共识与矛盾:可视化风格指南的跨组织分析
荣誉提名交互式数据可视化数据故事讲述(Data Storytelling)可视化感知与认知UI/UX 设计师数据科学家与分析师HCI 研究员
文献标题
Consensus and Contradictions: A Cross-Organizational Analysis of Visualization Style Guides
出版信息
- 主题领域: 跨组织和行业的可视化风格指南系统分析。
- 关键词: 可视化风格指南、数据可视化、设计规范、组织实践、共识、矛盾、特定图表指南、非特定图表指南、社会技术性人工制品、价值敏感设计。
背景与问题
- 问题/挑战: 可视化风格指南在塑造数据交流方面具有重要影响,但其在不同组织和行业间存在不一致性,且缺乏系统分析。以往研究范围有限,未能解决跨组织模式或指南中嵌入的社会技术价值问题。
- 重要性: 风格指南影响数据向公众的呈现方式,进而影响清晰度、信任度和决策过程。理解其共识与矛盾有助于改善可视化实践,并弥合学术研究与专业应用之间的差距。
- 动机与相关研究: 以往研究主要分析单个或少量指南,关注学术或实践者视角。然而,这些研究未能提供统一的跨组织视图,也未能解决指南中编码的价值和假设问题。本论文旨在通过分析来自不同领域的53份风格指南填补这一空白。
解决方案
- 提出的方法: 系统分析53份公开可访问的可视化风格指南,创建一个标准化的包含2,120条特定图表指南的语料库,并开发Guidelines Explorer工具以实现透明性和探索性。
- 创新点:
- 策划并发布了一个涵盖新闻、政府、非营利组织、企业和学术领域的53份风格指南的标准化语料库。
- 通过多方法分析识别指南中的共识、矛盾以及嵌入的社会技术价值。
- 引入Guidelines Explorer,一个用于跨组织和行业探索和比较指南的交互式工具。
- 流程与关键技术:
- 收集并标准化风格指南为JSON语料库。
- 使用人类与AI结合的管道提取动作–目标单元并对指南进行聚类。
- 进行定量和定性分析以识别共识和冲突模式。
- 使用价值标签对指南进行注释,以揭示潜在设计优先级。
- 开发Guidelines Explorer以支持数据集的交互式探索。
结果
- 具体发现:
- 柱状图是最常被提及的图表类型,对如从零开始轴线和限制颜色使用等规则有强烈共识。
- 折线图在限制线条数量等实践上有中等程度的一致性,但在零基线推荐上存在分歧。
- 饼图和环形图争议较大,有些组织禁止使用,而另一些组织在特定条件下允许使用。
- 非特定图表指南强调颜色使用、简洁性、准确性和可读性,其中清晰度是最常被提及的价值(92%)。
- 相较基线的优势:
- 提供了首个大规模的跨组织可视化风格指南分析。
- 识别共享规范和矛盾,为塑造可视化实践的价值提供洞察。
- Guidelines Explorer工具支持更深入的指南探索和比较,弥合研究与实践之间的差距。
- 实验/评估:
- 数据集包括来自新闻、政府、非营利组织、企业和学术领域的53份风格指南。
- 分析涵盖2,120条特定图表指南和34个价值标签。
- 人类与AI结合的管道通过强一致性指标验证(例如动作–目标提取的Cohen’s κ ≈ 0.84)。
- 局限性与未来工作:
- 语料库不包括专有或非英语风格指南,限制了行业和地域代表性。
- 意图提取可能简化了指南的细微差别。
- Guidelines Explorer尚未进行正式用户评估。
- 未来工作可扩展数据集、优化NLP技术,并跟踪指南随时间的演变。
总结
本文系统分析了53份可视化风格指南,揭示了组织实践中的共享规范、矛盾以及嵌入的社会技术价值。主要发现包括柱状图规则的强一致性、折线图的碎片化一致性以及饼图和环形图的争议性指导。非特定图表指南强调清晰度、简洁性和准确性,反映了机构优先级。Guidelines Explorer工具通过支持数据集的交互式探索补充了分析。这项工作弥合了学术研究与专业实践之间的差距,为改进可视化指导和促进设计规范透明性提供了基础。
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。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
ChartDetective:从复杂矢量图表中轻松准确地交互提取数据
CHI '23· 交互式数据可视化 +2
- 100%
谈灵感:数据可视化播客的话语分析
CHI '26· 交互式数据可视化 +2
- 83%
InfoNice: 信息图形的轻松创建
CHI '18· 交互式数据可视化 +1
- 83%
散点图中点大小和透明度调整的影响
CHI '24· 交互式数据可视化 +1
- 83%
AVEC:在可视化构建中对视觉编码能力的评估
CHI '25· 交互式数据可视化 +1
- 83%
冗余并非冗余:使用CatPAW统一颜色与形状编码的自动化高效分类调色板设计
CHI '26· 交互式数据可视化 +1
- 83%
叙事支架:数据驱动理解的叙事优先框架
IUI '26· 交互式数据可视化 +2
- 71%
人类图形学能促进亲社会行为吗?一项评论和大规模样本研究
CHI '21· 交互式数据可视化 +2
- 71%
交互式可视化素养的多素养模型:定义、素养与未来研究步骤
CHI '26· 交互式数据可视化 +2
- 71%
从答案给予者到设计导师:用认知学徒模型引导大型语言模型
CHI '26· 大语言模型(LLM)的人机协作 +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://doi.org/10.1145/3772318.3791628
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
荣誉提名
group
作者
1 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)、可视化感知与认知
work
职业/产业
UI/UX 设计师、数据科学家与分析师、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