第二次視覺化分享會筆記
編輯歷史
| 時間 | 作者 | 版本 |
|---|---|---|
| 2017-07-03 08:51 | r2 | |
顯示 diff- 第二次視覺化分享會筆記
+ 第二次視覺化分享會筆記
時間： 2016/01/10
（159 行未修改）
|
||
| 2017-07-01 14:49 – 14:49 | r0 – r1 | |
顯示 diff+ 第二次視覺化分享會筆記
+
+ 時間： 2016/01/10
+ 地點： Appier 1F ( 暫定 )
+ 人數： ~40
+ 費用：0 ( 場地費均攤 )
+
+
+ *Opening
+
+
+
+ *Visual Information Seeking: Tight Coupling of Dynamic Query Filters with Starfield Displays
+ by Christopher Ahlberg
+ 講者: Li-Ting Huang. pdf / slide
+
+ 互動式視覺化的先驅
+
+ 三大原則
+ *Dynamic Query Filter（控制）
+ *home finder 的範例
+ *元素週期表
+ *Starfield Displays（呈現）
+ *散佈圖 + zoom in/out + selection
+ *Tight Coupling（控制項與呈現端保持一致性）
+ *讓使用者可以了解軟體的狀態，也避免使用者作出無用的操作。
+ *filter 自動對應 — 避免 filter 過程造成其它條件的空集合產生
+ *連續性的呈現
+ *漸進式的改良
+ *detail on demand
+
+ 範例：電影資料庫搜尋
+ *因為大家都愛看電影，而且當時只有文字搜尋工具
+
+
+ Future work
+ *更大型的資料、更完整的 query 方式
+ *fuzzy search
+ *zoom in/out 的順暢性
+ *tight coupling 機制邏輯性的驗證
+
+
+ *Florence Nightingale's Hockey Stick :The Real Message of her Rose Diagram
+ by Hugh Small
+ 講者: Whitney Hung. pdf / slide
+ *Florence Nightingale introduction
+ *有人叫他雞冠圖 (coxcomb ) 但是是錯的
+ *用面積表示多少，每塊代表一個月份，不同顏色代表不同死因
+ *克里米亞戰爭：南丁格爾抵達發現環境很差，試著改善了環境，大大降低了死亡率
+
+ *為什麼沒有用 bar chart
+ *不易比較前後兩年的差異
+ *不易比較季節的差異
+
+ *拿破崙征戰俄羅斯
+ *灰色進攻、紅色撤退
+ *寬度：士兵數量
+ *溫度、日期
+ *地圖
+
+ *用面積降低差異性的感受
+
+ 討論
+ *長條圖不適合週期性資料，雷達圖，或是像 GA 兩個週期疊合的方式
+ *一月可以有兩個 bar，表達不同年份
+ *一個問題一個圖，例如同一個季節畫在一起
+ *生態如果要做三年的比較，會做三個長條圖，Y 軸對齊
+
+ *今天不小心跳過很重要的部分在這裡補充
+
+ 補充說明：
+ Rose diagram V.S. Pie chart
+ Rose diagram的角度是固定的，以半徑作為參數; pie chart則是以角度作為變化參數
+ Rose diagram常應用在表示風的風向（方位）以及強度（半徑）稱作Wind rose
+ 例：*
+
+
+
+
+ *Beyond Memorability: Visualization Recognition and Recall
+ by Michelle A. Borkin
+ 講者: YF Lin. pdf / slide
+
+ 四大類作品來源
+ *政府、資訊圖表、 媒體、科學
+ *一秒的記憶實驗，分出「好記」、「不好記」的圖表
+ *進一步探討
+ *是哪些元素在幫助記憶？
+ *一秒拉到十秒的話會有差嗎？
+ *要使用什麼元素來幫助？
+ *從四大類作品來源中挑了 393 篇，33人無色盲，
+ *實驗設計
+ *Encoding：隨機看其中 100 篇，每張看十秒（Eye-Tracking Data）
+ *Recognition：看過的 100 張 + 沒看過的 100 張隨機出現，每張 2 秒，間隔 0.5 秒，使用者若看到認為是前一步驟曾出現過的圖表，就按下空白鍵。利用按下空白鍵的方式，記錄辨識正確率(Hit Rate)。
+ *Recall：集合所有正確辨識的作品，給受試者20 分鐘描述內容。
+ *
+ *
+ *實驗數據分析
+ *眼球追蹤
+ *Hit Rate = Hits / (Hits + Misses)，0 < HR < 1
+ *文字描述：專家系統。三位文字專家分析描述的內容，跟資訊圖表內資訊是否接近。
+ *實驗結果
+ *好辨識的：兩秒鐘看中央即可辨識（人眼辨識的第一步）
+ *不易辨識：繼續搜尋其他可以幫助記憶的物件元素，眼球會做更多移動來幫助回憶
+ *一秒 / 十秒對不易遍識組都一樣
+ *政府作品最不容易辨識 - 因為用太多相同模板及美學模式 (也就是說，缺乏創意？)
+ *可以幫助記憶的物件
+ *視覺連接 ( visual associations ) - 具體圖示 etc
+ *語意連接 ( semantic association ) - 標題 etc
+ *再描述（Recall）
+ *視覺圖表效果最好
+ *政府作品最差
+ *眼球停留最高：標題。科學 paper 的圖表大部份沒有標題。有標題的描述平均分數較高。
+ *有標題作品再描述分數：平均1.90
+ *無標題作品再描述分數，平均1.30
+ *標題放在上方，眼球停留數較高。下方較低。政府大多放下方。
+ *標題的好壞也會影響到 recall 分數
+ *好標範例："Top 10 Most Read Book ... "
+ *壞標範例："Cities"
+ *最常 recall 的物件：標示、標題、短敘述
+ *額外標示有利於 recall ( 圖 + 文 ) - 前 1/3 最好作品中, 50% 都有這樣的標註
+ *容易辨識的視覺作品，內容及細節容易受迴響，其內容描述較好
+
+ 對本篇的批評
+ *受試者沒有看同樣 100 篇作品
+ *每個受試者的背景、學經歷不同（記憶與再描述能力不同）
+ *針對「好記憶、不好描述」，「不好記憶、好描述」的領個群組沒有討論。有的「不好記憶、好描述」的圖，可能是因為受試者的背景的影響。
+ *系統隨機取樣（什麼都 random，結果搞不好也是 random 的 XD）
+
+ *研究方法的設計有缺陷（不夠清楚辨識問題）
+ *問：如何學習有系統的研究計劃，避免做出有缺陷的研究計劃？
+ *回答：可以查詢「研究方法」，有些老師有翻譯中文。
+
+ feedback
+ *每個資訊圖表想要傳達的資訊複雜度不同，可以這樣比較嗎？
+ *沒有把 input 做系統化的分類
+ *像他選 Nature 的，就是三類多，感覺領域上就有偏差
+
+
+ *Connected Scatterplot for Presenting Paired Time Series
+ by Steve Haroz
+ 講者: Kuan-Lin Tung. pdf / slide
+
+ *作者看了紐時的油價、車禍的 connected scatterplot 之後想來研究其效果
+ *即時範例：http://steveharoz.com/research/connected_scatterplot/
+ *想探究：
+ *對 relationship of data or understandability 的幫助 / cs vs dual axis line
+ *三元素：點位置、方向、箭頭 ( imply direction )
+ *沒有箭頭就哭哭了，無法還原成 dual axis
+ *資料不變就停在同一點
+
+ Limitation
+ *fixed intervals
+ *extremely complex shapes
+ *讀者總是從左上角開始看，所以從右下角開始的圖就會有些問題
+
+ Loop Case：
+ *Prey and Predator Relationship
+ *https://www.google.com.tw/search?biw=1280&bih=648&tbm=isch&q=prey+and+predator+relationship&revid=911276899&sa=X&ved=0ahUKEwiZ6K7Tq57KAhVGKJQKHe92DEYQ1QIIIw
+
+ *Ending
|
||