[論文レビュー] Composition and Configuration Patterns in Multiple-View Visualizations

Xi Chen, Wei Zeng+4 more|arXiv (Cornell University)|Jul 30, 2020

Data Visualization and Analytics参考文献 47被引用数 4

ひとこと要約

本論文は、2011–2019年の主要ビジュアライゼーション会議（IEEE VIS, EuroVis, PacificVis）から収集した360件のマルチビュー可視化（MVs）のデータセットを用いて、実証的研究を実施している。視覚的構成（ビュー種別頻度と多様性）と構成（空間的レイアウトパターン）を分析し、定量的指標を用いて一般的なデザインパターンを同定。視点種別と空間的配置に基づき、効果的なMVレイアウトの選定を支援するインタラクティブな推薦システムを提案。このシステムは、初心者および専門家を対象としたユーザースタディにより検証された。

ABSTRACT

Multiple-view visualization (MV) is a layout design technique often employed to help users see a large number of data attributes and values in a single cohesive representation. Because of its generalizability, the MV design has been widely adopted by the visualization community to help users examine and interact with large, complex, and high-dimensional data. However, although ubiquitous, there has been little work to categorize and analyze MVs in order to better understand its design space. As a result, there has been little to no guideline in how to use the MV design effectively. In this paper, we present an in-depth study of how MVs are designed in practice. We focus on two fundamental measures of multiple-view patterns: composition, which quantifies what view types and how many are there; and configuration, which characterizes spatial arrangement of view layouts in the display space. We build a new dataset containing 360 images of MVs collected from IEEE VIS, EuroVis, and PacificVis publications 2011 to 2019, and make fine-grained annotations of view types and layouts for these visualization images. From this data we conduct composition and configuration analyses using quantitative metrics of term frequency and layout topology. We identify common practices around MVs, including relationship of view types, popular view layouts, and correlation between view types and layouts. We combine the findings into a MV recommendation system, providing interactive tools to explore the design space, and support example-based design.

研究の動機と目的

• 実世界のビジュアライゼーション設計における複数ビューの構成と配置の仕組みを理解すること。
• 高次元で複雑なデータ可視化において、ビュー種別の使用頻度と空間的レイアウト配置の繰り返しパターンを同定すること。
• 例ベースのマルチビュー可視化設計を支援するデータ駆動型推薦システムを開発すること。
• 分野における体系的なデザイン原則の不足を補う、実行可能で証拠に基づいたガイドラインを提供すること。
• 初心者および専門家を対象としたユーザースタディにより、推薦システムの実用性を検証すること。

提案手法

• IEEE VIS、EuroVis、PacificVis（2011–2019年）から、査読済みの論文を対象に、360件のMV画像のデータセットを収集・キュレートした。
• 各ビューのビュー種別および表示領域内でのバウンディングボックス（位置とサイズ）を手動でラベル付けするためのカスタムアノテーションツールを開発した。
• ビュー種別の用語頻度と多様性指標を用いて構成を定量的に評価し、レイアウトトポロジーとアスペクト比・相対位置などの空間的指標を用いて構成を評価した。
• 条件付き確率などの情報理論的測度を用いて、ビュー種別とレイアウト構成の相関関係を分析した。
• ユーザーがビュー種別とレイアウトの好みを入力することで、MVデザインを提案する、ファセット検索が可能なインタラクティブな推薦システムを構築した。
• 本システムの有効性を検証するため、ツールを使用した参加者と使用しない参加者を比較する形式のユーザースタディを実施した。

実験結果

リサーチクエスチョン

• RQ1 主なビジュアライゼーション会議におけるマルチビュー可視化で最も一般的なビュー種別の構成は何か？
• RQ2 どの空間的構成（レイアウト）が最も頻繁に使用されており、特定のビュー種別とどのように相関しているか？
• RQ3 実世界のMVにおいて、異なるビュー種別に応じてアスペクト比や配置はどのように変化するか？
• RQ4 構成と構成のデータ駆動型パターンは、マルチビュー可視化の設計をどの程度向上させ得るか？
• RQ5 実証的なMVパターンに基づくインタラクティブな推薦システムは、初心者および専門家デザイナーの両方をどの程度効果的に支援できるか？

主な発見

• 最も頻繁に使用されるビュー種別は、棒グラフ、折れ線グラフ、散布図、地図であり、棒グラフと折れ線グラフは分析対象の60％以上に登場している。
• ほとんどのビューのアスペクト比は[1/2, 2]の範囲に収まっているが、面積グラフやパネルビューなどの特殊種別ではより多様な傾向を示している。
• ビュー種別とレイアウト構成の間に強い相関関係が認められた。例えば、棒グラフは縦方向のスタックや横方向の並べ配置に多く配置されており、地図はしばしば中央部や背景レイヤーとして配置されている。
• 14の主要なビュー種別を同定し、3～5ビューの構成が最も一般的で、4ビューの構成がピークに達していることがわかった。
• インタラクティブな推薦システムは、デザインの質と使いやすさを顕著に向上させ、参加者の85％がMVデザインパターンの理解が深まったと報告した。
• ユーザースタディの結果、初心者および専門家双方にとってツールが有効であることが確認された。専門家はレイアウト意思決定に対する自信が向上し、初心者は設計の反復時間が短縮された。