时间： 2019年02月28日 09：30
地点： 基础教学楼B座318实验室
研读成员： 朱浩天
研读内容：
[1] F. Yang, L. T. Harrison, R. A. Rensink, S. L. Franconeri, and R. Chang, "Correlation Judgment and Visualization Features: A Comparative Study," IEEE Trans. Vis. Comput. Graph., vol. 25, no. 3, pp. 1474-1488, Mar. 2019.
[2] T. Blascheck, L. M. Vermeulen, J. Vermeulen, C. Perin, W. Willett, T. Ertl, and S. Carpendale, "Exploration Strategies for Discovery of Interactivity in Visualizations," IEEE Trans. Vis. Comput. Graph., vol. 25, no. 2, pp. 1407-1420, Feb. 2019.
在本次论文研读中，讲者将分享两篇来自IEEE TVCG 2019二月和三月的文章。这两篇文章主要贡献在对可视化原理和认知科学上。通过实验技术和数学建模，对视图传达信息的准确性和交互式可视化技术的可用性上进行了严谨有效的讨论。
论文简介：
[1]
最近的可视化研究工作结合了视觉科学界的实验技术和知觉模型。例如，以韦伯定律*为例的知觉定律被用来模拟散点图中的相关性知觉。虽然这一研究思路逐步完善了散点图中相关感知的建模，但仍不清楚为什么可以使用相对简单的函数，例如线性和对数线性函数来模拟这种感知。在这篇论文中，作者们研究了一个长期的假设，即人们使用图表中的视觉特征作为统计指标(如相关性)的代理。对于给定的散点，我们提取49个候选视觉特征，并评估哪些是与现有模型和参与者判断最一致的。这一结果支持了这样的假设，即人们在区分散点的相关性时会注意到少量的视觉特征。我们将讨论这一结果如何解释先前相互矛盾的发现，以及视觉特性如何为未来可视化评估和设计中基于模型的方法提供基线。
[2]
本文的作者们研究人们是如何发现为公众设计的交互式可视化功能的。虽然交互式可视化越来越多地提供给公众使用，但是我们仍然不知道普通公众如何发现他们可以用这些可视化做什么，以及什么交互是可用的。更好地理解这一发现过程有助于为一般公众提供可视化设计信息，这反过来有助于使数据更容易访问。为了解决这个问题，作者们进行了一项实验室研究，参与者可以自由地使用他们自己的方法来发现一组公共能源数据的交互可视化的功能。作者们收集了眼动数据和互动日志以及视频和音频记录。通过分析这些组合数据，作者们提取了参与者用来发现这些交互可视化功能的探索策略。这些探索策略为提高可视化功能的可发现性提供了可能的设计方向。
