[論文レビュー] Not As Easy As You Think -- Experiences and Lessons Learnt from Trying to Create a Bottom-Up Visualization Image Typology

Jian Chen, Petra Isenberg+5 more|arXiv (Cornell University)|Sep 15, 2022

Data Visualization and Analytics被引用数 4

ひとこと要約

本稿では、1990年から2020年までのIEEE VIS論文に掲載された6,833枚の図を対象とした2年間の定性的分析に基づき、13種類の可視化画像タイプを下位から上位に分類する新しいタイプの体系を提示する。当初は単純であると想定されたが、コーディングプロセスにおいて顕著な知覚的曖昧さと解釈のばらつきが明らかになり、研究、教育、今後の標準化を支援する、コミュニティで検証された堅実な体系が得られた。

ABSTRACT

We present and discuss the results of a two-year qualitative analysis of images published in IEEE Visualization (VIS) papers. Specifically, we derive a typology of 13 visualization image types, coded to distinguish visualizations and several image characteristics. The categorization process required much more time and was more difficult than we initially thought. The resulting typology and image analysis may serve a number of purposes: to study the evolution of the community and its research output over time, to facilitate the categorization of visualization images for the purpose of teaching, to identify visual designs for evaluation purposes, or to enable progress towards standardization in visualization. In addition to the typology and image characterization, we provide a dataset of 6,833 tagged images and an online tool that can be used to explore and analyze the large set of tagged images. We thus facilitate a discussion of the diverse visualizations used and how they are published and communicated in our community.

研究の動機と目的

• データや意図ではなく視覚的外観に基づいて、可視化画像の包括的で下位から上位の体系的分類を構築すること。
• 学術的出版物における可視化画像の分類に伴う課題や複雑さを理解すること。
• 体系的分析、教育、画像検索の支援を通じて、今後の可視化研究を支援すること。
• 30年間にわたり繰り返し現れる視覚的デザインパターンとその進化を特定すること。
• 可視化研究コミュニティにおける可視化画像タイプの探索・分析を可能にするデータセットとオンラインツールを提供すること。

提案手法

• 1990年から2020年までに発表された695編のIEEE VIS論文に含まれる6,833枚の図について、2年間の定性的コーディングプロセスを実施した。
• データの意味的性質や著者の意図ではなく、視覚的デザイン、次元性、構造的特徴に基づいて13種類の可視化画像タイプの体系を構築した。
• 繰り返しの合意形成を通じて、曖昧さを解消し、カテゴリを熟考を経て洗練させた。
• 視覚的外観（例：2次元スケーマティック、3次元サーフェス/ボリュームレンダリング、線ベース、GUI、ギフト、グリッド）に基づいて画像を分類し、次元性や知覚的曖昧さといったメタデータを追加した。
• 6,833枚のタグ付き画像からなるデータセットを生成し、インタラクティブな探索と分析が可能なオンラインツールを構築した。
• 2年間にわたり内部的一貫性のチェックと繰り返しの洗練を経て体系を検証したが、コーダー間の合意度と知覚的不確実性の制限を認識した。

実験結果

リサーチクエスチョン

• RQ1 30年間にわたりIEEE VISの出版物に登場する可視化画像タイプの中で、最も一般的なものは何か？
• RQ2 視覚的外観のみに基づいて可視化画像を一貫して分類するのはどの程度困難であり、コーディングの曖昧さを引き起こす要因は何であるか？
• RQ3 専門家コーダーは画像分類に関してどの程度合意に達できるか。また、事前の専門知識は分類の正確性にどのように影響するか？
• RQ4 下位から上位の可視化画像タイプの体系は、可視化分野における研究、教育、標準化の基盤として機能できるか？
• RQ5 可視化研究の出版物において、視覚的デザインのトレンドと画像タイプはどのように時間経過とともに変化しているか？

主な発見

• 最も一般的な可視化画像タイプは2次元スケーマティック（1,432枚）、3次元サーフェス/ボリュームレンダリング（655枚）、線ベース技術（643枚）、GUI（411枚）であり、これらは分析対象の6,833枚のうち73％を占める。
• 共通の専門知識を持つにもかかわらず、コーダーは特にボリュームレンダリング、ギフト、グリッドベース技術の曖昧なケースに対して顕著な合意の欠如を示し、知覚的・解釈的不確実性を示している。
• コーディングプロセスは、予想よりもはるかに複雑で時間のかかるものであった。ハイブリッドデザインや標準化された定義の欠如により、明確な分類が困難な画像が多数存在した。
• 専門家コーダーですら、類似した技術（例：ボリュームレンダリング対サーフェスレンダリング）を区別するのに苦慮し、画像がなじみのない場合、専門家ですら誤りを犯した。
• 得られた13種類の画像タイプの体系は、視覚的外観に基づく可視化出力の分類のための安定的かつコミュニティで検証されたフレームワークを提供する。
• 6,833枚のタグ付き画像からなるデータセットと関連するオンラインツールにより、視覚的デザインのトレンドの詳細な探索が可能となり、今後の画像検索や可視化分析分野の研究を支援する。