太多厨师：探索图形感知研究如何影响Draco中的可视化建议
摘要：从图形感知中得出的结果可以指导可视化推荐算法在识别有效的可视化设计方案方面。然而，现有的算法只使用了少数几项研究的知识，限制了我们对互补（或相互矛盾）的图形感知结果如何影响生成的推荐的理解。在本文中，我们提出了一个应用大量图形感知结果来开发新的可视化推荐算法的流程，并进行了一项探索性研究，以调查图形感知结果如何改变下游算法的行为。具体而言，我们在一个名为“Draco”的框架中对30篇论文的图形感知结果进行建模，以开发新的推荐算法。通过分析Draco生成的算法，我们展示了我们的方法具有以下可行性：（1）发现现有图形感知文献中的差距，为推荐算法提供信息；（2）通过其优选设计规则和约束条件对论文进行聚类；（3）研究某些研究为什么会主导Draco的推荐，而其他研究可能影响较小。根据我们的研究结果，我们讨论了图形感知和可视化推荐研究在相互促进的进展方面的潜力。
作者：Zehua Zeng, Junran Yang, Dominik Moritz, Jeffrey Heer, Leilani Battle
论文ID：2308.14241
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-29