2021年春季学期视觉计算实验室第十八周论文研读预告

时间:2021年6月30日(本周三) 09: 30
地点:望江校区基础教学楼B座318实验室
研读成员:陈富秋 王凤杰

Part1
研读成员:陈富秋
分享内容
[1]Haotian Li,Min Xu,Yong Wang,Huan Wei,Huamin Qu. A Visual Analytics Approach to Facilitate the Proctoring of Online Exams[C]. Proceedings of the 2021 ACM Conference on Human Factors in Computing Systems (CHI21).2021.
[2]Yifang Wang, Hongye Liang, Xinhuan Shu, et al. Interactive Visual Exploration of Longitudinal Historical Career Mobility Data[J]. IEEE Transactions on Visualization and Computer Graphics,2021.

论文简介
[1]近年来,在线考试已被广泛用于评估学生掌握知识的水平。尤其是在新冠肺炎疫情期间,在线考试的应用更加广泛。然而,由于缺乏面对面的互动,在线考试的监考是一项挑战。此外,以往的研究表明,在线考试更容易受到各种作弊行为的影响,这可能会降低在线考试的可信度。本文提出了一种新的可视化分析方法,通过分析每个学生的考试视频记录和鼠标移动数据来提高在线考试的监督质量。具体来说,我们以三个层次的细节检测和可视化学生可疑的头部和鼠标移动数据,为教师提供方便、高效和可靠的在线考试监考。最后,本文进行广泛评估,包括案例分析、精心设计的用户研究和专家访谈,证明了我们方法的有效性和可用性。
论文链接:https://haotian-li.com/project/online-proctoring.html

1-3

图1: 在线考试监考系统概览

[2]定量历史数据集可用性的提高为社会科学的多个学科提供了新的研究机会。在本文中,我们使用数据集CGED-Q,该数据集记录了1760年至1912年中国清朝官僚机构中34万多名政府官员的职业轨迹。我们用这些数据从历史的角度研究职业流动特点,了解社会人员流动和不平等现象。然而,现有的统计方法不足以分析这个具有细粒度属性和长时间跨度的历史数据集中的职业流动性,因为它们大多是假设驱动的。为此,我们提出了CareerLens,这是一个交互式视觉分析系统,用于帮助专家从历史职业数据中探索、理解和推理。对于CareerLens,专家们从三个细节层面来研究流动模式,即宏观层面提供总体流动的概述,中等层面提取潜在的群体流动模式,微观层面揭示个人的社会关系。我们通过两个案例研究展示了CareerLens的有效性和可用性,并从与领域专家的后续访谈中获得了极佳的反馈。
论文链接:https://ieeexplore.ieee.org/document/9382844

2-1

图2: CareerLens系统概览

Part2
研读成员:王凤杰
分享内容
[1]Xia J, Zhang Y, Ye H, et al. Supoolvisor: a visual analytics system for mining pool surveillance[J]. Frontiers of Information Technology & Electronic Engineering, 2020, 21: 507-523.
[2]Liyi Zeng, Yang Chen, Shuo Chen, et al. Characterizing Ethereum's Mining Power Decentralization at a Deeper Level[J]. IEEE Conference on Computer Communications (INFOCOM), 2021.

论文简介
[1]以比特币为代表的加密货币在过去十年中充分展示了其在支付和货币体系中的优势和巨大潜力。被认为是比特币来源的矿池是市场稳定的基石。对矿池的监控可以帮助监管机构有效评估比特币和发行的整体健康状况。然而,矿池矿工的匿名性和分析大量交易的困难性限制了深入分析。实现对多源异构数据的直观、全面监控也是一个挑战。在本研究中,我们提出了SuPoolVisor,这是一个交互式的可视化分析系统,支持对矿池的监控和通过可视化推理来消除匿名。SuPoolVisor分为池级和地址级。在池级别,我们使用排序流图来说明池的计算能力随时间的演变,并在另外两个视图中设计字形来演示矿池的影响范围和池成员的迁移。在地址层,我们使用力引导图和大规模序列视图来表示矿池中的动态地址网络。结合这两个视图与Radviz视图,支持池成员去匿名化的迭代视觉推理过程,并为跨视图分析和身份标记提供交互。SuPoolVisor的有效性和可用性通过三个案例得到了证明,在这些案例中,我们与该领域的专家进行了密切合作。
论文链接:https://sci-hub.mksa.top/10.1631/fitee.1900532

3-1

图3: SuPoolVisor概览

[2]对于以太这样的PoW区块链来说,挖矿资源的去中心化是社区关注的重要问题。以往的研究大多关注矿池层面的聚合资源,而忽略了矿池参与者,它们为矿池提供了大量的计算资源。本文首次对以太矿池的参与者进行了大规模的研究。池参与者不能直接观察到,因为它们通过私人通道与池通信。然而,当它们使用以太账户匿名从矿池获取回报时,它们会在链上留下“足迹”。本研究综合多个数据源,确定了在以太近5年的整个历史中,47个池向其参与者发送的62,358,646笔池奖励交易。我们对这些交易的分析揭示了关于池参与者三个方面的有趣见解:参与者层面的权力下放,它们的矿池切换行为,以及它们为什么参与池。我们的研究结果为以太深层次的矿权去中心化提供了一个补充和更平衡的视角。
论文链接:https://www.microsoft.com/en-us/research/uploads/prod/2021/02/infocom-camready.pdf

4-1

图4:以太挖矿生态系统
123