[논문 리뷰] Visualizing Cartograms: Goals and Task Taxonomy

Sabrina Nusrat, Stephen Kobourov|arXiv (Cornell University)|2015. 02. 26.

Data Visualization and Analytics참고 문헌 46인용 수 4

한 줄 요약

이 논문은 시각화 방법의 평가와 설계를 표준화하기 위해 카르토그램에 대한 종합적인 작업 분류 체계를 제안한다. 정보 시각화와 지도학의 분류 체계를 기반으로 카르토그램 전용 작업을 분류함으로써, 인식, 비교, 위치, 요약과 같은 작업에서의 카르토그램 효과성에 대한 체계적 비교를 가능하게 하며, 선거, 인구통계, 비즈니스 데이터 시각화 응용 사례를 제시한다.

ABSTRACT

Cartograms are maps in which areas of geographic regions (countries, states) appear in proportion to some variable of interest (population, income). Cartograms are popular visualizations for geo-referenced data that have been around for over a century. Newspapers, magazines, textbooks, blogs, and presentations frequently employ cartograms to show voting results, popularity, and in general, geographic patterns. Despite the popularity of cartograms and the large number of cartogram variants, there are very few studies evaluating the effectiveness of cartograms in conveying information. In order to design cartograms as a useful visualization tool and to be able to compare the effectiveness of cartograms generated by different methods, we need to study the nature of information conveyed and the specific tasks that can be performed on cartograms. In this paper we consider a set of cartogram visualization tasks, based on standard taxonomies from cartography and information visualization. We then propose a cartogram task taxonomy that can be used to organize not only the tasks considered here but also other tasks that might be added later.

연구 동기 및 목표

• 매체 및 연구에서 널리 사용되고 있음에도 불구하고 카르토그램에 대한 체계적 평가 프레임워크의 부족을 해결하기 위해.
• 사용자가 카르토그램을 통해 수행하는 핵심 시각화 작업(예: 지역 인식, 변화 탐지 등)을 식별하고 분류하기 위해.
• 다양한 카르토그램 유형(예: Dorling, 직사각형, 비연결형)의 평가를 지원할 수 있는 일반적이고 확장 가능한 분류 체계를 만들기 위해.
• 공통된 작업 기반 평가 기준을 정의함으로써 카르토그램 생성 방법 간의 공정한 비교를 가능하게 하기 위해.
• 작업 중심 설계와 평가를 위한 체계적 기반을 제공함으로써 향후 카르토그램의 사용성 연구를 지원하기 위해.

제안 방법

• 정보 시각화(예: Wehrend, Zhou & Feiner) 및 지도학의 기존 분류 체계를 적응 및 확장하여 카르토그램 전용 사용 사례에 맞추기 위해.
• 공통된 목표, 수단, 특성, 순서 기반으로 네 가지 차원으로 작업을 그룹화: 인식/탐지, 비교/필터링, 위치/인접성, 요약/식별.
• 저수준 및 고수준 카테고리로 작업을 분류하며, 복합 작업(예: 정렬)은 기본 동작의 시퀀스에 의존한다.
• 실제 사례(예: 미국 선거 지도, 스타벅스/맥도날드 지점 분포)를 활용하여 작업 정의를 실용적인 지도학적 응용에 기반하게 한다.
• 향후 상호작용 또는 시스템 전용 작업(예: 줌인, 연결)의 포함을 허용하는 확장 가능한 분류 체계를 설계한다.
• 다섯 가지 주요 카르토그램 유형(예: Dorling, 비연결형)에 대한 후속 평가에 분류 체계를 적용하여 유용성을 검증함으로써 비교 연구에서의 유용성을 입증한다.

실험 결과

연구 질문

• RQ1 사용자가 카르토그램을 해석할 때 수행하는 핵심 시각화 작업은 무엇인가?
• RQ2 카르토그램 작업은 어떻게 체계적으로 분류되어 다양한 카르토그램 생성 방법의 평가와 비교를 지원할 수 있는가?
• RQ3 제안된 분류 체계는 변형형, 토폴로지형, Dorling 유형 등 다양한 카르토그램 유형에 얼마나 일반화될 수 있는가?
• RQ4 작업 기반 평가는 실생활 응용에서 카르토그램의 설계와 사용성 향상에 어떻게 기여할 수 있는가?
• RQ5 복합 작업(예: 정렬, 군집화)은 카르토그램 해석에서 어떤 역할을 하는가? 그리고 기본 동작에 어떻게 의존하는가?

주요 결과

• 제안된 작업 분류 체계는 공통된 인지적 및 인지적 특성에 기반하여 다양한 카르토그램 전용 작업을 네 개의 유기적인 그룹으로 체계적으로 정리하는 데 성공했다.
• 공통된 작업 세트를 제공함으로써 카르토그램 생성 방법 간의 공정하고 체계적인 평가가 가능해졌다.
• 실제 사례인 인구 및 스타벅스 카르토그램을 통해 공간 패턴 탐지 및 지역 분포 비교와 같은 의미 있는 해석 작업을 분류 체계가 잘 포괄하고 있음을 입증했다.
• 왜곡에 민감한 작업을 명확히 하여, 원시 수치 대비 인구당 카르토그램에서의 오해 위험을 식별하는 데 분류 체계가 유용함을 입증했다.
• 변형형, 토폴로지형, Dorling, 비연결형 카르토그램에 모두 일반적으로 적용 가능하며, 이후 평가에서 성공적으로 활용된 바 있다.
• 크기 비교 작업(예: 비교, 상위-k 찾기, 필터링, 군집화)이 카르토그램 해석의 핵심이며, 평가에서 우선적으로 고려되어야 한다는 점이 드러났다.