动画散点图中的显著性缺陷和运动离群值检测
荣誉提名交互式数据可视化可视化感知与认知
我们报告了一个众包实验的结果,该实验测量了在多变量动画散点图中运动离群值检测的准确性。目标是运动速度或方向上的离群值,并在与运动离群值检测任务无关的维度(例如,颜色、大小、位置)上以不同的显著性水平呈现。我们发现,当离群值缺乏无关的显著特征时,参与者难以找到离群值,并且视觉通道对离群值正确检测的概率贡献不均。运动方向对准确检测速度离群值的贡献最大,位置对准确检测方向离群值的贡献最大。我们引入了显著性赤字的概念,即由于缺乏显著性,数据空间中的项目重要性没有在可视化中反映出来。我们得出结论,运动离群值检测在多变量动画散点图中没有得到很好的支持。
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%
你看到我听到的了吗?——声音区域的外围绝对和关系可视化技术
CHI '22· 交互式数据可视化 +1
- 100%
数据抽象大象:数据表示和心理模型的初始多样性
CHI '23· 交互式数据可视化 +1
- 67%
虚拟现实中的阅读:文本呈现类型和位置的影响
CHI '21· 沉浸感与临场感研究 +2
- 67%
Causalvis:因果推断的可视化
CHI '23· 交互式数据可视化 +1
- 67%
展示流程:弦图和桑基图的可用性比较
CHI '23· 交互式数据可视化 +1
- 67%
可视化中元认知的新视角
CHI '25· 交互式数据可视化 +1
- 67%
"它只是一张图"——后验理性化对信息可视化评估的影响
C&C '22· 交互式数据可视化 +1
- 67%
用户差异在定制中的作用:基于信息可视化的内容个性化案例研究
IUI '19· 推荐系统用户体验 +2
- 67%
ATCion:探索基于图标的视觉辅助工具设计以增强驾驶舱内空中交通管制通信
UIST '25· 抬头显示(HUD)与驾驶辅助系统(ADAS) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2019
emoji_events
奖项
荣誉提名
group
作者
2 位作者
sell
研究子方向
交互式数据可视化、可视化感知与认知
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文