数据可视化何时具有说服力？先前态度对从散点图可视化中学习相关性的影响

文献标题

When do Data Visualizations Persuade? The impact of prior attitudes on learning about correlations from scatterplot visualizations

文献信息

• 主题领域: 数据可视化与科学传播，尤其是在态度与信念变化中的作用
• 关键词: 数据可视化、信念更新、态度改变、不确定性表示、科学传播、政治极化、说服力、关联估计

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 数据可视化是科学传播的重要工具，但其实际的说服力尤其是在挑战人们既有态度和信念时显得不确定。
  • 现有研究中，人们对数据的接收和解读经常受到既有态度和价值观的影响，这种现象在政治极化话题（如COVID-19疫苗）尤为明显。
  • 对于使用统计证据的可视化设计，其是否能够有效改变观众态度或行为尚不清晰。

• 为什么这个问题很重要？

  • 在当前社会问题中（例如公共健康和经济政策），正确地引导公众理解数据至关重要。然而，当数据与观众既有态度相冲突时，如何设计高效的可视化以推动信念更新甚至态度改变是一项关键性的挑战。

• 研究动机与相关工作：

  • 心理学理论区分了信念（beliefs）与态度（attitudes），且已有研究表明态度会影响人们对数据的处理。但在数据可视化领域，针对这种态度影响的系统研究较少。
  • 过往研究已经关注了数据可视化如何促进学习与信念更新，但对态度改变的机制和不确定性表达的影响仍需进一步探索。

解决方案

• 作者提出了哪些方法或解决方案？

  • 使用数据可视化设计实验，研究观众的态度如何影响他们对统计关系的解读与信念更新。
  • 通过模型比较和实验数据分析，探索不确定性表示（如置信区间）对信念更新和态度改变的潜在影响。

• 该解决方案的创新之处是什么？

  • 在已有的信念更新研究基础上，进一步测量了态度如何影响信念变化以及态度是否随数据可视化而改变。
  • 设计了特别的实验条件，考察了不同类型的不确定性表达（动态和静态置信区间）的作用。

• 实施步骤是什么？使用了哪些关键技术？

  • 实验设计：
    • 分析两个话题（COVID-19疫苗接种、劳动工会会员资格），并研究参与者的态度与信念变化。
    • 前测参与者的全球态度，随后展示一系列可视化图表，并测量他们的信念更新（变量关系估计）及态度变化。
    • 使用静态线性回归图（Line）、假想结果图（HOP）和静态的不确定性表达（Ensemble）三种可视化条件。
  • 方法与设计：
    • 不确定性以图形化方式表示，并通过信念和态度的视觉量表测量参与者对数据的理解。
    • 统计模型评估信念变化的主要驱动因素，包括参与者态度强度、不确定性表示条件等。

研究成果

• 取得了哪些具体成果？

  • 信念变化：
    • 强烈的既有态度（例如强烈反对COVID-19疫苗）与较小的信念改变相关，即当数据与其信念不一致时，这些参与者更倾向于坚持原有观点。
    • 数据可视化中的不确定性表达也进一步减少了信念变化，这尤为显著于强态度组。
  • 不确定性表示：
    • 不确定性表达（如假想结果图和静态表现）可以增加参与者对数据显示内容的主观不确定性，但不会显著使参与者对数据置信区间的表达与真实区间趋同。
  • 态度变化：
    • 数据可视化虽能改变信念，但未能显著影响全球态度，即参与者在互动后其态度指标无显著变化。仅在劳动工会话题中观察到微弱的态度变化可能性。

• 与现有解决方案相比，它有哪些优势？

  • 探索了信念与态度之间的交互关系，并量化了态度强度和信念更新之间的统计相关性。
  • 提供了关于不确定性可视化对信念、态度影响机制的新见解。

• 实验或评估结果是什么？

  • 强态度组对冲突数据的信念更新更保守。
  • 不确定性表达在强态度组中的负面影响更显著。
  • 参与者的态度无系统性变化，尤其在最初持有强烈态度的一方。

• 局限性与未来方向

  • 局限性：
    • 信念变化可能受参与者是否主动记忆数据或实验任务的设计（例如是否刺激参与者渐进推理）影响。
    • 态度测量难以完全捕捉复杂的人类认知机制。
  • 未来方向：
    • 探索新的实验设计，结合积极推理任务与强化说服信息。
    • 测量长期信念变化与可持续态度改变，研究数据可视化设计如何与道德、社会认知交互以实现说服目标。

这项研究为数据可视化在说服型科学传播应用中的有效性提供了宝贵的经验，同时提出了关于消解认知抵制与增强态度变化的新挑战。