[论文解读] Towards Understanding Enjoyment and Flow in Information Visualization

Bahador Saket, Carlos Scheidegger+1 more|arXiv (Cornell University)|Mar 2, 2015

Data Visualization and Analytics参考文献 38被引用 12

一句话总结

本文将Csikszentmihalyi的享受流动模型与Munzner的可视化评估嵌套模型相连接，提出测量流动的六个要素——挑战、专注、清晰度、反馈、控制和沉浸感——对于理解可视化享受至关重要。本文建议使用自评方法（如李克特量表和产品反应卡）在评估研究中系统性地测量这些要素。

ABSTRACT

Traditionally, evaluation studies in information visualization have measured effectiveness by assessing performance time and accuracy. More recently, there has been a concerted effort to understand aspects beyond time and errors. In this paper we study enjoyment, which, while arguably not the primary goal of visualization, has been shown to impact performance and memorability. Different models of enjoyment have been proposed in psychology, education and gaming; yet there is no standard approach to evaluate and measure enjoyment in visualization. In this paper we relate the flow model of Csikszentmihalyi to Munzner's nested model of visualization evaluation and previous work in the area. We suggest that, even though previous papers tackled individual elements of flow, in order to understand what specifically makes a visualization enjoyable, it might be necessary to measure all specific elements.

研究动机与目标

• 探讨Csikszentmihalyi的流动模型如何应用于理解信息可视化中的享受感。
• 将流动模型的组成部分映射到Munzner的可视化评估嵌套模型的四个层级（问题、数据/操作、编码/交互、算法），以实现系统性分析。
• 识别当前可视化评估实践中忽略享受与参与度等非性能因素的缺口。
• 为可视化研究中的流动要素推荐标准化的测量方法。
• 强调控制任务清晰度和挑战水平的重要性，以避免在享受测量中引入混杂因素。

提出的方法

• 将Csikszentmihalyi流动模型的六个核心要素（挑战、专注、清晰度、反馈、控制、沉浸感）映射到Munzner的嵌套模型的四个层级（问题、数据/操作、编码/交互、算法）。
• 回顾心理学、教育学和游戏领域中应用流动模型评估或设计用户体验的先前研究。
• 分析现有的可视化评估研究，以识别哪些流动要素已被隐式测量以及如何测量。
• 提出使用自评工具（如李克特量表问卷和产品反应卡）来获取用户对流动要素的感知。
• 建议采用HCI-Q等成熟方法以更准确地测量流动，尽管这些方法在可视化研究中应用有限。
• 建议通过受控任务设计，将清晰度作为混杂变量进行隔离，以提升享受评估的准确性。

实验结果

研究问题

• RQ1 Csikszentmihalyi的流动模型如何能系统性地应用于评估信息可视化中的享受感？
• RQ2 先前的可视化评估研究中，流动模型的哪些要素已被隐式测量？
• RQ3 Munzner的嵌套模型的层级如何对应到流动体验的具体组成部分？
• RQ4 在可视化评估中测量清晰度和挑战等流动要素时，存在哪些方法论挑战？
• RQ5 当前的可视化评估实践在多大程度上考虑了享受与参与度等非性能因素？

主要发现

• 流动模型为理解可视化中的享受感提供了明确的框架，包含六个核心要素：挑战、专注、清晰度、反馈、控制和沉浸感。
• 先前的可视化研究多以间接方式测量个别流动要素，例如通过Liu和Heer [24]测量反馈，通过Kondo和Collins [22]测量控制，但极少以协调一致的方式进行。
• 可视化中的清晰度并非源于技术或数据本身，而是取决于任务理解，因此任务设计是享受测量中的关键混杂因素。
• 自评方法（如李克特量表和产品反应卡）是测量流动要素的可行工具，相关研究在游戏和人机交互领域已有实证支持。
• 目前尚无充分证据确定可视化中大多数流动要素的最佳强度水平，尽管相关研究显示适度的挑战和反馈可能具有益处。
• 可视化研究中任务设计和措辞描述的标准化报告不足，严重削弱了享受测量结果的可比性和有效性。