The Landscape of College-level Data Visualization Courses, and the Benefits of Incorporating Statistical Thinking
本研究调研美国顶尖高校的数据可视化课程格局,发现多数课程非统计系开设且不侧重统计推断,进而提出融入统计推断的三条教学原则,为统计视角下的数据可视化教学提供指导。
2025-06-19 cs.HC stat.OT
Teaching Critical Visualization: A Field Report
本文通过一门实验性课程(采用寻宝游戏结构)的实践报告,探讨批判性可视化教学,成功实现了培养批判性思维、沟通能力和理论知识的教学目标。
2025-08-04 cs.HC
Leveraging Peer Feedback to Improve Visualization Education
同行评议是一种广泛使用的教学反馈机制,以吸引学生,这已被证明可以提高教育成果。然而,我们发现有限的讨论和经验测量可视化课程的同行评议。除了参与之外,同行评审还提供直接和多样化的反馈,并通过对他人工作的批判性评价来加强最近学到的课程概念。在本文中,我们讨论了建设和应用同行评议的计算机科学可视化过程中,包括:项目,重用代码和可视化的反馈引导,持续改进的过程和同行评议的量规,以加强关键课程的概念。为了衡量这种方法的有效性,我们评估学生的项目,同行评议文本,并从3个学期的混合本科和研究生课程的课后问卷。结果表明,课程的概念与同行评审--82%的报告学习更多,因为同行评审,和75%的学生建议继续it. Finally,我们提供了一个路线图适应同行评审其他可视化课程,以产生更多的高度参与的学生。
2020-06-01 cs.CY cs.HC
Visualization Design Sprints for Online and On-Campus Courses
我们介绍了如何将设计冲刺和基于项目的学习整合到介绍性可视化课程中。设计冲刺是一个独特的过程,基于快速原型和用户测试,在开始昂贵的开发之前定义目标和验证想法。明确定义的,交互式的和时间约束的设计周期使设计冲刺成为教学基于项目和以主动学习为中心的课程的一个有前途的选择,以提高学生的参与度和实践经验。在过去的五年里,我们已经调整了设计冲刺方法,用于教授一系列可视化课程。我们提出了一个详细的指南,将设计冲刺纳入大型本科和小型专业发展课程在网上和校园设置。设计冲刺的结果,包括定量和定性的学生反馈,表明设计冲刺吸引了学生,并有助于实践和应用可视化和设计技能。我们提供设计冲刺教材,展示学生创作的作品的例子,并讨论局限性和经验教训。
2021-09-29 cs.GR cs.HC
"Code Is Cheap. Show Me the Talk.": Lessons from Teaching and Managing AI Coding Tool Usage in a Visualization Course
University of Maryland College Park(马里兰大学帕克分校)
在可视化课程中分享管理和教授人工智能使用的经验,实施提示注入等,发现学生使用情况及问题,指出需明确人工智能使用界限、提示指导,教学生质疑并适应通用设计。
2026-09-30 cs.HC
Roboviz: A Game-Centered Project for Information Visualization Education
由于其教学优势,信息可视化课程的大型期末项目已成为标准做法。学生需要一个真实或模拟的客户端,一个数据集和一组模糊的目标来创建一个完整的可视化或可视化分析产品。不幸的是,许多项目的目标不明确,客户期望过高或过低,以及数据限制,这些限制使学生将时间花在非可视化问题上(例如,数据清理)。这些都是重要的技能,但往往是次要的课程目标,不可预见的问题可能会严重阻碍学生。我们为我们的信息可视化课程创建了一个替代方案:Roboviz,这是一个实时游戏,学生可以通过构建一个以可视化为中心的界面来玩。通过围绕四种不同的数据类型设计游戏机制,该项目允许学生创建各种交互式可视化。学生团队与他们的同学进行比赛,目的是收集最多(好)的机器人。策略的灵活性鼓励可变性,一系列方法,并解决邪恶的设计约束。我们描述了这个游戏的建设,并报告了两年多的学生项目。我们进一步展示了游戏机制如何扩展或适应其他基于游戏的项目。
2022-08-08 cs.HC
Can VLMs Assess Similarity Between Graph Visualizations?
针对图可视化视觉相似性与已建立的图相似性度量关系不明确的问题,本文探索VLMs逼近人类图相似性感知的潜力,通过生成不同图数据集并对比VLM得分与特征度量,发现VLMs评估方式与特征度量相似,未来将开展人类感知实验扩展研究。
2025-04-14 cs.HC
HyperMOOC: Augmenting MOOC Videos with Concept-based Embedded Visualizations
Hangzhou Dianzi University(杭州电子科技大学);Zhejiang University(浙江大学);Nanyang Technological University(南洋理工大学)
HyperMOOC通过基于概念的嵌入式可视化增强MOOC视频,提升学习效果和效率,提高学习者满意度和课程理解。
2026-01-30 cs.HC
Beyond Generating Code: Evaluating GPT on a Data Visualization Course
该研究使用 GPT-3.5 与 GPT-4 完成哈佛 CS171 作业,系统评估其在代码生成之外的数据解读、设计、探索和洞见交流能力。
2024-05-11 cs.GR cs.HC
VizCommender: Computing Text-Based Similarity in Visualization Repositories for Content-Based Recommendations
基于云的可视化服务使可视化分析比以往任何时候都更广泛。Tableau等系统已经开始以交互式可视化工作簿的形式积累越来越大的分析知识库。当共享时,这些集合可以形成视觉分析知识库。然而,随着收集的数量增加,查找相关信息的难度也随之增加。基于内容的推荐(CBR)系统可以帮助分析人员发现和管理与他们的兴趣相关的工作簿。为了实现这一目标,我们专注于基于文本的内容,它代表了可视化的主题,而不是视觉编码和风格。我们将讨论与基于可视化规范创建CBR相关的挑战,并更具体地探讨如何使用Tableau工作簿规范作为内容数据源来实施所需的相关性度量。我们还演示了什么样的信息可以从这些可视化规范中提取,以及如何使用各种自然语言处理技术来计算工作簿之间的相似性作为一种方法来衡量相关性。我们报告了一项众包用户研究,以确定我们的相似性度量是否模仿了人类的判断。最后,我们选择潜在狄利克雷分配(LDA)作为一个特定的模型,并在一个概念验证推荐工具中实例化,以展示我们的相似性度量的基本功能。
2020-08-18 cs.HC
Toward Understanding Similarity of Visualization Techniques
本文通过模型驱动的签名相似性方法和专家直觉评估两种途径,初步探究了13种可视化技术之间的相似性,为理解可视化技术空间迈出第一步。
2025-07-22 cs.GR cs.HC
What Do Visualization Instructors Want Students to Learn? Introducing a Concept Inventory for Visualization Design
Paul G. Allen School of Computer Science and Engineering at the University of Washington(华盛顿大学保罗·G·艾伦计算机科学与工程学学院);Department of Human Centered Design and Engineering at the University of Washington(华盛顿大学以人为本的设计与工程系)
该研究针对可视化教育中“学生掌握可视化设计应具备的能力”问题,借鉴教育方法论开发可视化设计概念清单,经课程目标分析与教师反馈迭代完善,并探讨相关未来研究方向。
2026-08-21 cs.HC
Analysis of Student Behaviour in Habitable Worlds Using Continuous Representation Visualization
我们介绍了一种新的方法来可视化的时间点击流行为的背景下,程度满意的在线课程,可居住的世界,通过亚利桑那州立大学提供。目前在数字学习环境中可视化行为的做法是使用领域知识基于手工设计或编码的特征生成图。虽然这种方法在将行为与已知现象联系起来方面是有效的,但从领域知识中精心制作的特征不太可能很好地适合使不熟悉的现象突出,因此可能会妨碍发现。我们介绍了一种方法,用于有机地从点击流数据中浮出行为表面,进行专家在环超参数搜索,并确定预期以及新发现的行为模式。虽然这些可视化技术已经在更广泛的机器学习社区中使用过,以更好地理解神经网络和词向量之间的关系,但我们将其应用于在线行为学习者数据,并更进一步;探索模型参数对产生有形的,非平凡的行为观察的影响,这些行为观察暗示着课程设计者和教师的教学改进。本文介绍的方法导致了更好的理解通过和不通过学生的行为在课程中,并广泛适用于其他数据集的点击流活动,调查人员和利益相关者希望有机地表面的主要行为模式。
2018-12-25 cs.HC
Discriminability Tests for Visualization Effectiveness and Scalability
特定可视化方法的可扩展性受到人们辨别不同数据集绘制的图之间差异的能力的限制。理想情况下,当数据发生变化时,可视化会以可感知的方式发生变化。当编码和正在查看的数据集的字符之间不匹配时,这种关系就会中断。不幸的是,可视化的设计和评估往往没有充分探索它们将如何响应各种各样的数据集。我们探索使用图像相似性度量,多尺度结构相似性指数(MS-SSIM),用于测试跨各种数据集的数据可视化的可辨别性。MS-SSIM能够在多个尺度上捕获两个可视化的相似性,包括低级别的粒度变化和高级别的模式。MS-SSIM未捕获的显著数据变化指示低辨别力和有效性的可视化。该措施的效用证明了两个实证研究。在第一,我们比较人类的相似性判断和MS-SSIM分数的散点图的集合。在第二个,我们计算一组基本的可视化的可辨别性值,并将它们与有效性的经验测量进行比较。在这两种情况下,分析表明,计算措施是能够近似的经验结果。我们的方法可用于对竞争编码的可辨别性进行排名,并帮助为特定类型的数据分布选择可视化。
2019-07-26 cs.HC
Seeing Eye to AI? Applying Deep-Feature-Based Similarity Metrics to Information Visualization
Northwestern University(西北大学);Utrecht University(乌得勒支大学)
本文探索基于深度特征的相似度度量在信息可视化相似性判断中的应用,利用五种ML架构和三组预训练权重扩展度量,发现预训练ImageNet权重的度量优于MS-SSIM,有助于改进可视化推荐等工具。
2025-02-28 cs.CV cs.HC cs.LG
Experience of Teaching Data Visualization using Project-based Learning
我们报告我们的经验,在两个安装的课程,以项目为基础的学习数据可视化。考虑到这种方法的基本原理,我们展示了在必要时为学生实现目标提供的输入。我们还讨论和比较了我们发现对学生实现目标有用的工具。将基于项目的学习融入大学一个学期的标准时间表是一个特别的挑战,因为学生很难在他们的项目上投入更长的时间。此外,在线学习对有效开展小组活动和工作也是一个挑战。我们解决教学的考虑,我们的课程结构,工具和学生的项目。最后,我们得出结论的结果和改进的课程结构。
2021-10-21 cs.CY cs.HC
Safire: Similarity Framework for Visualization Retrieval
Harvard Medical School(哈佛医学院)
本文提出Safire框架,通过比较标准和表示模态两个维度,系统化分析可视化相似性,揭示不同应用场景中相似性标准与表示模态的关联,并探讨其对多模态学习、AI应用和可视化可重复性的影响。
2025-10-18 cs.AI cs.HC cs.IR
Tinker or Transfer? A Tale of Two Techniques in Teaching Visualization
两名精通可视化的博士生在信息可视化课程中引入修补式创造性学习活动,收获学生积极反馈与改进建议,未来计划开展正式设计研究以打造全创造性学习的新课程。
2024-04-17 cs.HC
Visual Multi-Metric Grouping of Eye-Tracking Data
我们提出了一个算法和视觉分组的参与者和眼动追踪指标来自记录的眼动追踪数据。我们的方法利用两个完善的可视化概念。首先,使用平行坐标来提供所使用的度量、它们的交互和相似性的概述,这有助于选择描述眼动追踪数据的特性的合适度量。此外,平行坐标图使分析者能够测试创建度量子集的组合的效果,从而产生新导出的眼动追踪度量。第二,相似性矩阵可视化被用来可视化地表示仿射组合的指标,利用算法分组的主题,导致不同的视觉组的类似行为。为了保持矩阵可视化的图表简单易懂,我们将眼动追踪数据可视化编码到参与者相似性矩阵的单元格中。算法分组是基于度量的仿射组合的聚类来执行的,这也是相似性矩阵的相似性值计算的基础。为了说明我们的可视化的有用性,我们将其应用到一个眼动追踪数据集,涉及多达40名参与者的地铁地图的阅读行为。最后,我们讨论的局限性和可扩展性问题的方法集中在视觉和感知的问题。
2019-10-09 cs.HC
The Transition Matrix -- A classification of navigational patterns between LMS course sections
University of Applied Sciences Technikum Wien(维也纳应用科技大学)
本研究通过分析Moodle LMS中747门课程的导航数据,利用转移矩阵和热图识别课程部分间导航模式,发现大多数课程存在对角线导航模式。
2025-12-15 cs.CY cs.HC
Showing Academic Performance Predictions during Term Planning: Effects on Students' Decisions, Behaviors, and Preferences
选课对学生来说是一项至关重要的活动,因为它直接影响他们的工作量和表现。它也很耗时,容易主观,而且往往是在信息不完整的基础上进行的。然而,这项任务可以通过计算工具来帮助,例如,通过基于历史数据预测性能。我们调查的效果,通过交互式可视化工具显示学生的成绩预测。一项定性研究表明,在存在预测的情况下,学生可能会过于关注最大限度地提高他们的表现,从而损害其他因素,如工作量。一项后续的定量研究探讨了这些影响是否可以通过改变预测的传达方式来减轻。我们的观察表明,框架效应的存在,诱导学生把更多的努力,在课程选择时,面对更具体的预测。我们讨论了这些和其他调查结果,并概述了设计更好的数据驱动的课程选择工具的考虑因素。
2021-03-31 cs.HC
OnDiscuss: An Epistemic Network Analysis Learning Analytics Visualization Tool for Evaluating Asynchronous Online Discussions
本文提出OnDiscuss工具,结合文本挖掘与认知网络分析,帮助教师自动编码并可视化异步在线讨论数据,以减轻评估负担并提升分析效率。
2024-08-19 cs.CY cs.HC
LEAP -- Live Experiments for Active Pedagogy
California Academy of Mathematics and Science(加州数学与科学学院);University of Southern California(南加州大学)
LEAP通过远程可调用教师定义函数,为实时课堂提供交互式实验框架,促进学生主动参与和学习反馈。
2026-01-30 cs.HC
Measuring inter-cluster similarities with Alpha Shape TRIangulation in loCal Subspaces (ASTRICS) facilitates visualization and clustering of high-dimensional data
University of British Columbia(不列颠哥伦比亚大学)
高维数据的聚类和可视化是各个领域的重要任务。例如,在生物信息学中,它们对于单细胞数据的分析至关重要,例如质谱仪(CyTOF)数据。一些用于聚类HD数据的最有效的算法是基于通过图中的节点来表示数据,其中边缘根据相似性或距离的某种度量来连接相邻节点。然而,基于图的算法的用户通常面临着选择输入参数的值的关键但具有挑战性的任务,该输入参数设置图中的邻域的大小,例如连接每个节点的最近邻居的数量或用于连接节点的阈值距离。用户的负担可以通过节点间相似性的度量来减轻,该度量对于不同的节点可以具有值0,而不需要任何用户定义的参数或阈值。这将自动确定邻域,同时仍然产生稀疏图。为此,我提出了一种新的方法,称为ASTRICS来衡量集群的HD数据点之间的相似性的基础上,局部降维和三角形的关键阿尔法形状。我证明了我的ASTRICS相似性度量可以通过在三阶段管道的第二阶段使用它来促进HD数据的聚类和可视化:第一阶段=通过任何方法执行数据的初始聚类;第二阶段=让图形节点表示初始聚类而不是单个数据点,并使用ASTRICS自动定义节点之间的边缘;阶段3 =使用图进行进一步的聚类和可视化。这将选择图邻域大小的关键任务转换为基本上选择查看数据的分辨率的更容易的任务。然后,图形以及随后的下游聚类和可视化自动适应所选择的分辨率。
2021-07-15 cs.HC cs.LG q-bio.QM
Combining Automatic Coding and Instructor Input to Generate ENA Visualizations for Asynchronous Online Discussion
Colorado State University(科罗拉多州立大学)
针对教师评估异步在线讨论任务繁重的问题,提出结合LDA与教师关键词自动提取编码构建ENA模型的方法,实验证明其与人工编码的ENA模型无统计差异,为教师提供了可行的可视化评估工具。
2023-08-22 cs.HC cs.LG
Key principles for workforce upskilling via online learning: a learning analytics study of a professional course in additive manufacturing
有效采用在线平台进行教学,学习和技能发展对学术机构和工作场所都至关重要。新冠肺炎疫情突然加速了在线学习的采用,引起了人们对有效在线教学的教学法和实践研究的关注。在线学习需要大量的技能和资源,从学习管理平台到交互式评估工具,再加上多媒体内容,这给教师和组织带来了挑战。这项研究的重点是学习科学和视觉学习分析可用于设计和改进先进制造业在线劳动力培训的方法。学者和行业专家、教育研究人员以及数据分析和可视化专家合作研究了900名专业人士参加在线增材制造培训课程的表现。该课程是通过MITxPro提供的,麻省理工学院开放学习是一个专业的学习组织,托管在edX平台的专用实例中。本研究结合学习目标分析和视觉学习分析,探讨学习轨迹,参与和绩效之间的关系。研究结果展示了视觉学习分析如何用于有针对性的课程修改,以及对学习者参与度和表现的解释,例如将评估更直接地映射到学习目标,以及完成课程每个部分所需的预期和实际时间。该研究还强调了更广泛的策略,课程设计者和教师调整课程作业,学习目标和评估措施与学习者的需求和兴趣,并主张同步数据基础设施,以促进有效的及时学习和在线课程的不断改进。
2020-08-15 cs.CY cs.HC
VegaChat: A Robust Framework for LLM-Based Chart Generation and Assessment
JetBrains
VegaChat通过引入Spec Score和Vision Score两个指标,解决了LLM基于自然语言生成可视化中的评估难题,实现了高准确率的图表生成与评估。
2026-01-21 cs.CL cs.HC
Teaching Visual Accessibility in Introductory Data Science Classes with Multi-Modal Data Representations
本文主张在入门数据科学课程中教授多模态数据表示以提升视觉无障碍性,并分享了两所机构的具体教学示例,旨在让所有学生都能创建更易访问的数据产品。
2022-08-04 cs.CY cs.HC stat.OT