Towards Understanding Decision Problems As a Goal of Visualization Design
本文针对可视化研究中决策目标定义不足的问题，提出通过数据、用户与任务情境属性表征决策问题的方案，以支持设计研究并明确未来方向。
2025-07-24 cs.HC
A Multidimensional Assessment Method for Situated Visualization Understanding (MdamV)
针对现有可视化理解评估忽视数字素养等因素的问题，提出涵盖六个维度的情境化可视化理解多维评估方法（MdamV），结合任务测量、能力评级与开放式批判，验证了超越表现评估的价值。
2025-11-03 cs.HC
QUARTZ: Qualitative Understanding via Accessible Representation and Visualization
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究针对盲人和低视力研究者无法访问定性数据可视化的问题，提出基于网络的QUARTZ系统，通过用户研究揭示相关障碍并提出设计准则，以提升该群体参与定性研究的可访问性。
2026-08-13 cs.HC
Understanding How Older Adults Comprehend COVID-19 Interactive Visualizations via Think-Aloud Protocol
2019冠状病毒病大流行对老年人造成严重打击。对于老年人来说，最大限度地减少COVID-19和未来大流行病的负面影响的一个关键方法是随时了解其最新信息，这些信息越来越多地通过在线交互式可视化呈现（例如，实时仪表板和网站）。因此，有必要了解老年人如何与在线COVID-19互动可视化进行互动和理解，以及他们可能遇到的挑战，以使老年人更容易获得此类可视化。我们采用了以用户为中心的方法，邀请老年人与COVID-19互动可视化进行互动，同时使用有声思维协议来表达他们的思维过程。通过分析他们的有声思维语言，我们确定了四种类型的思维过程，代表了老年人如何理解可视化，并揭示了他们遇到的挑战。此外，我们还确定了他们在可视化所采用的七种常见交互技术中遇到的挑战。基于这些发现，我们提出了设计指南，使交互式可视化更容易为老年人所用。
2022-02-23 cs.HC
Towards an Understanding of Situated AR Visualization for Basketball Free-Throw Training
我们提出了一个观察性研究，比较共同定位和位于实时可视化在篮球罚球训练。我们的目标是了解将沉浸式可视化应用于现实世界中基于技能的运动训练的优势和问题，并为设计AR运动训练系统提供见解。我们设计了一个位于盔装显示器上的3D可视化和一个位于同一位置的显示器上的2D可视化，以提供对球员投篮表现的即时视觉反馈。使用一个有经验的篮球运动员的主题内研究设计，我们描述用户的目标，报告定性的培训经验，并比较定量的培训结果。我们的研究结果表明，实时视觉反馈可以帮助运动员改进随后的投篮。在我们的研究中，射手与我们的视觉反馈实现了更大的角度一致性。此外，AR可视化促进了对运动员体型的关注。最后，我们对未来体育AR研究的设计提出了建议。
2021-04-12 cs.HC
A Survey on Annotations in Information Visualization: Empirical Insights, Applications, and Challenges
University of Utah（犹他大学）；University of South Florida（南佛罗里达大学）；University of Oklahoma（俄克拉荷马大学）
本文综述了信息可视化中注释的作用，探讨其在提升用户理解与参与度方面的实证研究，分析现有工具和技术，并指出未来研究方向。
2024-10-08 cs.HC
Understanding Auto-Scheduling Optimizations for Model Deployment via Visualizations
本文针对自动调度生成的低层代码难以理解的问题，提出一种增强可视化方法以呈现大量性能分析指标，从而帮助理解调度过程并进一步优化推理延迟。
2023-08-09 cs.HC
Understanding Players' Interaction Patterns with Mobile Game App UI via Visualizations
了解玩家如何在智能手机设备上与移动游戏应用进行交互，对于游戏专家开发和完善其应用产品非常重要。传统上，游戏专家通过对目标玩家进行深入的用户研究或迭代的UI设计过程来实现他们的目的，这无法捕获大规模个体玩家的交互模式。可视化用户UI操作的记录日志是定量理解交互模式的一种很有前途的方法。然而，很少有可视化工具已经开发的移动游戏应用程序交互，这是具有多点触摸动态操作和复杂的UI的挑战。在这项工作中，我们填补了空白，提出了一种可视化的方法，旨在了解玩家的互动模式，在多点触摸游戏应用程序与更复杂的互动支持的图标和一系列的技能按钮。特别地，我们识别玩家的动态手势模式，检查手势行为的相似性和差异性，并探索当前移动游戏应用程序UI设计与玩家的真实世界实践之间的潜在差距。三个案例研究表明，我们的方法是有前途的，可以潜在的补充理论UI设计的进一步研究。
2021-10-17 cs.HC
Survey on Individual Differences in Visualization
数据可视化研究的发展使可视化系统能够在各个领域实现很好的通用性和应用。这些进步不仅提高了人们对数据的理解，也提高了人们对自身以及他们如何与可视化系统交互的一般理解。特别是，研究人员已经逐渐认识到具有一刀切的可视化界面的不足，以及在使用数据可视化系统中个体差异的重要性。不幸的是，缺乏对现有文献的全面调查阻碍了这项研究的发展。在本文中，我们回顾了现有文献中的研究视角，以及人格特质和认知能力，可视化，任务和测量。我们的目标是提供现有奖学金的详细摘要，产生基于证据的评论，并促进未来的调查。
2020-05-19 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
Towards an Understanding of Distributed Asymmetric Collaborative Visualization on Problem-solving
本文提供了经验知识的用户体验使用协同可视化在分布式非对称设置，通过控制用户的研究。利用访问诸如虚拟现实（VR）盔装显示器之类的各种计算设备的能力，当协作者必须或偏好在不同的地方使用不同的计算环境时，出现了场景。然而，我们仍然缺乏对在非对称环境中使用VR进行协作可视化的理解。为了获得初步的理解并更好地为非对称系统的设计提供信息，我们首先对12对参与者进行了形成性研究。所有参与者在非对称（PC-VR）和对称设置（PC-PC和VR-VR）中进行合作。然后，我们根据第一项研究的主要发现和观察结果改进了我们的不对称设计。另外10对参与者在后续研究中与增强的PC-VR和PC-PC条件合作。我们发现，一个设计良好的非对称协作系统可以作为一个对称系统的有效性。令人惊讶的是，与对称设置（PC-PC）相比，使用PC的参与者在不对称设置（PC-VR）中感知到的心理需求和努力较少。我们提供了关于不同协作设置之间的权衡的细粒度讨论。
2023-02-03 cs.HC
Understanding the Research-Practice Gap in Visualization Design Guidelines
Boston College（波士顿学院）；Yonsei University（延世大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文通过混合方法研究发现，实证研究与可视化设计指南存在矛盾，提出整合上下文、方法、问题和目的的指南模板及三元知识模型策略。
2026-01-02 cs.HC
Understanding User Experience of COVID-19 Maps through Remote Elicitation Interviews
在冠状病毒大流行期间，可视化对更广泛的受众来说获得了新的普及和意义。从简单的图表到复杂的交互式仪表板，人们被一系列广泛的公共卫生可视化所轰炸。在大流行背景下，世界上大量人口正在社交上保持距离，迫切需要改进现有的远程设置用户体验评估方法，以了解人们如何理解COVID-19相关的可视化。在评估面向社会人口背景差异巨大、技术水平和数据素养水平各异的普通公众的可视化时，重要的是要了解用户反馈，而不仅仅是速度、任务准确性或可用性问题。作为这一更广泛的评价视角的一部分，微观现象学被用来评价静态和叙事性的可视化，以详细的方式揭示生活经验。在这些研究的基础上，我们进行了一项用户研究，以了解如何在远程环境中使用启发式（又名微观现象学）访谈。在一个案例研究中，我们调查了参与者对基于地图的交互式可视化的体验。我们的研究结果揭示了远程进行诱导面试的积极和消极方面。我们的研究结果可以告知规划和执行远程启发式访谈，以评估交互式可视化的过程。此外，我们分享有关公共卫生数据的可视化技术和交互设计的建议。
2020-09-03 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
From Reality to Recognition: Evaluating Visualization Analogies for Novice Chart Comprehension
本文提出视觉类比方法，将数据结构映射到现实情境以帮助新手理解新型图表，并通过128人实证研究验证其能提升视觉分析技能、促进知识迁移且更受学习者欢迎。
2025-06-03 cs.HC
Understanding Visualization: A Formal Approach using Category Theory and Semiotics
本文结合符号学和范畴理论的词汇，对可视化进行形式化分析。它展示了熟悉的可视化过程如何符合索绪尔和皮尔士的符号学框架，并使用范畴理论的工具扩展了这些结构，为理解实践中的可视化提供了一个通用框架，包括：系统之间的关系，从这些系统收集的数据，以表示形式呈现这些数据，读取这些表示以创建可视化，以及使用这些可视化来创建对被检查系统的知识和理解。由此产生的框架进行验证，演示如何熟悉的信息可视化概念（如字面量，敏感性，冗余，模糊性，概括性和图表垃圾）自然产生的，可以正式和精确地定义。本文概括了以前的工作的可视化的正式表征，除其他外，Ziemkiewicz和Kosara，并允许我们正式区分属性的可视化过程中，以前的工作没有。
2013-11-18 cs.GR cs.HC cs.LO
Automating the Path: An R&D Agenda for Human-Centered AI and Visualization
本文提出系统框架，将HCAI的四大工具能力映射到视觉意义构建四阶段，回顾工具、展望未来、识别挑战与伦理考量，为可视化领域整合AI及支持HCAI研究提供研发议程。
2025-04-10 cs.HC
Understanding the Impact of Referent Design on Scale Perception in Immersive Data Visualization
本文通过受控用户研究评估了沉浸式可视化中参照物布局和尺寸对尺度感知的影响，发现in-situ布局显著提升准确性与置信度，中等尺寸参照物在效率任务中表现最佳，并据此提出了设计指南。
2024-03-24 cs.HC
Evaluating LLMs for Visualization Generation and Understanding
Indian Institute of Technology（印度理工学院）
该研究评估了主流大语言模型在可视化代码生成与可视化内容理解上的能力，发现其可完成简单任务但在复杂可视化及细节问题上存在局限，相关结论可为改进LLM与信息可视化系统提供参考。
2025-06-16 cs.AI cs.HC
A Preliminary Model for the Design of Music Visualizations
音乐可视化基本上是数据从听觉空间到视觉空间的转换。有各种各样的音乐可视化，跨应用程序，目前在网络上。可视化模型包括有助于设计、理解和理解可视化的概念框架。在本文中，我们提出了一个初步的音乐可视化模型。我们使用可视化刺激和数据属性两个概念支点来建立模型。为了证明该模型的实用性，我们解构和设计可视化玩具的例子，使用该模型，最后得出结论，提出进一步的应用和未来的工作，我们提出的模型。
2021-04-11 cs.HC
Maybe, Maybe Not: A Survey on Uncertainty in Visualization
理解和评估不确定性在决策中起着关键作用。当一个观众研究一个可视化，需要推理，这是必要的，不确定性是描绘在它。本文展示了在可视化表示不确定性的重要性。它概述了不确定性可视化以及作者和查看者在使用此类图表时面临的挑战。我将可视化管道分为四个部分，即数据汇集，预处理，可视化和推理，以评估不确定性如何影响它们。接下来，我调查作者的方法来处理和设计的不确定性。最后，我通过探索不确定性可视化的未来路径做出贡献。
2022-12-14 cs.HC
Measuring and predicting variation in the difficulty of questions about data visualizations
通过对503名美国成年人施测五项数据可视化素养测试的综合测验，发现题目难度估计高度可靠，但可视化与任务类型仅能解释适中变异，需更细粒度特征预测并推广难度差异。
2025-05-12 cs.HC
Understanding Expert Exploration in EHR Visualization Tools: The ParcoursVis Use Case
本研究基于ParcoursVis系统，提出一种理解从业者在探索医疗数据时心智模型的评估方法，旨在揭示专家用户的探索策略及探索性工具在健康数据分析中的效用。
2025-09-12 cs.HC
Glyph: Visualization Tool for Understanding Problem Solving Strategies in Puzzle Games
了解玩家策略是学术研究人员和行业从业者分析玩家行为时的一个关键问题。对于游戏设计师和游戏用户研究人员来说，衡量预期策略和紧急策略之间的距离非常重要;这种比较可以识别故障或不良行为。对于将游戏用于严肃目的（如教育）的学术研究人员来说，玩家所采取的策略表明了他们与严肃目标（如学习过程）相关的认知进展。为解决这些需求而创建的当前技术和系统存在一些缺点。定性方法很难向上扩展，以包括大量的参与者，而且容易产生主观偏见。其他方法，如可视化和分析工具，要么被设计为提供数据的汇总概述，丢失个体玩家行为的细微差别，要么在试图解释个体行为时，不是专门设计为减少视觉认知负荷。在这项工作中，我们提出了一种新的可视化技术，专门解决比较行为序列的任务，以捕捉玩家制定的策略的概述，并在同一时间检查个别玩家的行为，以确定差异和离群值。这种方法允许用户形成关于玩家策略的假设并验证它们。我们证明了该技术的有效性，通过案例研究：利用原型系统调查收集的数据从商业教育益智游戏。虽然原型的可用性可以提高，初步测试结果表明，该系统的核心功能被证明是有用的，我们的潜在用户了解球员的策略。
2021-06-25 cs.HC
Characterizing Creativity in Data Visualization: Reflections and Future Directions
University of Iowa（爱荷华大学）；George Mason University（乔治梅森大学）；University of Toronto（多伦多大学）；Aarhus University（奥胡斯大学）
本文通过两项研究探讨创造力在可视化设计中的表现，发现创意过程常被低估，而创意瓶颈和组织限制影响创造力发展，提出未来需重新设计支持AI辅助可视化的框架和工具。
2026-10-05 cs.HC
Data Changes Everything: Challenges and Opportunities in Data Visualization Design Handoff
复杂的数据可视化设计项目通常需要具有不同可视化相关技能的人员之间的协作。例如，许多团队既包括创建新的可视化设计的设计师，也包括实现最终可视化软件的开发人员。我们确定了数据特征化工具、可视化设计工具和开发平台之间的差距，这些差距给致力于创建新数据可视化的设计师-开发人员团队带来了挑战。虽然商业交互设计工具通常支持设计人员和开发人员之间的协作，但创建数据可视化带来了当前工具不支持的几个独特挑战。特别是，可视化设计人员必须描述和建立对底层数据的理解，然后指定布局，数据编码和其他数据驱动的参数，这些参数在许多不同的数据值中都是健壮的。在较大的团队中，设计人员还必须将这些映射及其依赖关系清楚地传达给开发人员、客户和其他合作者。我们报告了五个大型多学科可视化设计项目的观察和思考，并强调了设计规范和移交的六个数据特定的可视化挑战。这些挑战包括适应不断变化的数据，预测数据中的边缘情况，理解技术挑战，阐明依赖于数据的交互，传达数据映射，以及在迭代过程中保持数据映射的完整性。基于这些观察，我们确定了未来的原型设计，测试和交流数据驱动的设计，这可能有助于更成功的和协作的数据可视化设计的工具的机会。
2019-08-01 cs.HC
Evaluating Alignment Approaches in Superimposed Time-Series and Temporal Event-Sequence Visualizations
复合时间事件序列可视化包括哨兵事件对齐技术，以应付数据量和品种。先前的工作已经证明了使用单事件对齐来理解围绕哨兵事件的前体、共发和后效事件的实用性。然而，在复合可视化中，单事件对齐的有用性还没有得到充分的评估。此外，最近提出的双事件对齐技术还没有经验评估。在这项工作中，我们围绕时间事件序列和时序分析设计了任务，并在Amazon Mechanical Turk上进行了一项对照实验，以检查四种哨兵事件对齐方法：无哨兵事件对齐（NoAlign），单事件对齐（SingleAlign），左对齐双事件对齐（DualLeft）和拉伸对齐双事件对齐（DualStretch）。方法之间的差异在数据行较多的情况下最为明显。对于理解两个哨兵事件之间的中间事件，双事件对齐是正确性的明显赢家--在理解两个哨兵事件之间的持续时间方面，NoAlign是明显的赢家：正确性-88%对DualStretch的36%-完成时间-55秒对DualLeft的101秒-和错误-1.5%对DualStretch的8.4%。对于了解前驱和后效事件，不同方法之间没有显著差异。本文的免费副本、评估激励和数据以及源代码可在https://osf.io/78fs5上获得
2019-08-20 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
Data Visceralization: Enabling Deeper Understanding of Data Using Virtual Reality
数据可视化的一个基本部分是转换数据，将抽象信息映射到可视化属性上。虽然这种抽象是数据可视化的强大基础，但表示与原始底层数据（即，这些量和测量实际上与现实相对应）可能会丢失。另一方面，虚拟现实（VR）正越来越多地用于将真实和抽象模型表示为用户的自然体验。在这项工作中，我们探索了使用VR来帮助恢复单位和措施的基本理解的潜力，这些单位和措施通常在数据可视化中被抽象出来，我们称之为数据内部化。通过构建VR原型作为设计探针，我们确定了数据内部化的关键主题和因素。我们首先通过作者的批判性反思，然后通过外部参与者的参与来做到这一点。我们发现，数据内部化是一种理解物理测量及其现实形式的定性方面的吸引人的方式，它补充了通常从数据可视化中获得的分析和定量理解。然而，当数据和表示之间存在一对一的映射时，数据内部化是最有效的，而缩放等转换会影响这种理解。最后，我们讨论了数据内部化的未来方向。
2020-11-11 cs.HC
Charting Public Health: A Taxonomic Study of Visualization Practices in the Public Health Field
Washington University in St. Louis（圣路易斯华盛顿大学）
本研究针对公共卫生领域未被充分研究的真实数据可视化设计实践，构建含4000余幅作品的语料库并分析其设计特征，助力改进相关传播工作。
2026-08-11 cs.HC
"I Came Across a Junk": Understanding Design Flaws of Data Visualization from the Public's Perspective
本研究从公众视角调查数据可视化设计缺陷，构建分类框架并探讨缺陷成因，填补了以往研究在用户视角、成因分析及系统框架方面的空白。
2024-11-12 cs.GR cs.HC
The Rational Agent Benchmark for Data Visualization
本文提出理性智能体框架，通过对比人类行为智能体与假设理性智能体的预期绩效，在实验前后评估可视化设计并分离信息提取与优化错误。
2023-08-17 cs.HC
Understanding Why ChatGPT Outperforms Humans in Visualization Design Advice
Boston College（波士顿学院）
本文通过系统比较ChatGPT与人类在数据可视化知识任务中的回答，发现ChatGPT-4兼具人类与ChatGPT-3.5特征，其覆盖广度与技术导向反馈使其回答更受青睐，并据此提出利用LLM与人类感知推进用户体验的启示。
2025-08-03 cs.AI cs.HC
Reflections on Visualization in Motion for Fitness Trackers
本文回顾面向运动场景的健身追踪器可视化研究，提出“visualization in motion”概念，并结合智能手表现状数据分析未来设计挑战。
2024-09-10 cs.HC
An Algorithmic Perspective on Information Visualization
TU Eindhoven（埃因霍温理工大学）
该研究针对Munzner可视化设计模型未充分关注算法视角的问题，提出用清晰算法视角模型补充设计视角，以分离设计与算法关注点，提升可视化研究的可信度与理解深度。
2026-08-03 cs.HC
Task Matters When Scanning Data Visualizations
评估数据可视化和可视化分析工具的有效性的主要挑战之一是，不同的用户可能会使用这些工具执行不同的任务。在本文中，我们提出了一个简单的例子，说明不同的任务如何导致对相同底层数据可视化的不同注意模式。我们认为，在这个实验中使用的一般方法可以系统地应用到可视化研究人员已经开发的任务和功能分类。使用眼动追踪来研究常见任务对人类如何处理常见类型的可视化的影响，将有助于更深入地理解可视化认知，并开发更强大的方法来评估可视化的有效性。
2020-09-30 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
OptiCarVis: Improving Automated Vehicle Functionality Visualizations Using Bayesian Optimization to Enhance User Experience
本文提出OptiCarVis，一种基于人在回路多目标贝叶斯优化的自动驾驶可视化优化方法，通过在线实验证明其能在不增加认知负荷的情况下显著提升用户信任、接受度、感知安全性与可预测性。
2025-03-12 cs.HC
Towards Collective Storytelling: Investigating Audience Annotations in Data Visualizations
本研究以批判制图学为启发，探究数据可视化中受众标注的作用，发现标注可助力集体数据叙事、促进读者共情与反思，甚至成为可视化的核心焦点。
2025-03-24 cs.HC
SimVecVis: A Dataset for Enhancing MLLMs in Visualization Understanding
Nanyang Technological University（南洋理工大学）；ByteDance Inc.（字节跳动公司）；Nanjing University（南京大学）；Tsinghua University（清华大学）；University of Oxford（牛津大学）
本文提出简化向量格式SimVec和数据集SimVecVis，通过位图、向量表示及带思维链的问答对微调MLLMs，显著提升其在以数据为中心的可视化问答任务上的性能。
2025-07-02 cs.CV cs.HC
Information Visualization for Effective Altruism
本文探讨了信息可视化如何帮助有效利他主义运动理解复杂的人道主义权衡并基于数据做出决策，同时指出有效利他主义也为可视化研究提供了强大的思维框架。
2024-11-13 cs.HC
Toward a Logic of Generalization about Visualization as a Decision Aid
本文探讨了可视化作为决策辅助时的泛化逻辑问题，利用决策理论定义决策问题变化维度并分析场景异质性，指出效用是核心但被忽视的概念，为理解情境变化提供了新视角。
2025-08-08 cs.HC
The Future of Visualization Dashboards in the Age of Generative AI
Aarhus University（奥胡斯大学）；TU Wien（维也纳工业大学）；VRVIS GmbH（VRVIS有限公司）
该研究通过采访14国16位专家，探讨生成式AI时代可视化仪表板的未来，明确其持续应用场景、交互与创作者职责变化，指出相关风险并提出七大研究实践方向。
2026-09-28 cs.HC
How do Visualization Designers Think? Design Cognition as a Core Aspect of Visualization Psychology
在心理学和可视化的交叉点从事研究有很多机会。虽然VIS社区所采取的大多数机会可能会集中在用户的心理学上，但也有机会研究设计师的心理学。在这篇立场论文中，我认为研究设计认知的重要性，作为可视化心理学研究的整体计划的必要组成部分。我提供了一个简短的概述，在其他学科的设计认知的研究，并讨论VIS建立一个类似的研究计划的机会。这样做可以导致研究和设计实践的更强的整合，可以更好地了解如何教育和训练未来的设计师，并可能会为未来的研究提出挑战和机遇。
2020-09-29 cs.HC
An Interactive Visualization Tool for Understanding Active Learning
Simon Fraser University（西蒙菲莎大学）
尽管最近在人工智能和机器学习方面取得了进展，但许多最先进的方法缺乏可解释性和透明度。解释机器学习模型做出的预测并准确评估这些模型的能力至关重要。在本文中，我们提出了一个交互式可视化工具来阐明主动学习的训练过程。该工具使人们能够选择感兴趣的数据点样本，查看其预测值在不同查询阶段如何变化，从而更好地了解主动学习何时以及如何工作。此外，用户可以利用这个工具来比较不同的主动学习策略，同时检查为什么有些策略优于其他在某些情况下。通过一些初步的实验，我们证明了我们的可视化面板具有很大的潜力，可以用于各种主动学习实验，并帮助用户适当地评估他们的模型。
2021-11-09 cs.HC cs.LG
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
The Quest for Omnioculars: Embedded Visualization for Augmenting Basketball Game Viewing Experiences
体育比赛数据正变得越来越复杂，通常由多变量数据组成，例如球员表现统计数据、历史团队记录和运动员的位置跟踪信息。虽然已经为体育分析师开发了许多可视化分析系统来获得见解，但很少有工具针对球迷来提高他们在现场比赛中对体育数据的理解和参与。通过在实际的游戏视图中呈现额外的数据，嵌入式可视化有可能增强球迷的游戏观看体验。然而，很少有人知道如何设计这种嵌入到实时游戏中的可视化。在这项工作中，我们提出了一个以用户为中心的设计研究开发交互式嵌入式可视化的篮球球迷，以改善他们的现场观看比赛的经验。我们首先进行了一项形成性研究，以描述篮球迷的比赛中分析行为和任务。基于我们的研究结果，我们提出了一个设计框架，通知嵌入式可视化的设计基于特定的数据搜索上下文。根据设计框架，我们提出了五种新颖的嵌入式可视化设计，针对球迷确定的五个代表性的背景下，包括射击，进攻，防守，球员评价，球队比较。然后，我们开发了Omnioculars，这是一个交互式篮球比赛观看原型，其特点是为球迷的比赛数据分析提供了嵌入式可视化。我们评估了Omnioculars在模拟篮球比赛与篮球迷。研究结果表明，我们的设计支持个性化的游戏中数据分析，并提高游戏的理解和参与。
2022-09-01 cs.HC
Panda or not Panda? Understanding Adversarial Attacks with Interactive Visualization
University of Waterloo（滑铁卢大学）
针对图像分类中对抗攻击难以理解的问题，本研究推出多层次交互式可视化系统AdvEx，经评估证实其能有效帮助入门学习者理解AML机制并提供良好学习体验。
2024-10-05 cs.CV cs.HC
Task-Based Effectiveness of Basic Visualizations
表格数据的可视化被广泛使用;了解它们在不同任务和数据上下文中的有效性是扩展其影响的基础。然而，关于基本表格数据可视化如何在不同的数据分析任务和数据属性类型中执行的知之甚少。在本文中，我们报告了一个众包实验的结果，以评估五种可视化类型的有效性-表格，折线图，条形图，散点图和饼图-在十个常见的数据分析任务和三种数据属性类型使用两个真实世界的数据集。我们发现，这些可视化类型的有效性显着不同的任务和数据属性类型，这表明可视化设计将受益于考虑上下文相关的有效性。根据我们的研究结果，我们得出了根据不同任务选择哪些可视化的建议。最后，我们训练一个决策树的数据，我们收集到驱动推荐，展示如何有效地工程实验用户数据到实际的可视化系统。
2018-04-24 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
A Comparative Study of Table Sized Physicalization and Digital Visualization
本研究对比大尺寸物理模型与数字屏幕的学校建筑历史数据可视化效果，发现物理化在即时理解、长期记忆保持和可用性上表现更优，为教育及公共场景可视化媒介选择提供参考。
2024-09-11 cs.HC
Seek for Success: A Visualization Approach for Understanding the Dynamics of Academic Careers
如何实现学术生涯的成功一直是社会科学研究中的一个长期研究问题。随着越来越多的大规模有据可查的学术概况和职业轨迹的可用性，学术界对职业成功的兴趣重新焕发了活力，这已经成为一个活跃的研究领域，称为科学的科学（即，SciSci）。在这项研究中，我们采用了一种创新的动态视角来研究个人和社会因素如何随着时间的推移影响职业成功。我们提出了ACSeeker，一个交互式的可视化分析方法，探索成功的潜在因素，以及多种因素的影响如何在学术生涯的不同阶段发生变化。我们首先应用多因素影响分析框架来估计不同因素对学术生涯成功的影响。然后，我们开发了一个可视化分析系统，以交互方式了解动态效果。设计了一个新的时间轴，以揭示和比较基于整个人口的因素的影响。一个定制的职业生涯线显示个人的职业发展提供了一个详细的检查。为了验证ACSeeker的有效性和可用性，我们报告了两个案例研究和社会科学家和一般研究人员的访谈。
2021-08-13 cs.HC
Multimodal Data Comprehension: Understanding How Visual-Textual Chains of Information Influence Data Interpretation
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；University of California San Diego（加利福尼亚大学圣迭戈分校）
研究多模态数据理解中视觉与文本信息链对数据解释的影响，提出用可视化优先链和文本优先链呈现信息的实验范式，通过比较发现不同链的理解特点，为多模态信息整合及有效数据通信设计提供见解。
2026-10-08 cs.HC
Collecting and Characterizing Natural Language Utterances for Specifying Data Visualizations
用于数据可视化的自然语言接口（NLI）在学术研究和商业软件中越来越受欢迎。然而，缺乏对人们如何通过自然语言指定可视化的经验理解。为了弥补这一差距，我们对102名参与者进行了一项在线研究。我们向参与者展示了给定数据集的一系列十个可视化，并要求他们提供他们将构成的话语来生成显示的图表。下面提供了从研究中生成的话语的精选列表。该话语语料库可用于评估现有的NLI以用于数据可视化以及用于创建新的系统和模型以从自然语言话语生成可视化。
2021-10-01 cs.HC
