采用贝叶斯认知方法改进数据可视化

人们自然会将他们的先验信念带入到他们如何解释新信息的过程中，然而，很少有正式的模型来解释用户在与可视化等数据展示互动时，其先验信念的影响。我们展示了一个贝叶斯认知模型，用于理解人们如何根据先验信念解释可视化，并展示了该模型如何为改进可视化评估提供指导。在第一项研究中，我们展示了如何将贝叶斯认知模型应用于一个简单的可视化场景，表明人们的判断与他们正在做近似贝叶斯推理的假设一致。在第二项研究中，我们评估了我们对贝叶斯行为的观察对不同技术的敏感性，这些技术用于引发人们的主观分布，以及不同的数据集。我们发现，对于大数据集，人们的行为与贝叶斯预测不一致，这种差异不能用引发技术来解释。在最后一项研究中，我们展示了如何将规范性贝叶斯推理用作可视化评估框架，包括不确定性评估。