手头数据:探索数据实体化的触觉感知
数据物理化(Data Physicalization)可视化感知与认知
研究背景与问题
- 发现的问题或挑战: 作者指出,尽管数据物理化是一种能够改善数据解释的创新方法,人们如何触摸这些物体并利用触感进行数据理解尚缺乏深入研究。此外,数据物理化面临轴极性(例如正值显示为凸或凹)如何影响用户触摸和解读的挑战。
- 重要性: 数据物理化具有潜力改善传统数据可视化无法实现的情境,例如启用多人共享探索或增强视觉受限人群的体验。理解触觉如何在数据物理化中提供信息将显著推动设计策略改进。
- 研究动机与相关工作:
- 研究构建于触觉对形状和数据理解的基础之上,延续了以往探索UV感光粉记录触摸轨迹技术的相关研究。
- 相关工作表明人们的触摸行为可以揭示数据物理化对象的关键特征高关注区域和交互体验。
- 数据物理化设计尚未建立统一标准,尤其面对“y轴极性”的争议及其在物理化中的影响,研究需针对此提出系统性评估。
解决方案
- 提出的解决方法: 作者设计了一项实验,使用两种数据物理化对象(凸和凹版本),记录参与者的言语和触觉行为。实验分为三个条件逐步了解物体特性:1) 视为抽象物体;2) 推测数据编码方式;3) 理解完整数据和编码后进行分析问答。
- 创新之处:
- 使用UV荧光感光技术记录触摸轨迹,结合逐步深入的任务设计分析触觉行为如何随着认知信息变化。
- 提出两种关键假设:触摸行为是否由形状驱动或由数据特征驱动。
- 开发分析方法以对触摸行为进行多维度评估(如面积、轨迹分布等)。
- 实施步骤与关键技术:
- 将物理化设计简化为包含9个国家和5个年龄组的数据编码形状(凸和凹两版本)。
- 分组实验设计,通过条件逐步提供信息,记录触摸轨迹和视频数据。
- 使用开源工具(如Datavyu、LLM模型)处理触摸轨迹、语音数据,并手动验证数据准确性。
研究成果
- 具体成果:
- 实验表明某些特定国家圆形区域被触摸更多,无论物理化轴极性。
- 数据映射极性对触摸行为的影响较小,凸版物体在某些任务环境中特别具有触觉优势。
- 不同条件下的触摸行为和沟通方式显示,任务框架显著影响触觉探索模式。
- 初步开发触觉行为分类法,识别多种触摸类型(如平滑触摸、径向触摸等)。
- 与现有解决方案对比的优势:
- 提供了基于触觉行为分析的新视角,突破传统视觉化设计的一维视角。
- 通过实验揭示数据物理化中物体几何结构(例如凸或凹形状)对用户行为影响的深层机制。
- 实验或评估结果:
- 触摸偏好主要由数据的形状特征驱动,而不是轴极性。
- 不同设计条件可以设计出更具吸引力或功能性的物理化物体(如高触觉参与性设计)。
- 局限性与未来方向:
- 样本量限制了结果的普适性,需进一步扩大实验规模。
- 地理位置设计未随机化,可能引入触摸区域偏差。
- 未来研究可使用合成数据测试几何因素(如纹理、分辨率等)对触觉行为的影响。
- 深入研究触觉与信息记忆之间的关系,以及视觉与触觉结合的优势。
- 开发更全面的触觉行为分类法以完善设计指南。
设计启示
- 设计多样化极性数据物理化: 实验表明,在数据物理化中,轴极性设计不会显著影响触觉行为,但凸型设计可能更符合用户直觉,尤其在需要重点数据识别的环境中。
- 创建触觉空白空间: 重要的不仅是数据区域的编码,还需考虑非数据空间的设计以增强触觉互动的愉悦性。
- 考虑触觉的社交功能: 数据物理化可设计为较大尺度对象,支持多用户同时交互,提高数据体验的社会性。
- 优化触觉编码: 使用连续或创意数据映射方式(如径向时间轴等),增强触觉行为的复杂度与意义传递。
研究路线图
- 增强样本多样性: 优化实验规模以验证数据普适性,加大样本数量与人群多样性。
- 研究视觉与触觉结合的优劣: 分析物理化单独和融合视觉触觉的效果,特别在视觉受限情况下。
- 触觉记忆研究: 探讨触觉行为如何影响数据记忆和长期信息保留。
- 设计更复杂的触觉对象: 使用更具美学吸引力的设计构建多元测试场景,探索更高效的触觉编码方式。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 人们如何通过触觉与数据物化对象互动,并利用触觉感知来理解数据?分类: 触觉图形、3D打印与触觉反馈同类问题arrow_forward
- 轴极性设计(如正值表示为凸或凹)如何影响用户的触觉探索和数据解释?分类: 触觉图形、3D打印与触觉反馈同类问题arrow_forward
- 触觉行为是由几何形状驱动的,还是由数据特性驱动的?分类: 触觉图形、3D打印与触觉反馈同类问题arrow_forward
lightbulb
现实痛点
1- 视障用户和其他人难以通过触觉理解物化数据对象。分类: 触觉图形、3D打印与触觉反馈同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713212
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
3 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
—
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文