概念驱动的视觉分析：基于模型和假设推理的探索性研究

可视化工具促进了探索性数据分析，但在支持基于假设的推理方面却显得不足。我们进行了一项探索性研究，以探讨可视化如何支持以概念为导向的分析风格，在这种风格中，用户可以选择性地用自然语言分享他们的假设和概念模型，并收到描绘其模型与数据拟合程度的定制图表。我们报告了参与者如何利用这些独特的可视化分析功能。我们发现，大多数参与者阐述了有意义的模型和预测，将其作为理解的切入点。我们贡献了一个抽象类型学，代表了参与者持有的并作为数据预期外部化的模型类型。我们的研究结果提出了重新设计可视化分析工具的方法，以更好地支持基于假设和模型的推理，而不仅仅是其在探索性分析中的传统角色。我们讨论了设计影响，并反思了潜在的好处和挑战。