[논문 리뷰] Composition and Configuration Patterns in Multiple-View Visualizations

Xi Chen, Wei Zeng외 4명|arXiv (Cornell University)|2020. 07. 30.

Data Visualization and Analytics참고 문헌 47인용 수 4

한 줄 요약

이 논문은 2011–2019년 동안 주요 시각화 컨ferences에서 발표된 360개의 다중보기 시각화(MVs)를 대상으로 한 경험적 연구를 제시한다. 구성(보기 유형 빈도 및 다양성)과 구성 설정(공간 레이아웃 패턴)을 분석하고, 정량적 지표를 통해 일반적인 디자인 패턴을 규명하며, 보기 유형과 공간 배치에 기반해 효과적인 MV 레이아웃을 선택하는 데 도움을 주는 상호작용 기반 추천 시스템을 제안한다. 이 시스템은 초보자와 전문가를 대상으로 한 사용자 연구를 통해 검증되었다.

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.

연구 동기 및 목표

• 실제 시각화 디자인에서 다중보기의 구성 및 구성 설정 방식을 이해하기 위해.
• 고차원적이고 복잡한 데이터 시각화에서 보기 유형 사용과 공간 레이아웃 배열의 반복 패턴을 규명하기 위해.
• 예제 기반 다중보기 시각화 디자인을 지원하는 데이터 기반 추천 시스템을 개발하기 위해.
• 분야 내 체계적인 디자인 원칙의 부족을 보완하기 위해 실천 가능한 증거 기반 가이드라인을 제공하기 위해.
• 초보자와 전문가를 대상으로 한 사용자 연구를 통해 추천 시스템의 실용성을 검증하기 위해.

제안 방법

• IEEE VIS, EuroVis, PacificVis(2011–2019)에서 발표된 동료 심사 통과 논문을 대상으로 360개의 MV 이미지 데이터셋을 수집 및 정제하였다.
• 각 보기의 보기 유형과 화면 공간 내 경계 상자(위치 및 크기)를 수동으로 레이블링하기 위해 전용 애너테이션 툴을 개발하였다.
• 보기 유형의 용어 빈도 및 다양성 지표를 사용해 구성의 정량적 분석을 수행하였고, 레이아웃 토폴로지 및 종횡비, 상대적 위치 등 공간 메트릭을 사용해 구성 설정을 분석하였다.
• 보기 유형과 레이아웃 구성 간 상관관계를 분석하기 위해 정보 이론적 측정법(예: 조건부 확률)을 적용하였다.
• 사용자가 보기 유형과 레이아웃 선호도를 입력할 수 있도록 허용하는 상호작용 기반 추천 시스템을 구축하였으며, 이는 데이터셋의 필터링 탐색과 함께 작동한다.
• 도구를 사용한 참가자와 사용하지 않은 참가자를 비교하는 공식적인 사용자 연구를 통해 시스템의 설계 품질과 사용성에 대한 평가를 수행하였다.

실험 결과

연구 질문

• RQ1 주요 시각화 컨ferences에서 다중보기 시각화의 보기 유형 조합 중 가장 흔한 것은 무엇인가?
• RQ2 가장 자주 사용되는 공간 구성(레이아웃)은 무엇이며, 특정 보기 유형과 어떤 관련이 있는가?
• RQ3 실제 MV에서 다양한 보기 유형에 따라 종횡비와 위치 배치는 어떻게 달라지는가?
• RQ4 구성 및 구성 설정에서 도출된 데이터 기반 패턴이 다중보기 시각화의 디자인 향상에 어느 정도 기여하는가?
• RQ5 경험적 MV 패턴을 기반으로 한 상호작용 기반 추천 시스템은 초보자와 전문가 디자이너 모두에게 얼마나 효과적인가?

주요 결과

• 가장 흔히 사용되는 보기 유형은 막대 차트, 선 그래프, 산점도, 지도이며, 막대 차트와 선 그래프는 분석된 MV의 60% 이상에서 등장한다.
• 대부분의 보기 종횡비는 [1/2, 2] 범위에 속하지만, 면적 차트나 패널 뷰와 같은 전용 유형은 더 큰 변동성을 보인다.
• 보기 유형과 레이아웃 구성 간 강한 상관관계가 존재한다. 예를 들어 막대 차트는 일반적으로 수직 스택이나 옆으로 배열된 형태로 배치되며, 지도는 중심이나 배경 레이어로 자주 사용된다.
• 14종의 주요 보기 유형을 규명하였고, 구성에 3–5개의 보기 조합이 가장 흔하며, 네 개 보기 조합에서 최고 절정을 보였다.
• 상호작용 기반 추천 시스템은 설계 품질과 사용성 향상에 뚜렷한 효과를 보였으며, 참가자 85%가 MV 디자인 패턴에 대한 이해도 향상을 경험했다고 보고하였다.
• 사용자 연구를 통해 초보자와 전문가 모두 도구의 도움을 받았음을 확인하였으며, 전문가는 배치 결정에 대해 더 높은 자신감을 느꼈고, 초보자는 더 빠른 디자인 반복 주기를 경험했다.