为什么结合文本和可视化可以提高贝叶斯推理:一种认知负荷视角
作者
交互式数据可视化不确定性可视化可视化感知与认知HCI 研究员认知科学家
文献标题
Why Combining Text and Visualization Could Improve Bayesian Reasoning: A Cognitive Load Perspective
文献信息
- 主题领域: 人类因素与认知科学、信息可视化的应用研究
- 关键词: 决策过程, 贝叶斯推理, 感知与认知负荷, 多媒体评估, 主观工作负荷, 可视化设计, 工作记忆, 实验评估
研究背景与问题
- 发现问题: 对贝叶斯推理的沟通效果提升的研究中,对于文字、图形可视化和两者结合的信息表现形式的有效性结论存在矛盾。虽然可视化通常被认为能够提升准确性,但研究结果不一致,且易受认知能力的影响。
- 重要性: 条件概率的传播对医学、健康风险沟通至关重要,例如患者理解检测阳性后患病的概率,以做出治疗决策。然而,无论专家还是普通人,理解这些信息都存在困难。
- 研究动机: 尽管有很多研究试图通过频率格式或加入可视化提升贝叶斯推理,但目前仍缺乏从认知负荷角度解释这些方法如何影响用户的认知和决策。研究总结强调单一性能度量可能不足以捕捉复杂的认知影响。
解决方案
-
提出方法:
- 利用三种信息表现形式(文字、图示图标阵列、文字与图示结合),研究这些形式如何影响贝叶斯推理中的认知负荷。
- 采用工作记忆容量测试、双任务设计、主观NASA-TLX问卷等方法综合评估认知负荷。
- 考虑认知差异,分析工作记忆资源在影响条件概率推理过程中的作用。
-
创新之处:
- 将认知负荷理论与贝叶斯推理结合,阐明信息表现形式与推理准确性之间的潜在关系。
- 不仅关注推理准确性,还关注用户在选择适合其心理模型的表现形式时认知负荷的变化。
- 强调低工作记忆个体的需求,以改善信息沟通的设计。
-
实施步骤:
- 设计两组实验:一个是单任务实验设计作为基础测试,另一个是双任务混合设计以评估认知资源影响。
- 依托标准化的工作记忆任务(例如ospan测试),收集被试的认知能力差异。
- 对比三种表现形式在单任务和双任务条件下的用户表现,通过实验分析偏好和准确率。
研究成果
-
主要成果:
- 工作记忆容量显著影响了贝叶斯推理的准确性,特别是低工作记忆个体的表现受表现形式影响较大。
- 使用图示的用户较使用文字表现形式的用户具有更低的主观任务负荷(比如较低的挫折感和时间需求)。
- 结合文本和图示的多媒体表现形式不仅提高了低工作记忆个体的准确性,还降低了他们的认知负荷。
- 双任务评估未能显著区分不同表现形式间的认知负荷,这可能与任务设计相关。
-
优势:
- 结合文本和图示的表现形式对低工作记忆能力群体更友好,有助于提升这些群体的信息处理效率,同时提高信息传播的普适性。
- 为实际应用中的信息设计提出新的指南,特别是在医疗决策沟通中。
-
实验或评估结果:
- 单任务中,使用图示的用户比文字表现形式用户错误率显著降低。
- 双任务实验发现多媒体形式可减少主观负荷但未表现出显著的双任务成本差异。
-
局限性与未来方向:
- 当前实验设计中的双任务可能过于简单或未能有效挑战认知系统,未来需引入更复杂或分级的双任务方案以验证其效果。
- 进一步研究低工作记忆能力者选择不同信息表现形式的心理模型,以及探索具体的图示优化手段。
通过本文对理论方法的整合,可以帮助改进信息可视化设计,提高条件概率沟通的效率,同时强调对于低工作记忆群体的关注和支持。
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- 文本和可视化结合的呈现格式能否改进贝叶斯推理的准确性?分类: 临床诊断、辅助决策与诊断透明同类问题arrow_forward
- 不同信息呈现格式(文本、图形、结合)的认知负荷差异如何影响贝叶斯推理?分类: 临床诊断、辅助决策与诊断透明同类问题arrow_forward
- 工作记忆容量低的用户是否能通过结合的呈现格式降低认知负荷并提升推理准确性?分类: 临床诊断、辅助决策与诊断透明同类问题arrow_forward
lightbulb
现实痛点
1- 普通用户和医学患者难以准确理解条件概率,影响决策。分类: 临床诊断、辅助决策与诊断透明同类问题arrow_forward
- 83%
采用贝叶斯认知方法改进数据可视化
CHI '19· 交互式数据可视化 +2
- 83%
透过重叠看世界:颜色和不透明度对可视化中深度顺序感知的影响
CHI '25· 交互式数据可视化 +2
- 80%
TopoText:跨多个空间尺度保持上下文的文本数据探索
CHI '18· 交互式数据可视化 +1
- 80%
如何通过可视化推断不确定性误导读者关于科学研究结果中的治疗效果
CHI '20· 不确定性可视化 +1
- 80%
视觉信念激发减少虚假发现的发病率
CHI '23· 不确定性可视化 +1
- 67%
理解读者如何整合图表和图注:一个关于折线图的案例研究
CHI '21· 交互式数据可视化 +1
- 67%
你看到我看到的了吗?一项揭示高级可视化理解的质性研究
CHI '24· 交互式数据可视化 +1
- 67%
替代散点图设计对信念的影响
CHI '25· 交互式数据可视化 +1
- 67%
确认偏见:数据事实作为视觉数据通信的双刃剑
CHI '25· 交互式数据可视化 +2
- 67%
探究两个和四个预测的可视化解释策略
CHI '26· 交互式数据可视化 +2
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://doi.org/10.1145/3544548.3581218
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
交互式数据可视化、不确定性可视化、可视化感知与认知
work
职业/产业
HCI 研究员、认知科学家
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文