数据分析师如何在实践中使用可视化语法

文献标题

How Data Analysts Use a Visualization Grammar in Practice

文献信息

• 主题领域: 数据可视化和人机交互
• 关键词: 可视化语法, TidyTuesday, 计算笔记本, 数据分析, ggplot2, 数据整形, 数据可视化, 分层语法, 交互式可视化, 可视化错误

研究背景与问题

• 发现的问题或挑战:

  • 虽然基于Grammar of Graphics（GoG）的可视化工具具备理论上的优势，但我们对分析师实际使用这些工具的方式以及可能出现的困难了解有限。
  • 可视化语法的设计可能与分析师的实际习惯和需求不完全匹配，可能存在难以评估的“静默错误”（silent errors），即产生合理输出但实际上包含问题的错误。
  • 当前关于可视化语法在现实环境中如何与数据分析工作流结合的研究较少。

• 重要性:

  • 了解分析师如何真正使用可视化工具，将有助于改进语法设计，使其更加实用和易于使用，从而帮助分析师避免出现错误。

• 研究动机与相关工作:

  • 基于GoG的可视化工具（如R语言的ggplot2和Javascript语言的Vega）近年来被广泛使用。
  • 现有研究多是通过实验方法，如让参与者重现给定的可视化设计，但这种方式未能揭示分析师如何在探索数据时迭代可视化方案。
  • 需要深入理解分析师在计算笔记本等编程环境中使用可视化语法的真实场景，以改进工具设计。

解决方案

• 研究方法:

  • 针对TidyTuesday社区的6名中级到高级用户进行了定性研究。
  • 收集了用户在使用ggplot2进行数据分析和可视化时的录屏，并进行了回顾性访谈。
  • 采用“反射性主题分析法”分析用户数据，提取规律和使用模式。

• 主要发现与创新:

  1. GoG语法组件的使用与分析师的任务匹配情况:
     • 语法设计的意图（如模块化设计）与分析师的自定义或实际需求并不总是直接对齐。
  2. 分析和可视化过程的反馈循环:
     • 数据整形和可视化具体操作之间存在“反馈循环”，即数据输出影响可视化设计，而可视化结果反过来影响数据整形。
     • 这种高度耦合的特点既能提高效率，但也可能导致一致性问题和潜在错误。
  3. 静默错误与用户评估可视化的困难:
     • 常见的静默错误包括数据语义间的不匹配，这可能出现在数据整形和可视化之间。
  4. 分析师的迭代模式:
     • 观察到“增量”和“试验性”两种迭代模式，支持了GoG语法的设计初衷。
  5. 视觉模板的使用和需求:
     • 分析师倾向于用“可视化模板”，这帮助他们快速创建类似图表。

• 实施步骤和关键技术:

  • 使用结构化观察和访谈技术，记录分析师在TidyTuesday数据项目中的可视化和整形过程。
  • 用反射性主题分析方法从录屏和访谈数据中提取代码日志和行为模式。
  • 从统计学和图形学的角度，分析用户自定义的语法与标准GoG的设计之间的差异。

研究成果

• 具体成果:

  • 界定了分析师使用GoG语法的典型模式，找出了分析师在语法执行与迭代过程中的常见困难。
  • 定量分析了TidyTuesday社区代码库的习惯，发现参与者的使用模式具有代表性。
  • 提出了改进可视化语法的关键设计建议，包括支持自定义模板、增强数据和可视化一致性验证功能。

• 优势:

  • 本研究基于真实用户数据，涵盖实际分析应用中涉及的各种挑战，而不仅仅是理论或实验室环境中的探索。
  • 实施了一套集成分析和反馈的研究框架，能够揭示复杂的迭代过程。

• 实验或评估结果:

  • 参与者平均每份代码文件中涉及数据整形和可视化编辑均在合理范围，符合TidyTuesday社区的典型做法。
  • 在实验中识别出两类主要的静默错误，并提出了具体案例分析。

• 局限性与未来方向:

  • 参与者群体可能存在偏倚，因为所有用户均来自活跃的TidyTuesday社区，可能更熟悉ggplot2及相关工具。
  • 未来研究可扩展至其他GoG样式的可视化语法工具（例如Vega-Lite）。
  • 进一步探索如何在编程环境（如计算笔记本）中改进可视化语法，将重点放在提高分析和可视化任务的透明度和一致性上。