Images Connect Us Together: Navigating a COVID-19 Local Outbreak in China Through Social Media Images
本研究通过收集西安COVID-19爆发期间的社交媒体图像和帖子，采用混合方法分析危机图像的主题、目标与策略，揭示了视觉主题与信息及情感目标的关联，并提出了有效视觉危机传播的设计启示。
2023-11-18 cs.HC cs.SI
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
A Visual Analytics Based Decision Making Environment for COVID-19 Modeling and Visualization
处理COVID-19等大流行病的公共卫生官员必须评估和准备应对计划。这一规划阶段不仅需要利用模拟模型研究大流行病的时空动态和影响，而且还需要规划和确保在不同传播情景下的资源可用性。为此，我们开发了一个可视化分析环境，使公共卫生官员能够通过提供人口、人口统计和医院床位等县级信息来建模、模拟和探索COVID-19的传播。该环境便于用户通过具有链接统计视图的地理空间地图探索与COVID-19相关的时空模型模拟数据，在不同时间点应用不同的决策措施，并了解其潜在影响。用户可以向下钻取县级详细信息，例如患病人数、死亡人数、住院需求以及这些统计数据随时间的变化。我们通过一个用例研究证明了这个环境的有用性，并提供了来自领域专家的反馈。我们还提供了有关这项工作的未来扩展和潜在应用的详细信息。
2020-10-22 cs.HC
52 Weeks Later: Attitudes Towards COVID-19 Apps for Different Purposes Over Time
本研究通过在美德两国为期1.5年的三轮调查，考察了人们对五种COVID-19应用态度的变化，发现隐私担忧显著降低接受度，而对当局的信任和持续沟通对维持应用采用至关重要。
2023-07-12 cs.HC
Visualization and Analysis of Wearable Health Data From COVID-19 Patients
Zurich University of Applied Sciences (ZHAW)（苏黎世应用科学大学）；University Hospital Basel (USB)（巴塞尔大学医院）
对有效的可视化进行了评估，以揭示来自多传感器实时可穿戴设备的相关健康模式，这些设备记录了因COVID-19入院的患者的生命体征。此外，还描述了与可穿戴健康数据可视化相关的具体挑战，例如合规性问题导致的数据质量波动、为设备充电所需的时间以及技术问题。作为一个主要用例，我们研究了该技术获取的生命体征中可见的相关健康模式的检测和通信。使用定制热图和条形图专门突出生命体征中的医学相关模式。对两名医生、一名临床项目经理和七名健康数据科学研究人员进行了调查，以评估可视化方法。从84名住院COVID-19患者的数据集中，我们提取了一个典型的COVID-19患者病史，并基于可视化展示了两个值得注意的患者的健康史。可视化被证明是有效的，简单和直观的推断病人的健康状况。对于时间有限且负责众多患者的临床工作人员来说，此类可视化方法可以成为一种有效的工具，可以连续获取和远程监控患者的健康状况。
2022-01-19 cs.CV cs.HC
An Interactive Data Visualization and Analytics Tool to Evaluate Mobility and Sociability Trends During COVID-19
New York University（纽约大学）；University of Washington（华盛顿大学）；Old Dominion University（老道明大学）
COVID-19疫情极大地改变了受影响城市的旅行行为。C2 SMART研究团队一直在调查COVID-19对流动性和社交能力的影响。纽约市（NYC）和西雅图是美国受COVID-19影响最严重的两个城市，我们的初步研究包括这两个城市。开发了具有数据采掘和云计算功能的一体化仪表板，用于交互式数据分析和可视化，以便于了解疫情的影响以及相应的政策，例如社交距离对交通系统的影响。该平台定期更新，并随着新数据、影响指标和可视化的增加而不断发展，以帮助公众和决策者做出明智的决策。本文介绍了与COVID相关的移动数据仪表板的架构以及纽约市和西雅图的初步移动性和社交性指标。
2020-06-26 cs.CV cs.CY cs.HC
Development of CODO: A Comprehensive Tool for COVID-19 Data Representation, Analysis, and Visualization
Documentation Research and Training Centre (DRTC), Indian Statistical Institute（印度统计研究所文献研究与培训中心（DRTC））；Department of Library and Information Science, Calcutta University（加尔各答大学图书情报学系）
本文介绍CODO，一个集成本体模型，用于全面表示、分析和可视化COVID-19数据，涵盖病因学至治疗安全性等关键维度，并总结其发展及评估方法。
2024-10-22 cs.AI cs.HC
Retweets, Receipts, and Resistance: Discourse, Sentiment, and Credibility in Public Health Crisis Twitter
本研究采用混合方法分析了COVID-19期间CDC在Twitter上的两年推文，发现其沟通多为单向且受政治极化影响，并据此提出针对不同用户群体优化沟通及管理错误信息的设计策略。
2025-05-28 cs.HC cs.SI
Exploration and Discovery of the COVID-19 Literature through Semantic Visualization
Brandeis University（布兰迪斯大学）；Tufts University（塔夫茨大学）
我们正在开发语义可视化技术，以加强探索，并能够发现复杂关系网络的大型数据集。语义可视化是一种通过利用复杂网络中关系的语义来探索和发现大型数据集的方法。这涉及（i）NLP从原始数据中提取命名实体、关系和知识图谱;（ii）为输出建立索引并为所有相关实体和关系创建表示，这些实体和关系可以以许多不同的方式可视化，例如，标签云、热图、图表等; (iii)将参数归约操作应用于所提取的关系，创建“关系容器”，或也可以使用相同方法可视化的功能实体，从而允许多个关系、部分路径和跨多个维度的探索的可视化。我们希望，这将有助于发现复杂数据中关系的新推论，否则这些推论将被忽视。我们已经将其应用于最近发布的CORD-19数据集的分析。
2020-07-03 cs.CL cs.HC cs.IR
Data journeys in popular science: Producing climate change and COVID-19 data visualizations at Scientific American
本文以《科学美国人》为案例，运用数据旅程分析概念和混合方法，研究了气候变化与COVID-19数据可视化在大众科学杂志中的制作过程，揭示了开放数据的可供性、协作实践及反虚假信息机制，为科学传播者的数据实践提供了实证贡献。
2024-03-27 cs.DL cs.HC physics.pop-ph
Reflections on the Use of Dashboards in the Covid-19 Pandemic
该研究从用户视角反思COVID-19期间各类仪表盘的使用与设计，通过访谈不同可视化背景的使用者总结经验，为后续相关设计与研究提供参考。
2025-02-05 cs.CY cs.HC
Taking a Language Detour: How International Migrants Speaking a Minority Language Seek COVID-Related Information in Their Host Countries
University of Maryland（马里兰大学）；Kyoto University（京都大学）
在公共危机时期，寻求信息对人们的自我照顾和福祉至关重要。广泛的研究调查了经验性的理解以及技术解决方案，以方便受影响地区的国内公民寻求信息。然而，为支持需要在东道国度过危机的国际移徙者而建立的知识有限。本文对居住在日本（N=14）和美国（N=14）的中国移民进行了访谈研究。与会者反思了他们在新冠疫情期间寻求信息的经历。反思得到了两周自我跟踪的补充，参与者保留了他们的COVID相关信息寻求实践的记录。我们的数据显示，参与者经常绕语言弯路，或访问普通话资源，以获取有关所在国COVID爆发的信息。他们还策略性地利用普通话信息，对日语或英语的COVID相关信息进行选择性阅读、交叉检查和语境化解释。虽然这些做法增强了参与者对新冠病毒相关信息收集和意义表达的感知效果，但它们有时以不认识的方式使人们处于不利地位。此外，与会者缺乏审查东道国公共当局发布的面向移徙者的信息的意识或偏好，尽管这些信息是现成的。基于这些发现，我们讨论了改善国际移民在非母语和文化环境中寻求新冠病毒相关信息的解决方案。我们倡导包容性的危机基础设施，让不同程度的当地语言流利程度、信息素养和利用公共服务经验的人参与进来。
2022-09-27 cs.CL cs.CY cs.HC
Viral Visualizations: How Coronavirus Skeptics Use Orthodox Data Practices to Promote Unorthodox Science Online
对冠状病毒大流行的有争议的理解已经将数据可视化变成了战场。美国社交媒体上的冠状病毒怀疑者无视公共卫生官员，在2020年的大部分时间里都在创建数据可视化，显示政府的大流行应对措施过度，危机已经结束。本文调查了流行病可视化如何在社交媒体上传播，并表明不信任科学机构的人通常会使用与专家相同的数据驱动决策方法，但倡导彻底的政策变革。通过对可视化如何在Twitter上传播的定量分析，以及对Facebook上有关COVID数据的对话进行分析的人种学方法，我们记录了一个认识论差距，导致支持和反对口罩的团体从类似数据中得出截然不同的推论。最终，我们认为，COVID数据可视化的部署反映了科学在公共生活中的地位的更深层次的社会政治裂痕。
2021-01-20 cs.CY cs.HC
Feature-Action Design Patterns for Storytelling Visualizations with Time Series Data
Science and Technology Facilities Council (STFC)（科学与技术设施委员会（STFC））；University of Oxford（牛津大学）；University of Edinburgh（爱丁堡大学）；Bangor University（班戈大学）；City University（城市大学）
提出一种计算机辅助的元创作方法，通过设计包含特征-动作模式的故事板，实现动态时间序列数据的叙事可视化，适用于COVID-19及机器学习工作流等情境。
2024-02-05 cs.HC cs.LG
Encountering Friction, Understanding Crises: How Do Digital Natives Make Sense of Crisis Maps?
本研究通过分析在线评论和访谈德语区18名参与者，探讨了数字原住民理解危机地图的意义建构过程，识别出检查、参与内容、定位及个人回应四类活动及相关摩擦点，为改善危机沟通提供了见解。
2025-03-04 cs.CY cs.HC cs.SI
Impact Of Emotions on Information Seeking And Sharing Behaviors During Pandemic
本研究基于评价倾向框架，用微调的RoBERTa模型识别公众情绪，结合第三方行为数据，探究COVID-19期间情绪变化及其对信息行为和居家政策依从性的影响，补充了传统小规模危机传播研究。
2024-09-16 cs.HC cs.SI
