博物馆环境中数据偏见识别：框架开发与影响因素

研究背景与问题

• 作者发现了哪些问题或挑战？

  1. 数据的偏见无法被完全消除，而数据的整理和呈现可能会影响人们对信息的判断。
  2. 在像博物馆这样的非正式教育场所，参观者通常不会质疑数据的可信度，因为博物馆本身的权威性可能抑制批判性思维。
  3. 尽管数据素养被认为是21世纪的重要技能，但现有方法（如 Inquiry Cycle 框架）在资源、时间和导向支持不足的情形下对博物馆场景的适应性有限。

• 为什么这个问题很重要？ 数据在人们生活中越来越重要，提高公众批判能力对数据的偏见和可信度进行反思，是维护数据素养和减少信息误导传播的关键。

• 研究动机与相关工作 研究旨在通过设计博物馆展览，研究影响参观者识别数据偏见的因素，并推动在非正式教育环境下的批判性思维发展。现有研究已探讨教育中的数据素养，但对如何在博物馆中设计有效的互动展示以激发批判性思维的研究相对有限。

解决方案

• 作者提出了哪些方法或解决方案？

  1. 作者在博物馆环境下提出了一个新的“三层数据偏见识别框架”，以补充传统的 Inquiry Cycle 框架。
  2. 博物馆展览中心展现了交互式的AR（增强现实）数据地图“Data Windows”，允许参观者通过多种可视化视角探索数据偏见。
  3. 设计多个数据视图，帮助用户从静态直觉式思维转向分析性和批判性思维。

• 该解决方案的创新之处是什么？ 三层框架具体阐明了参观者在识别数据偏见时的心理过程，为非传统教育环境（如博物馆）中的数据呈现设计提供了新指导。此外，利用增强现实技术层叠展示数据，增强参观者的参与感和批判性思维。

• 实施步骤是什么？使用了哪些关键技术？

  1. 数据选择与处理：选择开放的、具有潜在偏见的 iNaturalist 数据，并清理数据以确保准确性和相关性。
  2. 交互设计：通过激光切割的城市地图为视觉锚点，搭配 AR 技术，提供三种视图（"按季节"、"按时间"、"附近观察"），为参观者展示生物多样性数据。
  3. 用户测试与迭代优化：通过大学生试点研究和访谈，对导航界面、图标设计和信息说明进行了调整。
  4. 定性数据分析：基于 15 场访谈的声明，通过编码和理论框架（偏见识别三层过程）分析参与者在偏见识别上的表现。

研究成果

• 取得了哪些具体成果？

  1. 提出了“三层数据偏见识别框架”，包括：
     • 第一层：基于已有知识的矛盾和不匹配信息感知；
     • 第二层：对数据和数据集的批判性分析；
     • 第三层：偏见的明确识别。
  2. 识别了参观者能识别数据偏见的关键因素（如对地区的熟悉程度）。

• 与现有解决方案相比，它有哪些优势？

  1. 框架对博物馆的特定情境进行了调整，比传统的 Inquiry Cycle 更适合短时间、自由选择学习环境。
  2. 使用 AR 技术提供多层次信息展示，帮助参观者看到数据的多面性和潜在的偏见。

• 实验或评估结果是什么？

  • 在15名参与者中，47%能够识别偏见，而73.3%至少识别到偏见识别框架中的第二层。
  • 对区域熟悉度被证明是显著影响偏见识别的关键因素。

• 局限性与未来方向

  1. 局限性：
     • 样本量小，且参加者主要是高学历的校园人群，代表性有限。
     • 博物馆中访谈环境可能导致参观者回答受限于时间或社会期望。
     • 偏见的定义因人而异，影响了参与者对直接问题的回应。
  2. 未来方向：
     • 探究未能识别偏见群体的具体障碍，包括参观者对“偏见”的定义。
     • 扩大研究样本范围，并在更多非正式学习环境中测试框架的适应性。
     • 更深层次评估 AR 技术在偏见识别和学习中的具体作用。

总结

本文以博物馆环境为背景，研究如何用增强现实技术设计互动展览以帮助参观者识别数据偏见。通过提出“三层数据偏见识别框架”，研究表明熟悉相关背景知识和良好的数据分析经验是关键影响因素。这些发现不仅在改善博物馆设计上具有实用性，对培养公众数据素养和批判性思维也有重要意义。