What User Behaviors Make the Differences During the Process of Visual Analytics?

要約

ビジュアル分析プロセスを理解すると、ビジュアル デザインの改善や高度なインタラクション機能の開発など、さまざまな側面からビジュアライゼーション研究者に利益をもたらすことができます。
ただし、センスメイキングの複雑さと、関連するユーザーの行動に関する知識が不足しているため、ユーザーの行動のログ ファイルを分析するのは依然として困難です。
この研究では、ユーザー行動の包括的なデータ収集に関する研究と、時系列分類手法を使用した分析アプローチを紹介します。
私たちは、地理空間、時系列、複数の属性をカバーする一般的な分析タスクを備えた古典的な視覚化アプリケーションである Covid-19 データ分析を選択しました。
当社のユーザー調査では、デスクトップ ビジュアライゼーションとイマーシブ ビジュアリゼーションという 2 つの同等のシステムを使用して、さまざまなビジュアライゼーション タスクに対するユーザーの行動を収集します。
3 つの時系列機械学習アルゴリズムによる分類結果を 2 つのスケールで要約し、行動特徴の影響を調査します。
私たちの結果は、視覚分析のプロセス中にユーザーの行動を区別できること、およびユーザーの身体的行動とユーザーが実行する視覚化タスクとの間に潜在的に強い関連性があることを明らかにしました。
また、ビジュアル分析のオープンセッションを解釈することによってモデルの使用法を実証します。これにより、面倒な手動の注釈を付けずにセンスメイキングを自動的に研究する方法が提供されます。

要約(オリジナル)

The understanding of visual analytics process can benefit visualization researchers from multiple aspects, including improving visual designs and developing advanced interaction functions. However, the log files of user behaviors are still hard to analyze due to the complexity of sensemaking and our lack of knowledge on the related user behaviors. This work presents a study on a comprehensive data collection of user behaviors, and our analysis approach with time-series classification methods. We have chosen a classical visualization application, Covid-19 data analysis, with common analysis tasks covering geo-spatial, time-series and multi-attributes. Our user study collects user behaviors on a diverse set of visualization tasks with two comparable systems, desktop and immersive visualizations. We summarize the classification results with three time-series machine learning algorithms at two scales, and explore the influences of behavior features. Our results reveal that user behaviors can be distinguished during the process of visual analytics and there is a potentially strong association between the physical behaviors of users and the visualization tasks they perform. We also demonstrate the usage of our models by interpreting open sessions of visual analytics, which provides an automatic way to study sensemaking without tedious manual annotations.

arxiv情報

著者 Shahin Doroudian,Zekun Wu,Aidong Lu
発行日 2023-11-17 17:09:56+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.HC, cs.LG パーマリンク