[论文解读] Evaluating Cartogram Effectiveness

Sabrina Nusrat, Md. Jawaherul Alam+1 more|arXiv (Cornell University)|Apr 9, 2015

Data Visualization and Analytics参考文献 41被引用 6

一句话总结

本文通过定量任务表现（时间与错误率）、定性态度与偏好研究以及基于度量的评估，系统评估了四种主要矩形图类型——连续型、非连续型、矩形型和Dorling型。结果表明，非连续型矩形图在整体表现上最佳，尤其在面积比较和数据准确性方面表现突出；Dorling型与矩形型在示意图清晰度方面表现优异；而连续型矩形图在保持邻接关系方面表现最佳。

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 used for over a century and that make it possible to gain insight into patterns and trends in the world around us. Despite the popularity of cartograms and the large number of cartogram types, there are few studies evaluating the effectiveness of cartograms in conveying information. Based on a recent task taxonomy for cartograms, we evaluate four major different types of cartograms: contiguous, non-contiguous, rectangular, and Dorling cartograms. Specifically, we evaluate the effectiveness of these cartograms by quantitative performance analysis, as well as by subjective preferences. We analyze the results of our study in the context of some prevailing assumptions in the literature of cartography and cognitive science. Finally, we make recommendations for the use of different types of cartograms for different tasks and settings.

研究动机与目标

• 系统评估四种主要矩形图类型——连续型、非连续型、矩形型和Dorling型——在传达地理参考数据方面的有效性。
• 确定在一系列地理空间任务（如面积比较、邻接关系检测和区域识别）中，哪种矩形图类型表现最佳。
• 整合定量性能度量与定性用户偏好及基于度量的评估，提供对矩形图可用性的整体评估。
• 通过分析影响用户解读的感知、制图和人口统计因素，为矩形图设计提供指导原则。
• 探讨交互技术（如悬停提示、高亮显示）在缓解矩形图局限性并提升任务准确性方面的作用。

提出的方法

• 基于近期开发的矩形图任务分类体系，开展包含七个标准化任务的受控实验。
• 通过完成任务所用时间与识别地理区域及比较面积时的错误率，测量定量性能表现。
• 通过态度调查与主观偏好分析收集定性数据，评估用户感知与审美判断。
• 将任务表现与主观评估结果，与基于度量的矩形图评估（如制图误差、形状保持度）进行对比。
• 使用统计分析验证不同矩形图类型之间的性能差异，并识别显著趋势。
• 提出基于流程图的决策指南，依据任务需求与数据特征选择合适的矩形图类型。

实验结果

研究问题

• RQ1 在面积比较任务中，哪种矩形图类型能实现最快且最准确的响应？
• RQ2 用户偏好与感知可用性在不同矩形图类型之间如何变化？
• RQ3 基于度量的评估（如制图误差）在多大程度上与用户表现及主观评分一致？
• RQ4 如悬停标签与邻近区域高亮等交互技术如何影响任务准确性，尤其是在较难的矩形图类型中？
• RQ5 在何种场景下保持邻接关系或地理形状更为关键？哪种矩形图类型最能支持这些需求？

主要发现

• 非连续型矩形图在整体表现上最优，尤其在面积比较与数据准确性方面，错误率最低、响应时间最快。
• Dorling型矩形图在示意图清晰度与形状识别便捷性方面最受青睐，但在邻接关系检测任务中表现较差。
• 连续型矩形图在需要掌握区域邻接关系的任务中最为有效，因其比其他类型更好地保持了拓扑关系。
• 矩形型矩形图在区域比较任务中表现强劲，且因其简洁布局而广受好评，尤其在区域数量较少的地图中。
• 交互技术（如悬停提示与邻近区域高亮）显著降低了邻接关系与区域识别任务中的错误率，尤其对Dorling型与矩形型矩形图效果明显。
• 主观偏好与定量表现基本一致，但部分审美偏好（如对Dorling型矩形图的偏好）与其任务准确性不匹配，表明视觉吸引力与功能性有效性之间存在权衡。