒，支持动态任务和数据环境下的可视化工作流管理。
2025-07-14 cs.HC
Towards Efficient Visual Simplification of Computational Graphs in Deep Neural Networks
Zhejiang University（浙江大学）；Huawei Technologies Co., Ltd.（华为技术有限公司）
深度神经网络（DNN）中的计算图表示由许多张量和运算符组成的特定数据流图（DFD）。用于可视化计算图的现有工具包在结构高度复杂和大规模（例如，BERT [1]）。为了解决这个问题，我们建议利用一套视觉简化技术，包括循环删除方法，基于模块的边缘修剪算法，和同构子图堆叠策略。我们设计并实现了一个交互式可视化系统，它适用于多达一万个元素的计算图。实验结果和使用场景表明，我们的工具平均减少了60%的元素，从而提高了识别和诊断DNN模型的性能。我们的贡献被集成到开源DNN可视化工具包中，即MindInsight [2]。
2022-12-21 cs.AI cs.HC cs.LG
Explainable Machine Learning for Categorical and Mixed Data with Lossless Visualization
Central Washington University（中华盛顿大学）
针对异构混合数据，提出非数值属性编码方案、无损可视化方法及SRG算法，构建准确可解释的ML模型并通过实验验证，推进了混合数据全范围ML算法的发展。
2023-11-23 cs.HC cs.LG
Interaction Techniques for User-friendly Interfaces for Gate-based Quantum Computing
针对当前含噪声量子计算机开发中界面复杂、导航困难的问题，本文受 HCI 工作启发，提出了四种增强现有基于笔记本工具包的用户交互技术，以降低量子程序设计与硬件状态分析的门槛。
2024-09-24 cs.HC cs.SY eess.SY
Leam: An Interactive System for In-situ Visual Text Analysis
Megagon Labs（Megagon实验室）；MIT（麻省理工学院）
随着网络上生成的数字文本的规模和可用性的增加，在线零售商和聚合商等企业经常使用文本分析来挖掘和分析数据，以改善其服务和产品。文本数据分析是一个迭代的、非线性的过程，具有跨越多个阶段的不同工作流，从数据清理到可视化。现有的文本分析系统通常适应这些阶段的子集，并且通常无法解决与数据异构性、出处、工作流可重用性和可再现性以及与既定实践的兼容性相关的挑战。基于一组设计考虑，我们从这些挑战中得到的，我们提出了Leam，一个系统，将文本分析过程作为一个单一的连续体相结合的计算笔记本电脑，电子表格和可视化工具的优势。Leam具有用于运行文本分析工作流的交互式用户界面，用于管理多个原子和复合数据类型的新数据模型，以及用于捕获表示文本分析各个阶段的各种操作集并实现系统不同组件（包括数据，代码和可视化）之间协调的表达代数。我们报告我们目前在Leam开发中的进展，同时通过使用示例展示其实用性。最后，我们概述了一些增强Leam和确定几个研究方向，开发一个交互式的可视化文本分析系统。
2020-09-08 cs.CL cs.DB cs.HC
P6: A Declarative Language for Integrating Machine Learning in Visual Analytics
University of California at Davis（加州大学戴维斯分校）
我们提出了P6，一个声明性语言，用于建立高性能的可视化分析系统，通过其支持指定和集成机器学习和交互式可视化方法。随着基于机器学习和人工智能的数据分析方法不断发展，可视化分析解决方案可以利用这些方法更好地利用大型复杂数据。然而，将机器学习方法与交互式视觉分析相结合是具有挑战性的。现有的用于可视化的声明性编程库和工具包缺乏对耦合机器学习方法的支持。通过为可视化分析提供声明性语言，P6可以使更多的开发人员能够创建可视化分析应用程序，这些应用程序将机器学习和可视化方法结合起来，用于数据分析和问题解决。通过各种示例应用程序，我们展示了P6的功能，并展示了使用声明式规范构建可视化分析系统的好处。我们还确定并讨论了声明式视觉分析的研究机会和挑战。
2020-09-03 cs.HC cs.LG cs.PL
