展示流程:弦图和桑基图的可用性比较
交互式数据可视化可视化感知与认知UI/UX 设计师
文献标题
Showing Flow: Comparing Usability of Chord and Sankey Diagrams
文献信息
- 主题领域: 信息可视化与人机交互
- 关键词: Chord图, Sankey图, 数据流可视化, 辐射布局, 线性布局, 用户体验, 图形设计
研究背景与问题
-
发现的问题或挑战:
- Chord图和Sankey图是展示数据流的常见可视化技术,但这两种布局对用户体验和信息解释的具体影响尚未得到深入比较。
- 辐射布局(Chord图)存在诸如旋转实体、中心链接密集等问题,这可能降低用户可用性和评估效率。
- 当前对这两种布局的性能和可用性理解有限,尤其是在流数据可视化中的具体应用场景。
-
为什么重要:
- 信息可视化设计直接影响用户分析数据的效率、精确度和满意度。
- 随着复杂数据集的增多,选择合适的可视化布局对支持用户理解和决策至关重要。
-
研究动机与相关工作:
- 辐射布局被广泛用于多个领域(如生物信息学、工程学、医学等),但已有研究表明在某些情况下线性布局(如Sankey图)可能表现更优。
- 相关工作探讨了辐射与非辐射布局的优劣,但尚缺乏针对流数据展示的具体设计指南。
解决方案
-
提出的解决方案或方法:
- 通过一项众包实验比较了Chord图和Sankey图在五种任务(连接存在性检查、元素查找、量值比较、最大/最小值查找、链接计数)中的表现。
- 研究指标包括完成时间、错误率、主观努力感知(NASA-TLX量表)以及总体用户偏好。
-
创新之处:
- 首次系统性地比较Chord和Sankey图在流数据可视化中的用户体验与性能,提出设计优化建议。
- 核实了辐射布局对用户可用性的潜在局限性,并总结了线性布局的优势。
-
实施步骤及技术:
- 使用自定义的Javascript库基于D3.js绘制等效的Chord和Sankey图,确保图形设计公平。
- 在四个数据集(债务移转、移民流动、手机品牌转换、空间行业投资)与五个问题类型中进行实验。
- 测试参与者在完成任务时的时间和错误率,同时收集主观反馈和偏好。
研究成果
-
具体成果:
- Chord图的平均任务完成时间较Sankey图多3.7秒,第一轮任务差距更为显著(多9秒)。
- Chord图的错误率更高(平均多0.1个错误),特别是在首次问题轮中差距更显著(多0.42个错误)。
- 用NASA-TLX量表评价,参与者认为Chord图需要更高的心理努力,更令人沮丧,整体表现不如Sankey图。
- 偏好调查中,42名参与者中有35人认为Sankey图更快,43人认为其更准确,42人整体更偏好Sankey图。
-
与现有解决方案相比的优势:
- 量化了两种布局在数据流可视化中的性能差异,提供了新的设计考虑因素。
- 具体说明了Chord图在初始使用场景中的局限性,有助于相关领域设计师优化视觉交互。
-
实验或评估结果:
- 四个不同数据集中的结果一致,表现出Sankey图更优的整体性能和用户偏好。
- 数据量适中(8-15节点,50-100链接),实验覆盖了常见的可视化任务场景。
-
局限性与未来方向:
- Chord节点未拆分为单独的输入与输出链接,未来可测试其对性能影响。
- 数据集规模适中,需进一步研究更大规模数据的可视化效果。
- 当前集中在有向链接数据集,未来可扩展到无向链接场景。
- 实验任务范围有限,需补充更多用于分析流数据的复杂任务。
- 研究未包含长期使用中的性能变化,或用户掌握技巧后表现的潜在变化。
- 未来应扩展到包含交互性的图表设计,以探讨动态交互对性能的影响。
总结
该研究明确了Sankey图在流数据可视化中的优势,为图形设计师和可视化工具开发者提供了实践指导建议。尽管Chord图因其美学特点在某些情境中仍有应用价值,但从用户体验的角度来看,特别是首次使用场景下,Sankey图的线性布局更适合支持用户快速分析与理解数据流。
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- 弦图(Chord diagram)和桑基图(Sankey diagram)在流数据可视化任务中的可用性和性能表现有何差异?分类: 可视化创作、仪表盘与图表理解同类问题arrow_forward
- 在用户初次使用时,弦图和桑基图是否表现出显著的效率和准确性差异?分类: 可视化创作、仪表盘与图表理解同类问题arrow_forward
- 不同的可视化场景和任务类型对弦图和桑基图的用户偏好和认知负担有何影响?分类: 可视化创作、仪表盘与图表理解同类问题arrow_forward
lightbulb
现实痛点
1- 用户难以快速选择适合的数据流可视化图表,影响数据理解和决策效率。分类: 可视化创作、仪表盘与图表理解同类问题arrow_forward
- 75%
使用动画减少多类散点图矩阵中的过度绘制
CHI '18· 交互式数据可视化 +1
- 75%
有什么不同?:评估多系列条形图的变化以进行可视化比较任务
CHI '18· 交互式数据可视化 +1
- 75%
在网页交互式可视化中添加搜索功能的影响
CHI '18· 交互式数据可视化 +1
- 75%
截断Y轴:威胁还是危象?
CHI '20· 交互式数据可视化 +1
- 75%
交互是否能通过可视化提高贝叶斯推理?
CHI '21· 交互式数据可视化 +1
- 75%
数学增强:作者如何通过新颖的视觉设计实践提高公式的可读性
CHI '22· 交互式数据可视化 +1
- 75%
Cieran:通过现场主动偏好学习设计顺序颜色映射
CHI '24· 交互式数据可视化 +1
- 75%
VAID:在视觉分析系统中索引视图设计
CHI '24· 交互式数据可视化 +1
- 75%
来自凝视模式的顺序视觉线索:条形图的推理辅助
CHI '25· 交互式数据可视化 +1
- 75%
可视化设计师如何感知和使用灵感
CHI '25· 交互式数据可视化 +1
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/10.1145/3544548.3581119
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
3 位作者
sell
研究子方向
交互式数据可视化、可视化感知与认知
work
职业/产业
UI/UX 设计师
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文