如何通过可视化推断不确定性误导读者关于科学研究结果中的治疗效果
荣誉提名不确定性可视化可视化感知与认知HCI 研究员认知科学家
在展示实验结果的可视化时,科学家们通常会选择展示关于其估计的推断不确定性(例如,总体均值估计的不确定性)或结果不确定性(例如,围绕该均值的结果变异)。这种选择如何影响读者对治疗效果大小的信念?我们在两个实验中通过比较95%置信区间(均值和标准误差)与95%预测区间(均值和标准差)来研究这个问题。第一个实验发现,与预测区间相比,参与者在看到置信区间时愿意为治疗支付更多并高估其效果。第二个实验评估了不同效果大小的标准可视化与替代可视化之间的比较。我们发现,轴重缩放可以减少误差,但不如预测区间或动画假设结果图(HOPs)有效,并且描绘推断不确定性会导致参与者低估个体结果的变异性。
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%
视觉信念激发减少虚假发现的发病率
CHI '23· 不确定性可视化 +1
- 80%
为什么结合文本和可视化可以提高贝叶斯推理:一种认知负荷视角
CHI '23· 交互式数据可视化 +2
- 75%
像素之间的阅读:探究可视化素养的障碍
CHI '24· 可视化感知与认知
- 75%
你误点击了吗?反转5点满意度量表导致意外反应
CHI '24· 可视化感知与认知
- 67%
采用贝叶斯认知方法改进数据可视化
CHI '19· 交互式数据可视化 +2
- 67%
透过重叠看世界:颜色和不透明度对可视化中深度顺序感知的影响
CHI '25· 交互式数据可视化 +2
- 60%
TopoText:跨多个空间尺度保持上下文的文本数据探索
CHI '18· 交互式数据可视化 +1
- 60%
我们如何衡量这一点?! 快速量表开发
CHI '18· 可视化感知与认知 +1
- 60%
抑制价值的不确定性调色板
CHI '18· 不确定性可视化 +1
- 60%
BubbleView:一个用于众包图像重要性映射和跟踪视觉注意力的界面
CHI '18· 眼动追踪与注视交互 +1
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/10.1145/3313831.3376454
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
不确定性可视化、可视化感知与认知
work
职业/产业
HCI 研究员、认知科学家
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文