这很粗糙!将数据编码为粗糙度以进行实物化

荣誉提名
数据物理化(Data Physicalization)可视化感知与认知UI/UX 设计师HCI 研究员

文献标题

That’s Rough! Encoding Data into Roughness for Physicalizations

文献信息

  • 主题领域: 数据物理化 (Data Physicalization),多感官交互设计
  • 关键词: 数据物理化, 物理通道, 数据编码, 材料属性, 视觉-触觉交互

研究背景与问题

  • 发现的问题与挑战:

    • 数据物理化(通过物理形态或材料属性表示数据)的研究多关注视觉通道,少有研究探讨如何通过材料属性(如粗糙度和硬度)编码数据。
    • 材料属性作为数据编码额外通道的潜在价值未得到充分验证,可能导致数据传达的局限性或误解。
    • 罗列如何通过粗糙度编码等级数据的实践方法仍不完善。
  • 研究的重要性:

    • 探索材料属性作为数据编码通道的重要性,不仅能为数据可视化提供新的表现形式,还能增强多感官交互,吸引更多参与者,扩大数据解释的受众范围。
    • 随着多感官设备(如3D打印机)的普及,此研究可以为低成本、多样化的数据表示方式提供科学指导。
  • 研究动机与相关工作:

    • 借鉴前人关于数据物理化和人类感知粗糙度的研究,从理论和实践层面验证粗糙度作为有效数据通道的潜力。
    • 丰富与延伸文献中较少讨论的材料属性作为数据编码通道的设计案例和科学基础。

解决方案

  • 方法与解决方案:

    • 提出一种将等级数据映射到表面粗糙度的技术,通过3D打印的物理表面实现。
    • 研究包括两个阶段:一项用户实验判断粗糙度感知的“最小可感知差异”(JND),以及构建包含粗糙度编码的多元数据物理化对象,并进行用户测试。
  • 创新之处:

    • 开创性地探索了表面粗糙度作为数据通道的潜力,量化了人类对粗糙度差异的感知,并制定了适合多视感用户的设计指南。
    • 将对粗糙度的感知与真实3D打印对象结合,再结合多维数据物理化,为未来设计任务提供实践案例。
  • 实施步骤与技术:

    1. 粗糙度生成技术: 使用3D打印技术,通过修改表面点的直径、间距和高度创建多种粗糙度。
    2. JND实验: 用户通过触摸和视觉分别感知21个粗糙表面,测量“最小可感知差异”(JND)。
    3. 数据物理化对象设计:
      • 设计并制造包括条形图、棱柱地理图等在内的五种物理化类型,每种类型代表不同的多维数据。
    4. 用户测试:
      • 通过观察用户与物理化对象之间的互动,分析他们对粗糙度编码数据的理解、感受以及行为模式。

研究成果

  • 具体成果:

    • 确定了7种可感知的粗糙度等级,适用于触觉或视触觉条件下的数据映射。
    • 设计并实现了五种多元物理化对象,展示了粗糙度编码在实际中的可行性。
    • 用户反馈表明:粗糙度的编码在数据表示中既实用又引人注目,尤其是在多感官交互设置中。
  • 优势:

    • 提升了数据物理化的多感官表达能力,使数据传达不局限于视觉通道,增强用户对信息的参与感。
    • 自定义标定的粗糙度等级可被推广到其他数据展示领域,特别是在教育和无障碍设计中。
  • 实验与评估结果:

    • 准确性: 粗糙度的区分准确率依表示复杂度不同而异,大部分用户在条形图和简单数据视图中准确识别粗糙度编码数据,但在复杂的节点图中表现不佳。
    • 用户行为观察:
      • 大部分参与者倾向于先使用视觉识别,后用触觉验证。
      • 在复杂情况下,用户对粗糙度编码的分析效率稍低,复杂性超过一定限制可能影响认知。
    • 主题分析: 用户反馈集中于六大主题,包括编码实用性、情感影响、互动体验、设计建议和感知挑战。
  • 局限性与未来方向:

    • 局限性:
      • 研究中使用的打印设备受限,未能探索点径低于0.5mm的粗糙度变化。
      • 实验参与者局限于特定年龄范围,且主要为大学生和教职人员。
      • 仅探讨了单一的粗糙度映射方向,未比较倒置映射的效果。
    • 未来方向:
      • 探索连续粗糙度过渡、硬度等其他材料属性的映射。
      • 拓展对粗糙度编码在视觉障碍者和更广受众中的使用研究。
      • 开发新的可行设计指南,例如结合颜色或更多感知通道的数据物理化方案。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147680/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3641900
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
荣誉提名
group
作者
7 位作者
sell
研究子方向
数据物理化(Data Physicalization)、可视化感知与认知
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文