表面可视化幻象
荣誉提名算法透明度与可审计性不确定性可视化数据科学家与分析师统计学家与数据科学家
脏数据和欺骗性的设计实践可能会破坏、颠倒或使图表和图形所传达的信息无效。这些失败可能会悄然发生:从特定可视化得出的结论看起来可能是合理的,除非分析师更仔细地查看并发现数据、视觉规范或他们自己的假设存在问题。我们将这种悄然发生的但重大的失败称为海市蜃楼。我们描述了一个海市蜃楼的概念模型,并展示了它们如何在可视化分析过程的每个阶段产生。我们采用了一种来自软件测试的方法,即变形测试,作为通过修改底层数据和图表规范在分析的视觉编码阶段自动揭示潜在海市蜃楼的方法。我们展示了变形测试可以可靠地识别各种图表类型的海市蜃楼,而无需对数据或领域有太多的先验知识。
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。
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/10.1145/3313831.3376420
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
算法透明度与可审计性、不确定性可视化
work
职业/产业
数据科学家与分析师、统计学家与数据科学家
article
内容状态
仅摘要
hub
相关论文
1 篇相关论文