[論文レビュー] Data and Task Based Effectiveness of Basic Visualizations.

Bahador Saket, Alex Endert+1 more|arXiv (Cornell University)|Sep 25, 2017

Data Visualization and Analytics参考文献 12被引用数 3

ひとこと要約

本研究では、2つの実世界のデータセットを用いて、10のデータ分析タスクと3つのデータ属性タイプにおいて、5つの基本的な可視化手法（表、折れ線グラフ、棒グラフ、散布図、円グラフ）の有効性を評価した。結果は、タスクやデータコンテキストに応じて有効性に顕著な差が生じることを示し、分析的効果を向上させるためにコンテキストに配慮した可視化選択の推奨事項を提示した。

ABSTRACT

Visualizations of tabular data are widely used; understanding their effectiveness in different task and data contexts is fundamental to scaling their impact. However, little is known about how basic tabular data visualizations perform across varying data analysis tasks and data attribute types. In this paper, we report results from a crowdsourced experiment to evaluate the effectiveness of five visualization types --- Table, Line Chart, Bar Chart, Scatterplot, and Pie Chart --- across ten common data analysis tasks and three data attribute types using two real world datasets. We found the effectiveness of these visualization types significantly varies across task and data attribute types, suggesting that visualization design would benefit from considering context dependent effectiveness. Based on our findings, we derive recommendations on which visualizations to choose based on different task and data contexts.

研究の動機と目的

• 異なるデータ分析タスクおよびデータ属性タイプにおける基本的可視化のパフォーマンスを理解すること。
• 棒グラフ、折れ線グラフ、散布図などの一般的な可視化手法におけるコンテキスト依存の有効性のパターンを特定すること。
• 特定のタスクとデータ特性に基づいた可視化選択のための実行可能な推奨事項を提供すること。

提案手法

• 実世界のデータセットを用いて、可視化の有効性を評価するためのクラウドソーシング実験を実施した。
• 表、折れ線グラフ、棒グラフ、散布図、円グラフの5つの可視化タイプを評価した。
• 結果の生態的妥当性を確保するために、2つの実世界のデータセットを用いた。
• 10の一般的なデータ分析タスクに跨り、有効性を測定した。
• データ属性を3つのタイプに分類し、それが可視化のパフォーマンスに与える影響を評価した。
• 統計的手法を用いて、タスクやデータタイプに応じた有効性の顕著な差を同定した。

実験結果

リサーチクエスチョン

• RQ1 異なる可視化タイプは、さまざまなデータ分析タスクにおいてどのようにパフォーマンスを発揮するか？
• RQ2 データ属性の種別（例：名義尺度、数値尺度、時系列）は、可視化の有効性にどのように影響するか？
• RQ3 特定のタスクとデータ属性タイプの組み合わせにおいて、どの可視化タイプが最も効果的か？
• RQ4 設計の推奨事項を導くために利用可能な、可視化有効性の一貫したパターンは存在するか？

主な発見

• 可視化の有効性は、異なるデータ分析タスクやデータ属性タイプによって顕著に変動する。
• 棒グラフと折れ線グラフは、傾向の特定や比較タスクを除き、ほとんどのタスクで他の可視化手法を上回った。
• 散布図は、数値データにおける相関関係やパターンの検出を求めるタスクで最も効果的であった。
• 円グラフは、ほとんどのタスクで最も低い有効性を示し、とくに正確な値の比較を要するタスクで顕著であった。
• 表は、正確な値の取得を要するタスク、とくに数値データを扱うタスクで最も効果的であった。
• 可視化のパフォーマンスは非常にコンテキスト依存的であり、万能なデザインアプローチは最適でないことが示された。