科学中的不确定性是可塑的。倡导用户在可视化中定义不确定性的自主权:地质学案例研究
作者
不确定性可视化计算方法在HCI中的应用大学教授与研究人员统计学家与数据科学家
研究背景与问题
-
作者发现的问题或挑战:
- 不确定性是科学研究固有的一个元素,尤其在研究自然现象和需要主观解释的数据(如地质学火山沉积研究)时。不但评估不确定性本身困难,如何定义不确定性也是一个问题。
- 传统的可视化系统往往假定不确定性是可以客观测量并预定义的,而忽视了领域内知识随时间演变而改变的不确定性定义。
-
问题的重要性:
- 不确定性对科学知识的构建和验证至关重要。在火山沉积研究中,样本归属的错误或不确定性可能影响附近火山喷发的历史分析,进而危及自然风险防护的可靠性。
- 缺乏对复杂和动态不确定性因素的充分支持限制了科学研究的效率和准确性。
-
研究动机与相关工作:
- 过去的不确定性可视化工作聚焦于对直接(可量化)和间接(主观或隐含)不确定性的表示,但很少研究用户如何动态构建和修改不确定性定义。
- 传统的设计方法未能考虑到学科背景对引入新不确定性因素的动态性和领域专家需求的影响。
解决方案
-
作者提出的方法或解决方案: 作者提出了一种面向不确定性的动态可视化设计方法,强调为用户提供构建不确定性定义的权限(用户主动性),并通过灵活且适应性的系统支持不确定性的动态特性。方法分为以下两步:
- 与地质学家(tephra研究专家)联合设计,探索研究样本分配中的主要不确定性来源,并在现有可视化系统上构建初步的设计原型。
- 通过技术探针与更广泛的领域专家互动,验证和扩展最初的设计,通过一系列交互验证实现新的迭代。
-
解决方案的创新之处:
- 突出了不确定性的“可塑性”,即随着领域知识、研究目标和数据上下文的变化,不确定性定义也会动态变化。
- 提倡可视化系统不仅应支持不确定性的显示,还应具备用户定义和操作不确定性维度的能力。
- 系统不以一成不变的逻辑结构描述不确定性,而是将其作为科研对话和协作的动力资源。
-
实施步骤及关键技术:
- 第一次设计迭代(用户沉浸式共设计):
- 确定领域专家考虑的关键不确定性来源:地理位置的接近性、地球化学相似性和样本数量。
- 设计多种可视化原型(如热图、透明覆盖层和回归线距离可视化)并测试其适用性。
- 第二次设计迭代(面向技术探针的重设计):
- 在先前基础上整合了“数据来源”、“分析标准”等额外的不确定性因素。
- 引入用户可调整的不确定性映射和筛选器。
- 采用更直观的标注(如通过标记大小编码不确定性)以降低复杂性,确保更多用户的可接受性。
- 第一次设计迭代(用户沉浸式共设计):
研究成果
-
具体成果:
- 提供了一个自定义和动态定义不确定性的新系统原型,集成了不同来源的不确定性,同时简化了可视化复杂性。
- 明确了不确定性的61种具体来源并将其划分到三大类别:数据相关因素、主观解释因素及其他上下文非数据来源。
-
与现有解决方案的优势比较:
- 提供了更强的用户灵活性,允许用户动态调整或定义新的不确定性来源。
- 系统不仅是传统的知识检索工具,还成为科学研究中激发新问题、促进研究协作的桥梁。
- 能更好地适应知识随时间推移而变化的特性,支持对历史结果重新评估。
-
实验或评估结果:
- 通过专家访谈及技术探针验证,系统在视觉化多种不确定性来源时被认为有效和有价值。
- 多数参与者赞赏筛选和不确定性映射的灵活性,但也对一些量化度量表达方式提出改进建议。
-
局限性与未来方向:
- 数据集规模和地域化问题:当前工具主要针对南安第斯区域,较经验丰富的用户可能需要更多特定区域数据支持。
- 表现形式相对保守:为了适应用户熟悉的可视化格式,系统在创新标注和动态表示方面较为谨慎。
- 面向未来需要研究如何支持跨学科或跨领域的定义共享与协作,扩展对不确定性动态变化的支持。
通过本研究,作者不仅揭示了不确定性在地质学领域的流动性和复杂性,还为构建更适应科学实践的动态可视化系统提供了切实的指导原则和应用前景。这为未来在不确定性定义、科学协作与用户自定义等方向的探索奠定了基础。
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- 在科学研究中,不确定性定义如何随着领域知识发展而动态改变?分类: 不确定性可视化与公众沟通同类问题arrow_forward
- 传统可视化系统如何忽视了不确定性定义的动态特性?分类: 不确定性可视化与公众沟通同类问题arrow_forward
- 如何设计一个灵活且可调整的不确定性可视化系统,以支持用户定义和操作不确定性?分类: 不确定性可视化与公众沟通同类问题arrow_forward
lightbulb
现实痛点
1- 地质学中复杂的不确定性难以用现有工具动态呈现。分类: 不确定性可视化与公众沟通同类问题arrow_forward
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/10.1145/3706598.3713972
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
5 位作者
sell
研究子方向
不确定性可视化、计算方法在HCI中的应用
work
职业/产业
大学教授与研究人员、统计学家与数据科学家
article
内容状态
已索引正文
hub
相关论文
4 篇相关论文