[论文解读] Composition and Configuration Patterns in Multiple-View Visualizations

Xi Chen, Wei Zeng+4 more|arXiv (Cornell University)|Jul 30, 2020

Data Visualization and Analytics参考文献 47被引用 4

一句话总结

本文基于2011–2019年顶级可视化会议中精选的360个多视图可视化（MVs）数据集，开展了一项实证研究。研究分析了构图（视图类型频率与多样性）和配置（空间布局模式），通过定量指标识别出常见的设计模式，并提出一个交互式推荐系统，帮助设计者根据视图类型和空间布局选择有效的MV布局，该系统通过针对初学者和专家的用户研究得到验证。

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.

研究动机与目标

• 理解真实世界可视化设计中多视图的构成与配置方式。
• 识别在高维复杂数据可视化中视图类型使用与空间布局排列的重复性模式。
• 开发一种基于数据的推荐系统，支持示例化多视图可视化的设计。
• 提供可操作的、基于证据的设计指南，以应对该领域系统性设计原则的缺失。
• 通过针对可视化初学者和专家的用户研究，验证推荐系统的实用性。

提出的方法

• 从IEEE VIS、EuroVis和PacificVis（2011–2019年）收集并整理了360张MV图像，聚焦于经过同行评审的出版物。
• 开发定制化标注工具，手动标注每个视图的视图类型以及在显示空间中的边界框（位置与尺寸）。
• 使用视图类型的词频与多样性指标量化构图，使用布局拓扑结构与空间度量（如宽高比与相对位置）量化配置。
• 应用信息论度量（如条件概率）分析视图类型与布局配置之间的相关性。
• 构建一个交互式推荐系统，支持对数据集的多维探索，并根据用户输入的视图类型与布局偏好推荐MV设计方案。
• 通过正式的用户研究，对比使用该工具与未使用该工具的参与者在设计质量与可用性方面的表现。

实验结果

研究问题

• RQ1 在主要可视化会议中，多视图可视化中视图类型的最常见构成是什么？
• RQ2 哪些空间配置（布局）被最频繁使用，且与特定视图类型有何关联？
• RQ3 在真实世界的MV中，不同视图类型的宽高比与定位方式有何差异？
• RQ4 在构图与配置中，基于数据的模式在多大程度上能提升多视图可视化的设计质量？
• RQ5 基于实证MV模式的交互式推荐系统，在支持初学者与专家设计者方面有多高效？

主要发现

• 最常使用的视图类型为柱状图、折线图、散点图和地图，其中柱状图与折线图在超过60%的分析MV中出现。
• 大多数视图的宽高比落在[1/2, 2]范围内，但特殊类型如面积图与面板视图表现出更大的变化性。
• 视图类型与布局配置之间存在强烈相关性——例如，柱状图通常以垂直堆叠或并排排列的方式布局，而地图则常被置于中心或作为背景图层。
• 研究识别出14种主导视图类型，并发现包含3–5个视图的构图最为常见，其中以4个视图为峰值。
• 交互式推荐系统显著提升了设计质量与可用性，85%的参与者表示该系统增强了其对MV设计模式的理解。
• 用户研究证实，无论是初学者还是专家均从该工具中受益，专家表示对布局决策更有信心，初学者则表现出更快的设计迭代速度。