通过领域专家视角探索高维科学数据的协作式沉浸式可视化与分析

文献标题

Exploring Collaborative Immersive Visualization & Analytics for High-Dimensional Scientific Data through Domain Expert Perspectives

出版信息

• 主题领域: 高维科学数据的协作式沉浸式可视化与分析。
• 关键词: 协作式沉浸式可视化、高维数据、沉浸式分析、虚拟现实、增强现实、科学工作流、多用户交互、可访问性、数据溯源、人工智能辅助协调。

背景与问题

• 问题/挑战: 现有的高维科学数据可视化工具存在碎片化、局限于桌面环境，并且对实时多用户协作支持不足。沉浸式分析（IA）系统在协作工作流中的应用仍未充分探索，面临同步性、可访问性以及与既有科学实践整合的挑战。
• 重要性: 解决这些问题可以提升实时协作、相互意识以及公平参与能力，使分布式团队能够更有效地分析复杂数据集。
• 动机与相关研究: 先前关于沉浸式分析的研究多集中于个体交互或短期评估，往往忽视了领域专家在实际协作工作流中的需求。协作式沉浸式可视化与分析（CIVA）领域发展不足，对如何将其整合到跨学科、分布式科学团队中的理解有限。

解决方案

• 提出的方法: 本研究通过半结构化访谈、主题分析以及未来系统设计的启示，调查领域专家的工作流、挑战和对CIVA的期望。
• 创新性:
  1. 描述当前高维数据可视化与协作中的工作流和挑战。
  2. 识别领域专家对CIVA采纳的期望和顾虑。
  3. 综合未来CIVA系统所需的功能，包括多用户注释、数据溯源记录以及跨设备集成。
  4. 提出可扩展、可访问且协作性强的沉浸式平台设计启示。
• 研究步骤与关键技术:
  1. 对来自不同领域的20位领域专家进行半结构化访谈。
  2. 使用混合演绎—归纳主题分析法对访谈记录进行分析。
  3. 确定四大主题：工作流挑战、采纳认知、未来功能以及预期风险。
  4. 根据研究结果提出设计启示，并将其映射到协作场景中。

研究结果

• 具体发现:
  • 识别了主要工作流挑战，包括工具碎片化、数据规模障碍以及沉浸式环境中缺乏共享意识。
  • 专家设想了功能需求，如同步可视化、多模态通信、协作式数据溯源以及人工智能辅助协调。
  • 预期风险包括访问不平等、数据隐私限制、可用性挑战以及共享理解问题。
• 相较基线的优势:
  • 提供了关于实际协作实践的实证洞察，填补了先前IA研究中的空白。
  • 提出可操作的设计启示，以将CIVA整合到现有工作流中并克服采纳障碍。
• 实验/评估:
  • 对来自学术界、政府和工业部门的20位参与者进行半结构化访谈。
  • 使用主题编码和亲和图法分析工作流、工具和协作实践。
• 局限性与未来工作:
  • 样本偏向于经验丰富的研究人员；访谈期间未直接与沉浸式系统交互。
  • 未来工作应探索可持续开发模型、协作质量的结构化评估以及多样化场景中的可访问性。

总结

本研究通过对20位领域专家的访谈，探讨了协作式沉浸式可视化与分析（CIVA）在高维科学数据中的潜力。研究识别了工作流中的关键挑战，如工具碎片化和实时协作能力有限，并综合了专家期望的功能需求，如同步可视化、人工智能辅助以及跨设备集成。预期风险包括访问不平等、数据隐私问题以及可用性障碍。研究结果为可扩展、可访问的CIVA系统设计提供了可操作的启示，将沉浸式协作定位为跨学科科学团队的变革性基础设施。