[论文解读] Putting Down Roots: A Graphical Exploration of Community Attachment

Andee Kaplan, Eric Hare|arXiv (Cornell University)|Aug 17, 2016

Data Visualization and Analytics参考文献 5被引用 5

一句话总结

本文利用 Knight Foundation 调查数据（2008–2010年）开发了一款基于 Shiny 和 D3 的交互式网络可视化工具，用于探索美国26个社区的社区归属感。结果显示，在26个社区中的23个中，社交供给（Social Offerings）是社区归属感的最强预测因子；而底特律的经济态度在2009年之后显现出复苏的早期迹象，打破了持续下滑的预期。

ABSTRACT

In this paper, we explore the relationships that individuals have with their communities. This work was prepared as part of the ASA Data Expo '13 sponsored by the Graphics Section and the Computing Section, using data provided by the Knight Foundation Soul of the Community survey. The Knight Foundation in cooperation with Gallup surveyed 43,000 people over three years in 26 communities across the United States with the intention of understanding the association between community attributes and the degree of attachment people feel towards their community. These include the different facets of both urban and rural communities, the impact of quality education, and the trend in the perceived economic conditions of a community over time. The goal of our work is to facilitate understanding of why people feel attachment to their communities through the use of an interactive and web-based visualization. We will explain the development and use of web-based interactive graphics, including an overview of the R package Shiny and the JavaScript library D3, focusing on the choices made in producing the visualizations and technical aspects of how they were created. Then we describe the stories about community attachment that unfolded from our analysis.

研究动机与目标

• 利用调查数据理解影响美国多样化社区中社区归属感的因素。
• 开发一款交互式、基于网络的可视化工具，使非专家能够探索复杂的社区指标。
• 揭示社区情绪的区域模式与趋势，特别是在2008–2010年经济衰退期间。
• 研究社区属性（如教育、安全和经济状况）与居民对其社区归属感之间的关系。
• 展示交互式可视化如何揭示静态可视化或表格数据中难以发现的洞察。

提出的方法

• 本研究使用 Knight Foundation 与 Gallup 在2008–2010年期间收集的美国26个社区共43,000名居民的调查数据。
• 从每项2–6个问题中构建10个复合指标（如社区归属感、教育、安全），每个问题采用1–5或1–3的量表。
• 使用 R 语言的 Shiny 包构建交互式网络应用程序，以实现实时动态数据探索。
• 使用 D3.js 渲染动态、联动的可视化图表，如平行坐标图和密度图，以支持用户实时交互。
• 根据地理位置接近性和视觉聚类，将社区划分为五个区域（大平原地区、西部、深南部、东南部、锈带地区），而非官方边界。
• 分析使用各指标的平均得分和相关性分析，以识别不同区域和时间下社区归属感的关键预测因子。

实验结果

研究问题

• RQ1 哪些社区属性最能预测居民对社区的归属感？
• RQ2 在不同美国区域中，对社区质量的感知如何变化，特别是在大萧条期间？
• RQ3 在2008–2010年经济衰退期间，锈带地区（尤其是底特律）的经济状况在多大程度上表现出韧性？
• RQ4 为何像迈尔斯堡这样的社区，尽管在大多数指标上得分较低，却仍报告了较高的社区归属感？
• RQ5 交互式可视化在复杂、多维调查数据中发现模式方面，如何提升发现能力？

主要发现

• 在26个社区中的23个中，社交供给与社区归属感的相关性最高，表明其在促进社区归属感方面起主导作用。
• 迈尔斯堡在社交供给方面排名第一，但在其余所有指标中均位列第13名或更低，但由于社交供给与归属感之间存在强关联，其社区归属感仍较高。
• 在锈带地区，底特律的经济前景在2008年至2009年保持稳定（从1.26降至1.25），并在2010年回升至1.37，表明在救助方案后已出现早期韧性。
• 所有锈带社区在2008年至2009年间经济情绪均呈下降趋势，但底特律的降幅最小，表明其在危机期间可能具有潜在稳定性。
• 大平原地区显示出教育质量与社区归属感之间特别强的正相关性，凸显了教育在社区凝聚力中的作用。
• 交互式可视化，尤其是平行坐标图和密度图，比静态图表更有效地揭示了区域趋势和异常值。