【论文阅读】-- 研究时间序列可视化，提升用户体验

期刊:CHI （发表日期: 2016-5-7）
作者: Muhammad Adnan; Mike Just; Lynne Baillie

摘要

时间序列可视化的图形感知研究主要集中在视觉表示上，而不是交互上。即使对于视觉表示，对于视觉编码对用户的影响以及笛卡尔和极坐标系统的优缺点的研究也很有限。为了弥补这一研究空白，我们进行了一项全面的图形感知研究，测量了针对多个任务的不同交互、视觉编码和坐标系的时间序列可视化的有效性。我们的结果表明，虽然位置和颜色视觉编码对于大多数任务来说更好，但区域视觉编码在数据比较方面表现更好。最重要的是，我们发现在时间序列可视化中引入交互性可以显着增强用户体验，而不会损失任何效率或准确性。我们相信，我们的发现可以极大地改进在各个领域使用时间序列可视化的可视化分析工具的开发。

关键词：可视化；图形感知；评估;交互技术；视觉编码；坐标系;时间序列。

1 引言

如今，不断生成的数据量惊人，为企业提供了绝佳的机会，可以通过更深入地了解数据来改进决策。然而，大多数组织收集的数据超出了他们能够以有意义的方式分析和呈现的数据[19,28]。这导致行业 [40] 和学术界 [15] 对开发可用且可扩展的视觉分析 (VA) 解决方案越来越感兴趣并付出努力。 VA 通常被定义为：“交互式视觉界面促进分析推理的科学”[37，p.4]。无论简单还是复杂，VA系统本质上由两个主要组成部分组成：视觉表示和交互[39]。前者处理底层数据到替代视觉表示的映射，而后者则促进用户和 VA 系统之间的对话。尽管一直强调交互对于视觉数据分析的价值和重要性 [12,37]，但正如其他人指出的那样，VA 社区的研究重点一直是数据的视觉表示而不是交互[2,24,30]。

图形感知被定义为用户解释视觉编码并从而理解图形中呈现的信息的能力[8]。上述更注重视觉表示而不是交互的趋势在时间序列可视化的图形感知中也占主导地位，这是视觉分析中经过充分研究的领域。时间序列可视化的定量图形感知研究的常见做法[4,10,14,16,21]是在静态环境中进行研究，即不允许用户与时间序列可视化进行交互，从而限制了我们的知识用户体验。此外，缺乏时间序列数据不同视觉表示的整体覆盖。之前的几项研究 [4,10,14,16,21] 比较了位置（例如，图 1(a&b)）和颜色视觉编码（例如，图 1(c&d)）类别内和之间时间序列可视化的有效性）。然而，据我们所知，还没有研究将使用区域视觉编码的时间序列可视化（例如图 1(e&f)）与其位置和颜色对应物的有效性进行比较。尽管我们仅使用线段（或弧）长度（即宽度是固定的）对基于区域的可视化进行编码，但我们始终使用术语“区域”。面积确实由长度和宽度组成，但是由于线段/弧宽度相对较大，我们认为将我们的测试描述为面积刺激更为准确。与视觉编码类似，对于时间序列可视化的笛卡尔坐标系（例如图 1(a,c&e)）和极坐标系（例如图 1(b,d&f)）的优缺点，可用的经验证据有限，使用不同的视觉编码。

为了弥补这一研究差距，我们进行了一项全面的图形感知研究，测量了多个任务的不同交互、视觉编码和坐标系的时间序列可视化的有效性（即完成时间、准确性、置信度和易用性）。我们的工作做出了三个主要贡献：

C1：我们系统地研究了两种常用交互技术（即突出显示和工具提示）对不同时间序列可视化效果的影响。
C2：我们比较了使用三种不同视觉编码技术的时间序列可视化的有效性：位置、颜色和面积。
C3：我们研究了两个坐标系（笛卡尔坐标系和极坐标系）对上述每种视觉编码技术中时间序列可视化有效性的影响。

通过这些贡献，我们希望为一些依赖于大型时间序列数据集的有效数据可视化的非常实际的问题做出贡献，例如分析网络安全数据以应对网络威胁。我们还相信，我们的工作将激励视觉分析研究社区同样关注数据的交互和视觉表示。在下一节中，我们回顾相关工作。然后，我们介绍定量图形感知研究，并解释时间序列可视化、交互技术、研究任务和时间序列数据生成方法的选择。最后，我们展示结果，讨论其影响并强调进一步的研究机会。

2 相关工作

我们回顾了对我们研究至关重要的三个领域的相关工作，以及每个领域对时间序列可视化的图形感知的影响，即交互技术的效果，然后是不同视觉表示的影响，首先是视觉编码和然后使用坐标系。

互动技巧

视觉分析（VA）研究界更关注数据的视觉表示，而不是交互的不同方面，这与密切相关的人机交互（HCI）研究领域不同，人机交互（HCI）并重设计和用户体验。讨论交互的一小部分 VA 论文主要集中在交互技术的分类和表征 [12,18,34,35,39]、捕获交互过程 [31]、设计和操作交互 [20,25,38] 以及确定进一步研究的挑战和机遇[13,30]。然而，对于衡量常用交互技术对视觉表示的确切影响，无论是一般性的还是特定于时间序列可视化的定量图形感知研究，人们的注意力都有限。在这方面有两个例外。林等人。 [23]研究了时间序列数据的交互式低分辨率和高分辨率视觉表示对搜索和比较任务的影响。此外，佩林等人。 [29]将交互式地平线图与静态地平线图以及多个时间序列数据集的小倍数折线图进行了比较。这两项定量研究的重点是比较时间序列数据的替代视觉表示的有效性，而不是评估个体交互技术的效果。评估替代交互技术对不同时间序列可视化的影响的更定量方法仍然是一个研究不足的领域。

因此，这项工作的主要贡献之一（C1）是系统地研究常用交互技术（即突出显示和工具提示）对不同时间序列可视化效果的影响。

视觉编码

之前关于图形感知的研究发现，视觉编码的选择对用户来说非常重要。在 1984 年的开创性工作中，Cleveland 和 McGill [8] 向参与者展示了各种图表，并要求他们通过估计较小值与较大值的百分比来比较两个标记对象的值。然后，使用该准确度测量对定量数据的以下视觉编码进行排名（从最准确到最不准确排序）：(1) 沿公共尺度的位置，(2) 沿非对齐尺度的位置，(3) 长度、方向和角度，(4) 面积，(5) 体积和曲率，以及 (6) 阴影和颜色饱和度。通过使用亚马逊的 Mechanical Turk 进行众包实验，完全复制了这些结果。基于现有的心理物理学结果和对不同感知任务的分析，Mackinlay [27] 将视觉编码有效性的排名扩展到序数和名义数据。

时间序列数据是定量图形感知研究中最常见的数据类型之一。此类研究的重点是评估时间序列可视化在位置（例如，图 1(a&b)）和颜色视觉编码（例如，图 1(c&d)）类别内和类别之间的有效性。在位置视觉编码的范畴内，Heer 等人。 [16]比较了折线图和水平图的有效性。他们研究了图表大小和分层对单个价值比较任务的用户性能的影响。同样，贾维德等人。 [21]评估了四种不同折线图技术的有效性，涉及多个时间序列数据集。本研究涉及比较、斜率和辨别三个任务。另