[论文解读] Data is Personal: Attitudes and Perceptions of Data Visualization in Rural Pennsylvania

Evan M. Peck, Sofia E. Ayuso+1 more|arXiv (Cornell University)|Jan 7, 2019

Data Visualization and Analytics参考文献 42被引用 13

一句话总结

本研究探讨了个人经历、教育背景、政治身份以及对信息来源的信任如何影响宾夕法尼亚州农村居民对数据可视化内容的感知与关注。通过对42名半结构化访谈的分析，研究发现，个人相关性（如定位自身住所或关联到健康问题）比设计质量更能驱动参与度，强调在数据可视化设计的最初接触阶段即应以个体经历为核心，以提升可及性与信任感。

ABSTRACT

Many of the guidelines that inform how designers create data visualizations originate in studies that unintentionally exclude populations that are most likely to be among the 'data poor'. In this paper, we explore which factors may drive attention and trust in rural populations with diverse economic and educational backgrounds - a segment that is largely underrepresented in the data visualization literature. In 42 semi-structured interviews in rural Pennsylvania (USA), we find that a complex set of factors intermix to inform attitudes and perceptions about data visualization - including educational background, political affiliation, and personal experience. The data and materials for this research can be found at https://osf.io/uxwts/

研究动机与目标

• 理解具有不同经济与教育背景的农村群体如何感知并参与数据可视化。
• 识别除视觉设计之外，影响农村居民对数据可视化关注度与信任感的因素。
• 挑战将城市受教育人群的可视化素养与设计原则推广至农村、数据匮乏社区的假设。
• 探讨个人经历、政治归属与信息源信任如何塑造代表性不足的农村群体对数据可视化内容的感知。
• 为设计更具包容性的数据可视化提供依据，使其基于真实生活经验而非抽象设计标准与用户产生共鸣。

提出的方法

• 在宾夕法尼亚州农村地区开展42场半结构化访谈，聚焦受访者对10个样本数据可视化内容的感知。
• 选择当地社区中心（如农贸市场）作为访谈地点，以接触多样化且难以触及的人群。
• 采用主题分析法，识别受访者在信任、关注与个人相关性方面反馈中的重复模式。
• 收集参与者教育背景、政治归属以及个人数据经历（如健康、成瘾问题）的相关数据。
• 分析参与者如何基于信息源可信度、地理相关性与情感共鸣来评估可视化内容。
• 探讨第一印象（由标题、来源与个人框架塑造）如何影响对数据可视化内容的长期信任与参与度。

实验结果

研究问题

• RQ1 个人经历在多大程度上影响农村居民对数据可视化内容的关注与信任？
• RQ2 政治归属与教育背景在多大程度上影响农村居民对数据可视化质量与可靠性的认知？
• RQ3 农村居民如何基于来源与语境评估数据可视化内容的可信度？
• RQ4 地理相关性与个人相关性在多大程度上影响可视化内容的感知实用性？
• RQ5 第一印象（由标题与来源塑造）如何影响用户对数据可视化内容的长期参与度？

主要发现

• 个人经历是影响农村居民对数据可视化内容关注度与信任感的最主要因素，参与者更倾向于关注反映自身生活或社区的图表。
• 参与者更倾向于信任本地新闻来源发布的信息可视化，而非全国性媒体，表明其对本地相关且可信信息源的强烈偏好。
• 能够在地图上定位自身所在州是判断可视化质量的关键因素，表明地理相关性显著影响用户参与度。
• 政治身份与对特定数据来源的信任度存在相关性，表明意识形态契合可能影响对数据客观性与可靠性的判断。
• 参与者常不以设计或清晰度为标准评估可视化内容，而是关注其在人际沟通中的有效性或是否反映个人经历。
• 即使可视化在技术上表现良好，若缺乏个人相关性，仍会导致参与度下降，凸显在数据设计初期即应嵌入个人背景信息的重要性。