斯坦福 CS448B 09 感知

2022年8月15日 · 阅读时间约 7 分钟

TLDR

本文包含我对斯坦福 CS448B（数据可视化）课程的笔记，特别关注第九讲关于感知的内容。我将讨论感知在数据可视化中的重要性、背后的原则，并探索各种数据可视化技术，包括使用指导元素、表达性、有效性、对比和模式感知的支持、数据分组和排序、数据转换、减少认知负担以及一致性。我还将介绍各种图表类型，如折线图、柱状图、堆叠面积图等，提供示例并讨论它们的设计考虑因素。

原文

笔记

Mackinlay

有效性标准如果一个视觉编码的信息比另一个视觉编码的信息更容易被感知，那么这个视觉编码就比另一个更有效。
编码排名

注释

检测

可察觉差异（JND）是能被检测到的刺激中最小的差异。也被称为韦伯定律。

ΔS = k\frac{ΔI}{I}

比率比幅度更重要
刺激中的大多数连续变化都以离散步骤被感知

颜色和值中的信息：

16 世纪标准化的尺寸

估计幅度

史蒂文斯幂律

感觉	指数
响度	0.6
亮度	0.33
气味	0.55 (咖啡) - 0.6 (庚烷)
味道	0.6 (糖精) -1.3 (盐)
温度	1.0 (冷) – 1.6 (热)
振动	0.6 (250 Hz) – 0.95 (60 Hz)
持续时间	1.1
压力	1.1
重量	1.45
电击	3.5

表观幅度缩放

绝对符号缩放

r=k*v

Flannery 缩放

r=k*v^{0.57}

分级符号

分级球体地图

Cleveland 和 McGill

注释

理解图形感知：该论文探讨了人类如何感知和解释图形信息，提供了对图形感知的基础理解。这包括研究人们如何准确有效地解码不同类型的图表，如条形图、饼图和散点图。
感知任务的准确性：Cleveland 和 McGill 的实验揭示了不同的图形表示在传达信息时有不同的准确度。例如，基于位置的编码（如条形图中的条形长度）通常比基于面积或角度的编码（如饼图中的扇形）解释得更准确。
设计原则：基于他们的发现，他们提出了几个设计原则，以提高数据可视化的有效性。一个关键建议是使用位置编码而非面积或角度编码，以提高数据解释的准确性。
实验方法：他们使用严格的实验方法测试不同图形表示的性能，为该领域的未来研究设定了标准。这种实证方法为各种可视化技术的有效性提供了量化证据。

总的来说，Cleveland 和 McGill 的工作强调了在设计数据可视化时考虑人类感知能力的重要性。他们的研究指导了更有效和可解释的图形方法的发展，影响了数据可视化领域的学术研究和实际应用。