解释什么是树状图：探索性调查向盲人和低视力用户解释不熟悉的图表的策略

文献标题

“Explain What a Treemap is”: Exploratory Investigation of Strategies for Explaining Unfamiliar Chart to Blind and Low Vision Users

文献信息

• 主题领域: 数据可视化可达性研究，特别是针对视觉障碍者的数据可视化解释策略
• 关键词: 可视化可达性, 视觉障碍用户, 解释策略, 数据可视化, 树状图, 教育理论, 助残技术, 用户研究

研究背景与问题

• 主要问题或挑战: 数据可视化广泛依赖视觉，这使得视觉障碍用户无法有效获取信息。此外，许多assistive技术和教育主要针对基础图表类型（如柱状图、折线图），忽略了复杂图表的解释方法。然而，随着数据可视化类型日益多样化，视觉障碍用户对于复杂图表类型（如树状图或小提琴图）的理解能力受限。
• 重要性: 未能解读这些图表将限制视觉障碍用户在数字信息世界中的公平参与。创建有效的文本解释可以帮助弥补这一差距，同时比触觉或音频呈现更具普适性。
• 研究动机与相关工作:
  • 研究基于教育理论，结合比较已有的知识、绘制图表的指令以及使用具体示例来设计不同的解释策略。
  • 过去的大量工作关注将视觉图表转换为其他模式（如触觉或音频），但这些方式存在局限性，无法全面支持视觉障碍用户。
  • 当前Assistive技术和教育（K-12课程）往往只关注基础图表类型（如柱状图和饼状图），缺乏对复杂图表类型的支持。

解决方案

• 提出的方法或解决方案:

  • 提出文本解释作为支持视觉障碍用户理解复杂图表的通用方法。
  • 确定了三维度的图表解释策略：
    1. 与已有知识比较（有比较/无比较）。
    2. 知识类型（陈述型知识/程序型知识）。
    3. 抽象层次（抽象/具体）。
  • 构建了一种原型系统，能够从给定的图表规格生成多种文本解释，并支持超过50种图表类型。
  • 开展用户研究来分析解释策略的有效性与用户感知。

• 创新点:

  • 基于教育理论提出三维度的图表解释框架。
  • 自动化生成图表解释，以符合BLV用户需求。
  • 提出图表类型的相似性指标，帮助选择用户熟知的图表进行比较讲解。
  • 给出针对视觉障碍用户设计高效解释系统的原则。

• 实施步骤与关键技术:

  • 首先定义图表类型的规格，包括标记、数据类型、编码和坐标系统。
  • 构建算法来量化任意两个图表类型的相似性，作为生成解释的一个输入。
  • 设计包含3个维度、8个策略组合的文本解释模板。
  • 通过用户访谈和实验获取BLV用户对不同解释策略的反馈，观察其绘图表现和问答准确度。

研究成果

• 具体成果:

  • 对图表外观的陈述性描述总体上比绘制图表的程序型说明更具有效性。
  • 基于比较的解释对不同用户和图表类型的效果差异较大，例如对高复杂度的图表（如彩色气泡图）不如无比较策略有效。
  • 抽象与具体解释的有效性因人而异，大部分用户更倾向于具体说明。
  • 个体特征（如空间能力和内部控制点）显著影响理解表现。

• 与现有解决方案相比的优势:

  • 展示了自动生成文本解释的可行性。
  • 提供了将教育理论应用于视觉障碍的系统化方法。
  • 用户实验揭示了现有辅助技术中的痛点和改进方向，例如需要更具体的例子、清晰术语以及如何有效解释堆叠标记。

• 实验或评估结果:

  • 用户在问答和绘图任务上的表现被量化评估，发现陈述性解释相较于程序型解释表现更优（问答得分均值显著高）。
  • 无比较策略在高复杂度图表中优于比较策略。
  • 视觉障碍用户在使用“颜色作为纹理”的方式来表达图表颜色时更加自信。
  • 某些图表用语（如极坐标系统相关术语）不具有直观可理解性。

• 局限性与未来方向:

  • 对图表复杂性的定义和度量还有待完善，以更好地对应用户实际认知负荷。
  • 术语选择需要进一步优化，既要精确表达又要便于理解。
  • 尚未涵盖网络图或三维可视化等复杂类型的研究。
  • 未来工作应采纳自然语言处理技术以增强文本生成质量，同时设计适配性更强、对用户友好的解释策略选择界面。