使数据具体化:数据物理化的跨学科设计空间
作者
数据物理化(Data Physicalization)
文献标题
Making Data Tangible: A Cross-disciplinary Design Space for Data Physicalization
文献信息
- 主题领域: 数据物化(Data Physicalization)、可视化设计、人机交互技术
- 关键词: 数据物化, 设计空间, 数据可视化, 可触用户界面, 设计
研究背景与问题
- 发现问题与挑战:
- 数据物化设计需要跨学科的多重考量,但现有研究缺少对不同领域(如数据可视化、可触用户交互和设计)方法论、理论及术语的综合分析。
- 设计者在开发数据物化时可能缺乏对其他学术群体最佳实践的认识。
- 研究重要性:
- 数据物化既能支持认知与学习,又能提升分析与决策能力,通过多感官设计可扩大用户体验和理解范围。
- 研究动机与相关工作:
- 现有文献多以单一视角研究数据物化,如半符号学、制造技术或特定任务相关性。这些研究忽略了该领域的多学科知识基础。
- 作者试图通过综述和扩展,不仅描述现有物化系统,还着重研究这些系统的设计因素及其潜在的跨学科协同作用。
解决方案
- 提出的方法与框架:
- 提出一个数据物化设计空间,分为三大层面(context、structure、interactions)和13个具体维度。
- 通过47个案例的系统性文献综述构建此设计空间,分析设计中涉及的关键要素及其相互关系。
- 创新之处:
- 综合不同学科知识,首次从跨学科视角构建数据物化设计空间。
- 既描述现有设计的多样性,又探讨设计决策在不同情境下的共性、差异和潜在机遇。
- 实施步骤与技术:
- 数据收集:在ACM和IEEE数据库中,使用特定关键词筛选出627篇候选研究,最后纳入47篇文献并通过开放编码方法进行分析。
- 设计空间构建:将案例分为任务、结构、交互三个层面,依据理论分析整理出具体设计维度。
- 代码本构建和一致性测试:通过Krippendorf’s Alpha(κ=0.85)确保编码一致性。
研究成果
- 具体成果:
- 提炼出13个设计维度:包括任务(Analyze, Reflect等)、受众(General Public, Researchers等)、位置(Home, Workspace等)、材料(Electronic, Non-electronic等)、数据持续性(Ephemeral, Persistent, Permanent)及交互类型等。
- 数据物化案例多样性总结:不同行业专家采用了多种方法如机器人集群、可变形显示器、微流控技术等。
- 任务支持分析:反思性任务为研究的核心用途,但还有支持教育、协作及娱乐的实例。
- 与现有解决方案的对比优势:
- 提出的设计空间具备描述性、评估性和创造性,可以帮助设计者分析现有作品、评估设计决策、并生成新的设计构思。
- 面向学术界和实践领域提供了更广阔的跨学科协作框架。
- 实验或评估结果:
- 涉及的物化案例多为研究型,用户体验分析显示各种物化作品存在感知难度、交互设计优化空间等问题。
- 部分使用直观交互或间接控制(按钮/滑块)的物化作品能够增强用户数据探索体验,而形状、小物件则促进他们对数据的直接互动。
- 局限性与未来方向:
- 局限性:设计空间的构建依赖于文献综述和特定编码规则,未能包含艺术项目及商业创新。
- 未来方向:
- 扩展到更多学科和实践领域,包括艺术、商业应用等。
- 改进可重复性设计方案,提供更多案例关于交互性、多感官拓展与反思性任务的研究。
- 更好地定义“数据”在数据物化中所扮演的角色,融合用户的直观和解读过程。
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。
help
研究问题
3- 如何构建跨学科的数据实物化设计空间?分类: 公共行动、互助组织与社会协调同类问题arrow_forward
- 数据实物化设计有哪些关键维度?分类: 公共行动、互助组织与社会协调同类问题arrow_forward
- 跨学科合作如何影响数据实物化的设计决策?分类: 公共行动、互助组织与社会协调同类问题arrow_forward
lightbulb
现实痛点
1- 设计者在创建数据实物化时缺乏跨学科的方法和指导。分类: 公共行动、互助组织与社会协调同类问题arrow_forward
- 100%
Bookly: 一个互动日常用品,展示实际累积阅读活动的时间
CHI '19· 数据物理化(Data Physicalization)
- 100%
复合数据物理化的重新配置策略
CHI '21· 数据物理化(Data Physicalization)
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://dl.acm.org/doi/abs/10.1145/3491102.3501939
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
数据物理化(Data Physicalization)
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
2 篇相关论文