[论文解读] Anchored in a Data Storm: How Anchoring Bias Can Affect User Strategy, Confidence, and Decisions in Visual Analytics

Ryan Wesslen, Sashank Santhanam+4 more|arXiv (Cornell University)|Jun 7, 2018

Data Visualization and Analytics被引用 3

一句话总结

本研究探讨了视觉锚点和策略提示在视觉分析系统中如何影响用户在识别Twitter新闻虚假信息时的决策、信心和表现。通过两轮受控实验室实验，共94名参与者参与，研究发现视觉锚点显著影响用户信心和行为，但对准确性和速度的影响混合，凸显了在设计培训时需谨慎，以避免产生非预期的偏见。

ABSTRACT

Cognitive biases have been shown to lead to faulty decision-making. Recent research has demonstrated that the effect of cognitive biases, anchoring bias in particular, transfers to information visualization and visual analytics. However, it is still unclear how users of visual interfaces can be anchored and the impact of anchoring on user performance and decision-making process. To investigate, we performed two rounds of between-subjects, in-laboratory experiments with 94 participants to analyze the effect of visual anchors and strategy cues in decision-making with a visual analytic system that employs coordinated multiple view design. The decision-making task is identifying misinformation from Twitter news accounts. Participants were randomly assigned one of three treatment groups (including control) in which participant training processes were modified. Our findings reveal that strategy cues and visual anchors (scenario videos) can significantly affect user activity, speed, confidence, and, under certain circumstances, accuracy. We discuss the implications of our experiment results on training users how to use a newly developed visual interface. We call for more careful consideration into how visualization designers and researchers train users to avoid unintentionally anchoring users and thus affecting the end result.

研究动机与目标

• 探究视觉锚点和策略提示如何影响用户在虚假信息检测的视觉分析中的行为、信心和决策准确性。
• 理解认知偏见（尤其是锚定偏见）在协同多视图（CMV）系统中的探索性视觉分析中的作用。
• 评估不同培训方法（如情景视频、策略提示）对用户交互模式和性能指标的影响。
• 探讨用户交互日志如何揭示潜在的策略以及对锚定效应的易感性。
• 为用户在视觉分析工具上的培训提供最佳实践建议，以防止无意的锚定及其后续影响。

提出的方法

• 在实验室环境中开展两轮被试间设计的实验，共94名参与者，使用视觉分析系统（Verifi）检测Twitter上的虚假信息。
• 设计三组处理条件：对照组（无锚点）、策略提示组（通过视频引导方法）、视觉锚点组（视频强调特定视图为首要视图）。
• 收集并分析交互日志，以追踪用户的导航路径、视图使用情况、任务耗时和各视图的数据覆盖范围。
• 通过决策后自我报告测量用户信心，并根据真实标签评估决策准确性。
• 将锚定偏见的心理学理论整合到实验设计中，以模拟现实世界中对视觉分析的认知影响。
• 采用定量分析方法，比较各处理组在准确性、速度、信心和视图使用率等指标上的表现。

实验结果

研究问题

• RQ1 视觉锚点和策略提示如何影响用户在视觉分析任务中决策时的信心？
• RQ2 视觉锚点在多视图协同（CMV）系统中在多大程度上影响用户交互策略和视图选择？
• RQ3 视觉锚定对虚假信息检测任务中的决策准确性和任务完成时间有何影响？
• RQ4 个体差异（如经验、认知风格）在多大程度上调节用户对视觉分析中锚定效应的易感性？
• RQ5 交互日志分析能否揭示锚定模式，并帮助识别受视觉提示影响更大或更小的用户？

主要发现

• 视觉锚点和策略提示显著提高了用户对其决策的信心，即使准确性未提升。
• 视觉锚点组的参与者显著花费更多时间聚焦于被突出显示的视图（如Tweet面板），表明对锚点的强烈依赖。
• 锚定并未一致提升准确性；在某些情况下，准确性反而下降，尤其是当用户忽略其他相关视图时。
• 策略提示组的决策速度更快，且在各视图中的数据覆盖范围优于对照组和视觉锚点组。
• 部分用户对处理条件无明显反应，表明个体差异（如先前经验或认知能力）可能降低其对锚定效应的易感性。
• 交互日志分析揭示了不同的策略：受锚定影响的用户遵循僵化的路径，而未受锚定影响的用户则更灵活地跨视图探索。