Professional Differences: A Comparative Study of Visualization Task Performance and Spatial Ability Across Disciplines
问题驱动的可视化工作植根于对目标领域的数据、参与者、流程和工作流的深入理解。然而，一个人的人格特质和认知能力也可能影响可视化的使用。不同的用户需求和能力提出了可视化设计的特殊性的自然问题：来自不同领域的个人在使用可视化时会表现出性能差异吗？是否有任何系统性的变化与他们的认知能力有关？这项研究的桥梁特定领域的视觉设计与认知和感知提供的观点。我们测量了化学、计算机科学和教育领域的可视化任务表现的变化，并将这些差异与空间能力的变化联系起来。我们与60多位领域专家进行了一项在线研究，其中包括与饼图、等值线图和3D散点图相关的任务，并以有据可查的空间能力测试为基础。在更复杂的可视化中，任务性能（正确性）因职业而异，但不包括饼图，这是一种相对常见的可视化。我们发现，正确性与空间能力相关，而专业在空间能力方面存在差异。这些结果表明，域不仅在其数据和任务的具体细节方面存在差异，而且在其组成成员如何有效地参与可视化及其认知特征方面也存在差异。分析参与者的信心和策略评论表明，专注于表现忽视了重要的细微差别，例如即使是常见的可视化和潜在的技能转移也有不同的方法。我们的研究结果为特定学科的可视化提供了一个新的视角，并提出了一些建议，以帮助指导可视化设计，以庆祝我们寻求服务的学科和个人的独特性。
2021-08-05 cs.GR cs.HC
What We See and What We Get from Visualization: Eye Tracking Beyond Gaze Distributions and Scanpaths
硬件和软件的技术进步使我们能够在日常情况下长时间记录凝视数据。在众多的研究机会中，这项技术使可视化研究人员能够利用可视化技术瞥见性能指标背后以及人们的感知和认知过程。大多数用于可视化研究的眼动追踪研究仅限于对注视分布和汇总统计数据的分析，因此仅涵盖可以从注视数据中导出的一小部分见解。我们认为，结合心理学和认知科学的理论和方法，将有利于眼动追踪可视化实验的设计和评价。这份立场文件概述了我们在可视化中使用眼动追踪的经验，并说明了可视化心理学跨学科研究领域可能带来的好处，以更好地理解人们如何解释可视化。
2020-09-30 cs.HC
Judgment as Coordination: A Joint Systems View of Visualization Design Practice
本文从联合认知系统视角重构可视化设计判断，基于人种志与质性研究揭示设计连贯性依赖协调、调整与目标重构而非最优选择，为研究设计实践的持续机制提供新概念框架。
2025-07-01 cs.HC
A Problem Space for Designing Visualizations
可视化研究人员和可视化专业人员寻求适当的可视化要求的抽象，允许考虑可视化解决方案独立于特定的问题。抽象可以帮助我们设计、分析、组织和评估我们所创造的东西。文献中有许多任务结构（分类法、类型学等），设计空间，以及相关的“框架”，这些框架提供了可视化所要解决的问题的抽象。在这个观点中，我们引入了一个不同的问题空间，它通过关注可视化要解决的需求来补充现有的框架。我们相信它为设计和讨论可视化提供了一个有价值的概念工具。
2023-03-14 cs.HC
"ChatGPT, what am I missing?": Designing AI Workflows around Professional Task Structure to Shape Analytic AI Use
AI Institute, Harvard Business School（哈佛商学院人工智能研究所）；Frontline Associates（前线协会）；Emory University School of Law（埃默里大学法学院）；Laboratory for Innovation Science at Harvard（哈佛大学创新科学实验室）；Harvard John A. Paulson School of Engineering and Applied Sciences（哈佛约翰·A·保尔森工程与应用科学学院）
本研究通过随机实验发现，围绕专业任务结构设计的支架式AI工作流（尤其用户主导式）比聊天界面更能提升分析覆盖率、激发多样请求并降低主观努力，强调AI应结构化人机协作过程。
2026-09-16 cs.HC
What is Visualization Really for?
每当一个可视化研究人员被问及可视化的目的时，“获得洞察力”这个短语基本上本能地跳出来。然而，并不是所有的可视化都是为了获得深刻的理解，除非洞察力这个术语被扩展到包括所有类型的思想。即使洞察力是可视化任务的重点，也很难知道获得了什么洞察力，多少或准确性如何。在本文中，我们提出，“节省时间”在完成用户的任务是最根本的目标。通过强调节省时间，我们可以建立一个具体的度量，减少不必要的争论所造成的不同解释的洞察力，并激发新的研究努力，在可视化的一些方面，如实证研究，设计优化和可视化理论。
2013-05-24 cs.HC
Learning Vis Tools: Teaching Data Visualization Tutorials
教授和倡导数据可视化是可视化社区中最重要的活动之一。随着商业和科学专业人士对数据分析的兴趣越来越大，数据可视化课程吸引了不同学科的学生。然而，综合可视化培训要求学生具有一定的编程熟练程度，这一要求对教师和学生都提出了挑战。随着可视化工具的最新发展，我们已经成功地通过教授各种可视化和支持工具来克服这些障碍。从基于GUI的可视化工具和Python数据分析开始，学生们将可视化知识付诸实践，并增加编程量。在课程结束时，学生可以使用D3和其他基于编程的可视化工具设计和实现可视化。在整个课程中，我们不断收集学生的反馈，并完善教材。本文介绍了我们的教学方法和设计教材时的考虑。
2019-10-07 cs.HC
What Cognitive Accessibility Reveals About Data Visualization
University of Maryland, College Park（马里兰大学帕克分校）；Towson University（托德森大学）
本文探讨认知可及性作为关键视角，审视数据可视化领域的主流假设，明确其三个核心假设，为可视化创新开辟新方向。
2026-08-19 cs.HC
Fixation and Creativity in Data Visualization Design: Experiences and Perspectives of Practitioners
数据可视化设计往往需要创造力，需要研究来了解其性质和促进它的手段。目前关于创造力的可视化文献还没有很好地发展，特别是关于专业数据可视化设计师的经验。我们对15位数据可视化从业者进行了半结构化访谈，重点关注创造力的一个特定方面，即设计固定。当设计师盲目或过早地坚持一套限制创造性成果的想法时，就会出现固定。我们提出了从业者的经验和观点，从自己的设计实践，特别是集中在他们的意见（一）固定的性质，（二）鼓励固定的因素，（三）阻碍固定的因素。我们为未来的研究确定了与图表建议，灵感和数据可视化设计中的视角转变相关的机会。
2021-08-14 cs.HC
Mapping the Landscape of COVID-19 Crisis Visualizations
为了应对COVID-19，人们创建了大量的可视化来向公众传达信息。公共卫生危机中的信息暴露会影响人们对危机和风险的态度和应对措施，并最终影响大流行病的发展轨迹。因此，需要对已向公众展示的COVID-19可视化进行记录、组织和调查。我们通过对668个COVID-19可视化的分析来解决这一差距。我们通过从我们的分析中得出的概念框架来展示我们的发现，该框架在COVID-19危机可视化的背景下检查了谁，（使用）什么数据，（传达）什么信息，以什么形式，在什么情况下。我们提供了一套因素，以考虑在框架的每个组成部分。我们的结论与未来的危机可视化研究的方向。
2021-01-12 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
Misinformed by Visualization: What Do We Learn From Misinformative Visualizations?
数据可视化在说服观众方面很强大。然而，当它做得不好或恶意时，可视化可能会变得误导甚至欺骗。形象化进一步加强了在互联网上传播错误信息的力度。视觉化研究团体早就意识到视觉化会误导观众，大多数与术语“谎言”和“欺骗性”有关。“尽管如此，这些讨论只集中在少数案件上。为了更好地了解误导性可视化的情况，我们开放了一千多个被报道为误导性的真实世界可视化。从这些例子中，我们发现了74种类型的问题，并形成了可视化中误导元素的分类。我们发现了研究界可以遵循的四个方向，以扩大对误导性可视化的讨论：（1）可视化中的非正式谬误，（2）利用惯例和数据素养，（3）不常见图表中的欺骗性技巧，以及（4）理解设计师的困境。这项工作为这些研究方向奠定了基础，特别是在理解，检测和预防方面。
2022-04-20 cs.HC
Visualization Tool for Environmental Sensing and Public Health Data
为了帮助受石油和天然气开发影响的居民，一家非营利组织的公共卫生专业人员收集了社区数据，包括症状、空气质量和个人故事。然而，该组织无法通过计算汇总和可视化这些数据。我们提出了环境健康频道，一个基于网络的交互式工具，用于可视化环境传感和公共卫生数据。这一工具有助于讨论和传播科学证据，以揭示工业活动对当地环境和健康的影响。
2018-04-09 cs.HC
"If the Machine Is As Good As Me, Then What Use Am I?" -- How the Use of ChatGPT Changes Young Professionals' Perception of Productivity and Accomplishment
本研究通过日记研究发现，ChatGPT对年轻专业人士的生产力和成就感影响因人而异，其适用性取决于任务性质，适合创造性任务，但研究任务因幻觉问题需谨慎使用。
2024-04-19 cs.HC
What is Visualization for Communication? Analyzing Four Years of VisComm Papers
本研究针对面向传播的可视化领域定义不统一的问题，以2018-2022年VisComm录用的37篇论文为对象，用扎根理论梳理了该领域的可视化定义差异、研究共性主题及DEI实践缺口。
2025-05-20 cs.HC
What Do We Actually Learn from Evaluations in the "Heroic Era" of Visualization?
我们经常指出，与该领域的早期相比，可视化系统评估的数量和复杂性相对增加，作为我们作为一个领域正在成熟的证据。我不太相信。特别是，我觉得，可视化的评估，因为他们通常在现场执行或要求由审查员，没有告诉我们很多是有用的或可转让的可视化系统，无论统计的严谨性或生态有效性的评估。通过一系列的思想实验，我展示了我们目前的可视化评估的概念是如何不完整的，反复无常的，或者对于进一步发展该领域的目标是无用的，更符合医学科学的“英雄时代”，而不是我们可能渴望成为的严格的循证领域。最后，我建议重新审视我们设计评价的模式以及我们作为一个领域的优先事项。
2020-08-25 cs.HC
Do You Trust What You See? Toward A Multidimensional Measure of Trust in Visualization
本文识别并验证了影响可视化信任的五个因素（可信度、清晰度、可靠性、熟悉度和信心），通过两项用户研究表明这些因素与可视化设计特征及主观信任排名相关，为可信可视化设计提供了多维测量依据。
2023-08-09 cs.HC
Co-Designing Unstructured Text Data Visualization Systems
本研究通过焦点小组调研专业人员分析大型文本语料库的需求，发现实体—行为者动态与多重叙事可视化的缺口，并计划以协同设计低保真原型探索解决方案。
2024-07-02 cs.HC
Do You See What I See? A Qualitative Study Eliciting High-Level Visualization Comprehension
通过定性研究折线图、条形图和散点图，揭示人们从可视化中自然提取的高层次模式与设计者目标及传统低层次感知实验结果不一致，强调需从多角度定义可视化有效性。
2024-02-23 cs.HC
VizBelle: A Design Space of Embellishments for Data Visualization
视觉修饰作为一种非语言修辞手段，主要用于传达抽象概念或吸引读者注意力。创建具有适当和视觉上令人愉悦的装饰的数据可视化是具有挑战性的，因为这个过程在很大程度上取决于设计师的经验和审美品味。为了帮助设计师在构思和创作过程中提供便利，我们提出了一个设计空间，VizBelle，基于对来自在线资源的361个分类可视化的分析。VizBelle由四个维度组成，即符合用户意图的传播目标、选择目标区域的对象、提供潜在途径的策略和技术。我们还提供了一个网站，提供各种技术的详细解释和示例。我们与20名专业和业余设计爱好者进行了一项主题内研究，以评估我们设计空间的有效性。结果表明，我们的设计空间是照明和有用的设计师创建数据可视化与装饰。
2022-09-08 cs.HC
A Review on Dyadic Conversation Visualizations - Purposes, Data, Lens of Analysis
许多专业服务都是通过文本和语音系统提供的，从互联网上的语音通话到短信和电子邮件。个人和组织越来越需要更好地理解这些在线对话并找到可操作的见解。允许用户探索见解的一种方法是构建直观且丰富的可视化，以说明对话的内容。在本文中，我们提出了一个系统的调查可视化的对话和研究论文涉及交互式可视化和人类参与者的各种方法。调查结果显示，人们试图将大多数（如果不是全部）数字化对话类型可视化，从语音到消息和电子邮件。通过这次调查，我们做出了两个贡献。首先，我们总结了目前的实践领域的可视化二元对话。第二，对未来的对话可视化研究提出了建议。
2019-05-02 cs.HC
Designing Born-Accessible Courses in Data Science and Visualization: Challenges and Opportunities of a Remote Curriculum Taught by Blind Instructors to Blind Students
本文提出由盲人教师向盲人学生在线教授数据科学与可视化的新方法，通过两周暑期课程实践，总结教学策略与学习成果，为无障碍教育提供设计见解。
2024-05-22 cs.HC
Automatic Y-axis Rescaling in Dynamic Visualizations
动画和交互式数据可视化动态地改变可视化中呈现的数据（例如，条形图）。随着数据的变化，y轴可能需要随着数据域的变化而重新缩放。每个轴重新调整可能会提高当前图表的可读性，但也可能使用户迷失方向。与静态可视化相比，有相当多的文献来帮助选择适当的y轴尺度，缺乏关于如何以及何时在动态可视化中使用重新缩放的指导。现有的可视化系统和库采用固定的全局y轴，或在每次数据更改时重新缩放。然而，专业的可视化，例如数据新闻，并不采用这两种策略。相反，他们会根据分析任务和数据仔细手动选择何时重新缩放。为此，我们进行了一系列的Mechanical Turk实验，以研究动态轴重新缩放的潜力以及影响其有效性的因素。我们发现，适当的重新缩放政策是任务和数据依赖的，我们没有找到一个明确的政策选择，所有情况下。
2021-09-20 cs.HC
Situated Visualization in Motion for Swimming
针对当前游泳赛事动态嵌入式可视化形式简单、缺乏系统研究的问题，研究者分析奥运游泳赛事可视化现状，计划推导设计空间，并开展众包调研探索观众数据兴趣以挖掘新增可视化的机会。
2024-09-12 cs.HC
What Can Interactive Visualization do for Participatory Budgeting in Chicago?
本研究通过设计探针访谈探讨交互式可视化在芝加哥参与式预算中的应用，发现可视化能帮助政府设定预算约束并让选民表达更广偏好，但需解决访问障碍和不信任问题。
2024-07-29 cs.HC
What-if Analysis for Business Professionals: Current Practices and Future Opportunities
本研究通过用户研究揭示商业专业人员使用简陋工具进行假设分析的现状，并验证可视化原型中WIA技术能提升决策效率与信心，最后提出系统设计建议。
2025-03-01 cs.DB cs.HC
Are We Making Progress In Visualization Research?
本文通过对资深可视化研究者的调查，探讨了可视化研究领域的进展概念，指出当前在方法严谨性、实践适用性和理论结构方面存在的挑战，并认为围绕进展定位该领域需要对其定义、价值观和教学进行彻底的重新构想。
2022-08-29 cs.HC
A Psychology of Visualization or (External) Representation?
什么是可视化？除了作为交流和概念化我们的主题的工具，作为一个社区的身份声明之外，轻视定义的效用是有限的。要建立可视化心理学作为一个可行的跨学科研究计划，我们必须首先确定我们的集体调查的对象。我建议，虽然我们可能会提到“可视化”的研究，这个词的口语的可访问性和务实的对齐与其他领域，我们应该考虑探索一类文物和相应的过程更广泛和深刻的：外部表示。以下是外部表征研究作为新的跨学科努力的基础的论点，以及映射相应问题空间的方法。
2020-09-28 cs.HC
What Makes a Visualization Image Complex?
Ohio State University（俄亥俄州立大学）；University of Nottingham（诺丁汉大学）；University of Stuttgart（斯图加特大学）
本研究通过大规模众包实验收集可视化图像的感知视觉复杂度评分，分析多类图像指标与感知复杂度的关联，得出不同场景下的有效预测指标及文本注释的钟形效应，构建了可解释的量化流程并公开相关资源。
2025-11-19 cs.HC
What We Augment When We Augment Visualizations: A Design Elicitation Study of How We Visually Express Data Relationships
通过设计启发研究收集用户手绘增强，提出用户定义的可视化增强设计空间，并探讨其与现有设计指南的联系。
2024-04-19 cs.HC
Datasets of Visualization for Machine Learning
本文综述了机器学习可视化数据集，提出what-why-how模型分析其内容、任务与构建，并指出标准化缺失和大规模数据稀缺等挑战及未来方向。
2024-07-23 cs.HC
Challenges and Opportunities of Teaching Data Visualization Together with Data Science
随着全球数据量的增加，分析和可视化数据正在成为各个行业的基本技能。重要的是让大学生具备这些基本的数据技能。为了学习，设计和开发数据可视化，学生需要编程和数据科学主题的知识。许多大学课程缺乏针对本科生的专门数据科学课程，因此通过综合课程引入这些概念非常重要。然而，由于时间限制和繁重的学习负担，将数据科学和数据可视化结合到一门课程中可能具有挑战性。在本文中，我们讨论了教学数据科学和数据可视化的发展在一门课程，并分享了课后评估调查的结果。从调查结果中，我们确定了四个挑战，包括学习多种工具和不同数据科学主题的困难，工具和库的熟练程度不同，以及选择和清理数据集。我们还总结了开发成功的数据科学和可视化课程的五个机会。这些机会包括澄清课程结构，在课程早期强调可视化素养，根据学生需求更新课程内容，使用大型真实世界数据集，向行业专业人士学习，以及促进学生之间的合作。
2024-09-09 cs.HC
Charting the Moral Universe: Capturing Virtues and Values of Data Visualization Practice
Northeastern University（东北大学）
研究围绕数据可视化中的道德行事展开，通过对20位相关人员访谈，获取68个价值观并分九类，丰富了道德反思词汇，为可视化伦理应用提供更广泛基础。
2026-07-27 cs.HC
"The main message is that sustainability would help" -- Reflections on takeaway messages of climate change data visualizations
本研究通过访谈17名领域专家和6名普通公众，对比二者对两个气候变化数据可视化示例的核心信息认知，经主题分析发现两组在信息内容、长度抽象度及意义建构过程上存在差异，旨在揭示普通受众对这类可视化的理解与信息获取机制。
2023-05-06 cs.HC
How Do We Visualize Space in Molecular Biology? A Study of Spatial Transcriptomics Visualization Practices
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）；Harvard Medical School（哈佛医学院）
本研究通过调查148篇论文和1,824个图形面板，基于Munzner嵌套模型分析空间转录组学可视化实践，揭示数据表示、生物学任务与设计选择间的联系，并指出该领域面临的挑战。
2026-09-18 cs.HC
A Priest, a Rabbi, and an Atheist Walk Into an Error Bar: Religious Meditations on Uncertainty Visualization
本文通过宗教视角批判当前不确定性可视化过度简化，提出应丰富可视化类型并考虑受众多样性。
2025-09-10 cs.HC
What Makes Teamwork Work? A Multimodal Case Study on Emotions and Diagnostic Expertise in an Intelligent Tutoring System
本研究通过多模态数据分析，探讨了在ITS中进行协作医疗诊断时情绪与专业技能对群体决策的影响，发现社会动机互动是积极团队情绪气候的关键，为优化医疗协作提升诊断准确率提供了见解。
2025-05-02 cs.HC
Dandelion Diagram: Aggregating Positioning and Orientation Data in the Visualization of Classroom Proxemics
在过去的两年里，一个新兴的人机交互工作的主体一直集中在课堂化学-教师如何分配时间和注意力的学生在课堂的不同区域。跟踪和可视化这一隐含的，但相关的教学维度，有利于研究和教师专业化。先前的工作已经证明了描绘教师下落的价值。然而，设计新的合成可视化仍然是一个重要的机会，可以帮助研究人员和从业者在大量的跟踪数据中获得更多的见解。我们提出了丹尼士图，这是一种合成热图技术，它结合了教师的定位和方向（航向）数据，并提供了更丰富的表示，除了行踪-例如，教师的注意力模式（他们注意的方向），和他们的移动模式（即，教室里的轨迹）。本文利用一项实地研究的各种课堂数据，说明了丹尼士图的设计和实用性。
2020-02-12 cs.HC
VAID: Indexing View Designs in Visual Analytics System
针对视觉分析系统设计难以查询和复用的问题，本文提出VAID索引结构，通过研讨会收集需求并为高级可视化设计提供分析任务与视觉设计标签，经用户研究验证其有效性。
2024-02-24 cs.HC
GeoCamera: Telling Stories in Geographic Visualizations with Camera Movements
本研究通过分析66个地理数据视频构建摄像机移动设计空间，开发了交互式工具GeoCamera，使用户能灵活设计地理可视化的摄像机移动，案例与用户研究验证了其表达能力与可用性。
2023-09-09 cs.HC
An Empirical Study of Counterfactual Visualization to Support Visual Causal Inference
本文结合因果推断与视觉数据传达理论构建因果理解模型，并通过实证研究表明反事实可视化能积极促进用户对静态图表中数据因果关系的理解。
2024-01-16 cs.HC
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
Understanding Codebase like a Professional! Human-AI Collaboration for Code Comprehension
Johns Hopkins University（约翰斯·霍普金斯大学）；Metatrust Labs（MetaTrust实验室）；Singapore Management University（新加坡管理大学）；Fudan University（复旦大学）；Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工学院研究联盟）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）；North Carolina State University（北卡罗来纳州立大学）
CodeMap通过动态信息提取和交互式可视化，提升代码理解的直观性和易用性，减少对LLM响应的依赖。
2026-02-12 cs.HC
What are Table Cartograms Good for Anyway? An Algebraic Analysis
不熟悉或深奥的视觉形式出现在许多可视化领域。虽然这些形式可能很有趣，但如果没有长时间的实践或昂贵的用户研究，就不清楚如何有效地使用它们。在这项工作中，我们分析了表格制图图形可视化表格数据，使一个网格的四边形区域与输入数据相对应，像一个热图，已被“面积ed”，而不是彩色。尽管已经存在了几年，但人们对其正确用法知之甚少。我们通过使用代数可视化设计来弥补这一差距，以表明它们最适合用于一些比较和离群值识别任务的相对较小的有序轴表。在这样做时，我们展示了一个折扣理论为基础的分析，可以用来便宜地确定未知的可视化的最佳实践。
2021-04-08 cs.HC
What is the message? Perspectives on Visual Data Communication
Faculty of Computer Science, University of Vienna（维也纳大学计算机学院）；UniVie Doctoral School Computer Science DoCS, University of Vienna（维也纳大学计算机科学博士学校DoCS）；Centre for Science and Technology Studies (CWTS), Leiden University（莱顿大学科学技术研究中心(CWTS)）；Research Network Data Science, University of Vienna（维也纳大学数据科学研究网络）；Department of Human-Computer Interaction, Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学人机交互系）；AIT Austrian Institute of Technology（奥地利技术研究院(AIT)）
通过混合方法研究《科学美国人》中气候变化和流行病的数据可视化，从读者、图表和生产者三个视角分析信息传达，发现文本显著改变信息解读，并提出信息类型学与设计建议。
2026-05-28 cs.HC
uxSense: Supporting User Experience Analysis with Visualization and Computer Vision
University of Maryland, College Park（马里兰大学帕克分校）；University of Waterloo（滑铁卢大学）；Hong Kong University of Science and Technology（香港科技大学）
针对可用性评估中用户行为分析的挑战，提出视觉分析系统uxSense，利用机器学习从音视频提取多维度用户行为特征并以并行时间线可视化，支持专业UX研究人员高效分析且通过自身评估验证应用。
2023-10-11 cs.HC
What May Visualization Processes Optimize?
在本文中，我们提出了一个抽象的可视化和推理过程的模型，并描述了一个信息理论的措施，优化这些过程。为了获得这样一个抽象，我们首先检查了六类工作流程中的数据分析和可视化，并确定了四个级别的典型可视化组件，即传播，观察，分析和模型开发可视化。我们注意到一个共同的现象，在不同层次的可视化，即数据空间（称为字母）的转换通常对应于减少最大熵沿工作流。基于这一观察，我们建立了一个信息理论的成本效益比，可用作优化数据可视化过程的成本函数的措施。为了证明这一措施的有效性，我们研究了一些成功的可视化过程中的文献，并表明，信息理论的措施可以在数学上解释这种过程的优势，可能的替代品。
2015-06-07 cs.HC cs.IT math.IT
Interface Design to Support Legal Reading and Writing: Insights from Interviews with Legal Experts
本文通过访谈22名法律专业人员并评估HCI略读与写作原型，揭示法律工作流程需求及AI韧性界面设计要点，为法律读写支持工具提供指导。
2025-09-29 cs.HC
Do MLLMs See What We See? Analyzing Visualization Literacy Barriers in AI Systems
University of Toronto（多伦多大学）
本研究分析了MLLMs在可视化素养中的障碍，揭示了两种机器特定的障碍，并展示了模型在复杂可视化任务上的表现差异。
2026-01-18 cs.AI cs.ET cs.HC
A Web-based Large-scale Timelapse Editor for Creating and Sharing Guided Video Tours and Interactive Slideshows
科学家、记者和摄影师使用先进的相机技术来捕捉极高分辨率的时间流逝，并开发了用于数据探索和分析的信息可视化工具。然而，专业人士在探索数据后需要花费大量的精力来形成和讲述故事，因为这些工具通常在创建视觉元素方面提供很少的帮助。我们提出了一个基于Web的时间推移编辑器，以支持创建引导视频旅游和互动幻灯片从一个大规模的空间和时间图像的集合。专业人士可以将这两个视觉元素嵌入到网页中，结合各种形式的数字媒体，讲述多模式和互动的故事。
2018-04-10 cs.HC
Reflections on Teaching Data Storytelling at the Journalism School
本文回顾了在中国新闻学院教授数据驱动叙事的经验，分析了学生量化素养不足等三大教学挑战，并探讨了将可视化置于新闻语境等应对方法，旨在为非技术背景学生的数据可视化教学提供参考。
2025-04-07 cs.HC
Charting EDA: Characterizing Interactive Visualization Use in Computational Notebooks with a Mixed-Methods Formalism
本研究通过对13名数据科学家的Jupyter notebook使用实验，提出EDA分析状态形式化体系，发现交互式可视化比静态可视化更易催生早且复杂的洞察，还揭示了表征的规划辅助作用等行为模式，为相关工具设计提供指导。
2024-09-16 cs.HC
Challenges and Opportunities in Data Visualization Education: A Call to Action
本文由21位可视化教育者基于实践经验，围绕七大主题梳理数据可视化教育的19项挑战、43个研究问题，并提出五项跨领域行动机遇。
2023-08-15 cs.HC
What We Can Learn From Visual Artists About Software Development
本文通过研究艺术家如何使用和开发软件来探讨软件在视觉艺术创作中的作用。我们采访了与软件开发人员合作、学习软件开发以及构建和维护软件的专业艺术家。我们发现艺术家们有动力学习软件开发，以促进智力增长和进入技术社区。艺术家们重视通过熟练的手工执行和个人软件开发来实现高效的工作流程，但避免了高级形式的软件自动化。艺术家们发现了他们的优先事项与专业开发人员和计算艺术社区之间的冲突，这影响了他们在工作中使用计算美学的方式。这些发现有助于系统工程研究的努力，以整合最终用户编程和跨软件和物理媒体的创造力支持，为艺术家提供合作机会。艺术家编写软件的经验可以指导特定领域表示的技术实现，他们在跨学科生产方面的经验可以帮助围绕计算工具建立包容性社区。
2021-01-27 cs.HC
