可视分析中对指导的双重专家/终端用户评估的一种启发式方法
摘要：探索和分析复杂数据时，指导可以支持用户。以前的研究侧重于表征视觉分析中指导的理论方面和在不同场景中实施指导。然而，指导增强视觉分析解决方案的评价仍然是一个开放的研究问题。我们通过引入和验证一种实用的视觉分析中指导的评价方法来解决这个问题。我们确定了八个要满足的质量标准，并收集专家反馈以验证其有效性。为了促进实际评估研究，我们提出了两套启发式规则。第一套规则针对由专家评估者进行的启发式评估。第二套规则便于终端用户研究，参与者实际使用一个增强指导系统。通过采用这样的双重方法，可以从两个不同的角度考察指导的不同质量标准，提升评估研究的整体价值。为了测试我们方法的实用性，我们将其应用于两项研究中，以了解两个指导增强视觉分析解决方案的质量，其中一个是正在进行中的研究原型，另一个是公开可用的可视化推荐系统。基于这两个评估，我们总结了在进行视觉分析中指导的评估时的行之有效做法，并确定了需要避免的陷阱。
作者：Davide Ceneda, Christopher Collins, Mennatallah El-Assady, Silvia Miksch, Christian Tominski, Alessio Arleo
论文ID：2308.13052
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-28