测量散点图中形状、大小和颜色的可分性

散点图通常使用多个视觉通道来编码多变量数据集。这些可视化通常使用大小、形状和颜色，因为这些维度被认为是可分离的——一个通道表示的维度不会显著干扰观众对另一个通道数据的感知能力。然而，最近的研究表明，标记的大小显著影响颜色差异的感知，从而引发了关于这些通道可分离性的更广泛问题。在本文中，我们提出了一系列众包实验，测量标记形状、大小和颜色如何影响多类散点图中的数据解释。我们的结果表明，标记形状显著影响颜色和大小的感知，并且这些通道之间的可分离性呈不对称功能：形状在散点图中对大小和颜色感知的影响比大小和颜色对形状的影响更强。从这些数据构建的模型可以帮助设计师预测观众的感知，从而构建更有效的可视化。