沉浸式分析的自我中心网络探索
摘要：沉浸式网络分析的潜力是为了提高参与和有效的探索，我们提倡“自我中心”的隐喻，即数据呈现和交互都适应于用户在3D网络中的视角。自我中心有可能克服虚拟环境的一些内在缺点，例如视觉杂乱和晕眩。为了研究这种隐喻对沉浸式网络探索的影响，我们设计和评估了不同程度的自我中心界面。在一个用户研究中，我们评估了这些界面对视觉搜索任务、网络遍历效率、空间定位以及晕眩感的影响。结果显示，一个简单的自我中心界面显著提高了视觉搜索效率和导航性能，但并不降低空间定位或增加晕眩感。邻域中无遮挡的自我泡泡视图对用户的性能只有轻微的改善。我们将研究结果整合在一个开放的在线工具中，用于自我中心网络探索，提供关于自我中心网络探索隐喻的可行洞见。
作者：Johannes Sorger, Alessio Arleo, Peter K''an, Wolfgang Knecht, and Manuela Waldner
论文ID：2109.09547
分类：Graphics
分类简称：cs.GR
提交时间：2021-09-21