Avaliação de Notações de Visualização: Uma Abordagem Sistemática
Este artigo apresenta um método para comparar anotações de visualização de dados usando métricas.
― 7 min ler
Índice
Notações de visualização são maneiras de representar dados visualmente usando símbolos e padrões. Elas ajudam os usuários a descrever como os dados devem ser transformados e exibidos. Tem uma porção de ferramentas disponíveis para criar visualizações, como bibliotecas e linguagens feitas especialmente pra isso. Mas comparar essas ferramentas pode ser complicado, porque os usuários muitas vezes se baseiam em exemplos informais em vez de avaliações sistemáticas.
Pra resolver esse problema, a gente propõe um novo método que utiliza Métricas pra avaliar e comparar notações de visualização. Esse método tem como objetivo oferecer uma abordagem mais estruturada e objetiva pra entender como diferentes notações funcionam, especialmente quando se trata de criar gráficos estatísticos. Nossa abordagem inclui coletar um conjunto de exemplos de várias notações, calcular métricas relevantes e analisar os resultados pra revelar insights sobre cada notação.
O que são Notações de Visualização?
Notações de visualização consistem em um padrão recorrente de símbolos que ajudam os usuários a criar representações visuais de dados. Esses símbolos podem vir de linguagens de programação ou bibliotecas de design gráfico. Diferentes notações permitem que os usuários expressem suas ideias de várias maneiras, e cada uma tem seu próprio conjunto de vantagens e desvantagens.
Por exemplo, algumas notações são mais concisas, permitindo que os usuários criem visualizações com menos instruções. Outras podem oferecer mais flexibilidade e controle, mas podem exigir um entendimento mais profundo e uma sintaxe mais complexa. Por causa dessa variedade, escolher a notação certa pra uma tarefa pode ser desafiador.
Os Desafios de Avaliar Notações de Visualização
Atualmente, avaliar a usabilidade das notações de visualização muitas vezes se baseia em métodos informais. Os usuários podem olhar pra galerias de exemplos, mas essas coleções podem ser desorganizadas e dificultar comparações significativas. Especialistas podem analisar as notações através de princípios de usabilidade, mas isso exige um conhecimento profundo e muitas vezes envolve julgamentos subjetivos.
Avaliar as notações qualitativamente pode fornecer insights, mas pode não ser o suficiente pra ajudar os usuários a tomarem decisões informadas. Uma abordagem mais sistemática é necessária pra comparar os pontos fortes e fracos de diferentes notações de forma objetiva.
Nossa Abordagem Proposta
Nossa abordagem baseada em métricas visa lidar com essas questões, oferecendo um processo estruturado de avaliação das notações de visualização. Esse processo envolve formar uma galeria de exemplos, calcular métricas relevantes e analisar essas métricas pra obter insights sobre as diferentes notações.
Aplicando nosso método, podemos avaliar sistematicamente a usabilidade e a expressividade, além de proporcionar comparações mais claras. Essa abordagem pode ajudar os usuários a fazerem melhores escolhas ao selecionar uma notação com base em suas necessidades.
Criando uma Galeria de Exemplos
Pra começar, criamos uma galeria que inclui muitos exemplos de diferentes notações de visualização. Essa galeria contém um conjunto de especificações que descrevem como criar representações visuais específicas usando várias ferramentas. O objetivo é garantir que cada notação seja usada ao máximo e cobrir uma gama de tarefas comuns.
Selecionar exemplos pra galeria envolve identificar visualizações que sejam representativas dos tipos de tarefas que os usuários costumam enfrentar. Isso pode incluir uma ampla variedade de gráficos, como gráficos de barras, gráficos de dispersão e heatmaps. Usando o mesmo conjunto de dados pra todas as notações, conseguimos garantir que as comparações sejam justas e focadas nas diferenças notacionais.
Calculando Métricas
Uma vez que temos nossa galeria, podemos calcular várias métricas que quantificam diferentes aspectos das notações. Essas métricas podem nos ajudar a avaliar quão amigável um formato é, quanto de informação ele exige e quão facilmente os usuários podem adaptar as especificações.
Alguns exemplos de métricas que podemos calcular incluem:
- Comprimento da Especificação: Isso mede quantos símbolos ou instruções são necessários pra criar uma visualização. Especificações mais curtas podem indicar uma notação mais concisa.
- Tamanho do Vocabulário: Isso conta quantos tokens ou símbolos únicos são usados em uma notação. Um vocabulário maior pode significar que a notação é mais complexa.
- Viscosidade: Isso mede quão difícil é modificar ou trocar uma especificação por outra. Uma baixa viscosidade significa que os usuários podem adaptar suas visualizações facilmente.
Analisando essas métricas, podemos identificar padrões e tendências que revelam os pontos fortes e fracos de cada notação.
Analisando os Resultados
Depois de calcular as métricas, podemos analisar os resultados pra obter insights sobre como diferentes notações se comparam. Essa análise nos permite buscar correlações e relações entre as diferentes métricas e a usabilidade de cada notação.
Por exemplo, podemos descobrir que certas notações tendem a ser concisas, mas têm um vocabulário maior. Esse insight pode ajudar os usuários a entenderem os trade-offs envolvidos no uso de diferentes notações e guiá-los em direção à melhor escolha para suas necessidades.
Feedback de Especialistas
Pra validar nossa abordagem, reunimos feedback de especialistas que mantêm e desenvolvem as notações de visualização incluídas no nosso estudo. Conductamos entrevistas com esses especialistas pra entender suas perspectivas sobre nossos achados e como as métricas refletem seus objetivos de design.
O feedback dos especialistas foi extremamente positivo. Muitos expressaram que nossa abordagem baseada em métricas se alinha bem com suas experiências e pensamentos sobre design de notações. Eles viram valor em usar métricas pra destacar aspectos-chave de usabilidade e expressividade.
Conclusão
Em conclusão, nossa abordagem baseada em métricas pra avaliar notações de visualização oferece um jeito sistemático de avaliar e comparar diferentes ferramentas. Criando uma galeria de exemplos, calculando métricas relevantes e analisando os resultados, podemos descobrir insights que ajudam os usuários a tomarem decisões informadas.
Esse trabalho abre portas pra futuras pesquisas nas notações de visualização, permitindo que designers entendam melhor suas próprias ferramentas e façam melhorias que aprimorem a experiência do usuário. À medida que mais notações são desenvolvidas e utilizadas, será essencial ter métodos estruturados de avaliação como o que propusemos.
Direções Futuras
Existem várias direções importantes para futuras pesquisas nessa área. Primeiro, expandir o alcance das notações incluídas em nossa análise pode fornecer uma compreensão mais ampla de como diferentes ferramentas se comparam entre si. Explorar notações menos comuns pode revelar novos insights e desafios que os usuários enfrentam.
Além disso, examinar como diferentes métricas se correlacionam com experiências reais dos usuários pode ajudar a validar ainda mais nossos achados. Podemos analisar como os usuários interagem com diferentes notações e ver se nossas métricas calculadas refletem com precisão sua usabilidade.
Por fim, à medida que novas notações surgem, será vital atualizar nossos métodos pra capturar as últimas tendências e características no design de visualização. Com esses esforços contínuos, podemos continuar a melhorar a forma como os usuários avaliam e escolhem entre diferentes notações de visualização.
Título: Metrics-Based Evaluation and Comparison of Visualization Notations
Resumo: A visualization notation is a recurring pattern of symbols used to author specifications of visualizations, from data transformation to visual mapping. Programmatic notations use symbols defined by grammars or domain-specific languages (e.g., ggplot2, dplyr, Vega-Lite) or libraries (e.g., Matplotlib, Pandas). Designers and prospective users of grammars and libraries often evaluate visualization notations by inspecting galleries of examples. While such collections demonstrate usage and expressiveness, their construction and evaluation are usually ad hoc, making comparisons of different notations difficult. More rarely, experts analyze notations via usability heuristics, such as the Cognitive Dimensions of Notations framework. These analyses, akin to structured close readings of text, can reveal design deficiencies, but place a burden on the expert to simultaneously consider many facets of often complex systems. To alleviate these issues, we introduce a metrics-based approach to usability evaluation and comparison of notations in which metrics are computed for a gallery of examples across a suite of notations. While applicable to any visualization domain, we explore the utility of our approach via a case study considering statistical graphics that explores 40 visualizations across 9 widely used notations. We facilitate the computation of appropriate metrics and analysis via a new tool called NotaScope. We gathered feedback via interviews with authors or maintainers of prominent charting libraries (n=6). We find that this approach is a promising way to formalize, externalize, and extend evaluations and comparisons of visualization notations.
Autores: Nicolas Kruchten, Andrew M. McNutt, Michael J. McGuffin
Última atualização: 2023-08-30 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2308.16353
Fonte PDF: https://arxiv.org/pdf/2308.16353
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.