可变形的概览-细节界面
作者
交互式数据可视化数据故事讲述(Data Storytelling)原型设计与用户测试UI/UX 设计师HCI 研究员
研究背景与问题
- 发现的问题与挑战: "Overview-Detail"设计模式广泛应用于各类信息系统界面,从资源预订到购物网站,但其设计往往是开发人员为普遍用户需求所设计,缺乏灵活性以满足用户的个性化需求。例如,现有界面可能只展示价格而忽略如评分或设施等用户优先级属性,使用户在多个视图间频繁切换,增加复杂性。
- 重要性: 上述问题直接影响用户在信息觅食、理解和决策中的效率与体验。缺乏灵活界面可能导致信息表示不充分,用户难以快速找到相关信息。让用户能够自定义界面,则能使设计适配用户的具体需求与任务情境。
- 研究动机与相关工作: 以前的研究主要聚焦于设计变体(如嵌套结构或不同屏幕大小的适配)或以系统视角提供特定功能的定制,但鲜有研究专注于让用户灵活调整“Overview-Detail”模式。本文旨在探索如何通过核心内容、组成和布局三个维度,为用户提供灵活的界面定制能力。
解决方案
- 提出的方法: 作者提出“可塑性概念”的应用,通过内容(attributes)、组成(composition)和布局(layout)三个维度的交互技术,使用户能够自定义和调整“Overview-Detail”界面。这些自定义涵盖在界面中展示的属性、视图组合的方式与布局的空间分布。
- 创新之处:
- 提出“Fluid Attributes”机制:允许用户直接从细节视图中提取或隐藏属性,并进一步利用 AI 完成自动排序、生成新属性和格式化操作。
- 支持多个视图的动态组合和转换,如列表、地图和时间线等。
- 提供用户友好的工具(如切换模式和简单菜单),简化调整过程。
- 实施步骤与关键技术:
- 分析现有设计空间: 分析303个“Overview-Detail”界面以总结三维度变化模型——内容、组成及布局。
- 开发交互技术: 基于设计空间,提供工具供用户定制界面,包括“Attributes Mode”模式、AI 驱动的属性操作以及简化的布局选择。
- 功能设计与应用场景验证: 构建高保真设计探针系统(购物与酒店预订),允许用户测试功能定制的效果。
研究成果
- 具体成果:
- 提出了三维度的设计空间(内容、组成、布局),总结实际中相关界面设计的多样性。
- 开发了“Fluid Attributes”机制,协助用户灵活调整详略视图内容。
- 实验验证显示,AI 辅助功能大幅提升了用户操作效率。
- 实验结果:
- 12名参与者完成在线购物及酒店预订任务后,普遍同意该技术易用且解决了原系统的局限性。
- 用户试验中展示了定制分布的多样性,如“极简主义者”倾向隐藏大量属性,而“信息囤积者”更倾向保留所有可用信息。
- 用户及时进行了动态调整(如任务开始时和任务进行中),证明了设计能够紧密适应任务需求。
- 与现有解决方案对比的优势:
- 较传统静态界面更高的用户自定义可能性。
- 减少用户在界面切换中浪费的时间,提高了任务效率。
- 使用 AI 生成与操作新属性显著扩展了用户定义界面的能力。
- 局限性与未来方向:
- 局限性: 仅针对两个特定场景(购物与酒店预订)进行了实验,功能的长期使用效果尚未明确;少量特定变体尚未在用户中测试。
- 未来方向:
- 增强对界面中所有集合属性(如平均值、总值)的支持。
- 开发直接在真实世界网页上部署的工具与框架。
- 探讨此方法在其他设计模式中的普适性(如仪表盘、图表界面等)。
以上分析从研究背景到实验结果,完整讨论了“可塑性 Overview-Detail 接口”的潜力与局限,为研究进一步应用与拓展提供了清晰的方向。
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- 如何通过三维(内容、组合、布局)提供用户灵活定制“总览-详情”界面的能力?分类: AI理解、任务委派与算法治理实践同类问题arrow_forward
- “流动属性”机制如何帮助用户动态调整界面内容?分类: AI理解、任务委派与算法治理实践同类问题arrow_forward
- AI辅助功能如何提升用户在定制“总览-详情”界面时的操作效率?分类: AI理解、任务委派与算法治理实践同类问题arrow_forward
lightbulb
现实痛点
1- 用户在切换视图时浪费时间,无法快速访问所需信息。分类: AI理解、任务委派与算法治理实践同类问题arrow_forward
- 80%
DataSelfie:赋能人们设计个性化视觉来代表他们的数据
CHI '19· 交互式数据可视化 +1
- 80%
ActiveInk: (Th)Inking与数据
CHI '19· 交互式数据可视化 +1
- 80%
超越指令:如何视频中的信息类型分类
CHI '23· 交互式数据可视化 +1
- 67%
InfoNice: 信息图形的轻松创建
CHI '18· 交互式数据可视化 +1
- 67%
比较数据漫画和信息图的有效性和参与度
CHI '19· 交互式数据可视化 +1
- 67%
解码:一个交互式可视化工具,用于解释来自多个提供者的非结构化设计反馈
CHI '20· 交互式数据可视化 +1
- 67%
TableCanoniser:交互式语法驱动的将杂乱的非关系表转换为规范表
CHI '25· 交互式数据可视化 +1
- 67%
一图胜千言?利用视觉和文本渠道理解态度与信念
CHI '26· 用户研究方法(访谈、调查、观察) +2
- 67%
数据风暴:将数据转化为设计材料以培养设计学生的创意数据素养
C&C '21· 交互式数据可视化 +2
- 67%
熟悉化:使用视觉学习模型重排布局
IUI '18· 交互式数据可视化 +2
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/10.1145/3706598.3714164
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
4 位作者
sell
研究子方向
交互式数据可视化、数据故事讲述(Data Storytelling)、原型设计与用户测试
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