Penulis : HUAHAI YANG, YUNYAO LI, and MICHELLE X. ZHOU, IBM Research–Almaden
URL / DOI : http://dl.acm.org/citation.cfm?doid=2582013.2541288
Abstract :
We are developing an automated visualization system that helps users combine two or more existing information graphics to form an integrated view. To establish empirical foundations for building such a system, we designed and conducted two studies on Amazon Mechanical Turk to understand users’ comprehension and preferences of composite visualization under different conditions (e.g., data and tasks). In Study 1, we collected more than 1,500 textual descriptions capturing about 500 participants’ insights of given information graphics, which resulted in a task-oriented taxonomy of visual insights. In Study 2, we asked 240 participants to rank composite visualizations by their suitability for acquiring a given visual insight identified in Study 1, which resulted in ranked user preferences of visual compositions for acquiring each type of insight. In this article, we report the details of our two studies and discuss the broader implications of our crowdsourced research methodology and results to HCI-driven visualization research.
Categories and Subject Descriptors: H.5.2 [Information Interfaces and Presentation]: User Interfaces
General Terms: Experimentation, Human Factors, Theory
Additional Key Words and Phrases: Visualization composition, user preference, chart comprehension, visual taxonomy, cognitive semantics, crowdsourcing
Pengkaji : Renita Prestyawati
Pendahuluan
Dalam karya ilmiah ini penulis melakukan penelitian terhadap pemahaman dan pilihan pengguna dalam membuat visulisasi informasi. Dalam berbagai hal, terkadang visualisasi informasi membutuhkan beberapa variabel untuk mendapatkan sudut pandang yang sesuai. Bisa jadi menurut pembuat, visualisasi informasi yang disajikan sudah dapat dimengerti, tapi untuk pembaca atau pengguna visualisasi tersebut, susah untuk dipahami. Untuk itu, penulis karya ilmiah ini melakukan reseach atau penelitian tentang bagaimana pengguna visualisasi informasi memahami dan memilih sebuah visualisasi informasi.
Ada 2 studi kasus yang dilakukan penulis dalam melakukan penelitiannya : Studi kasus pertama, penulis mengumpulkan lebih dari 1.500 deskripsi tekstual untuk mengambil wawasan informasi grafik yang diberikan dari sekitar 500 peserta. Yang hasilnya sebuah taksonomi/pengklasifikasian ‘task-oriented’ dari pemahaman visual. Dalam studi kasus kedua, penulis meminta 240 yang ada diperingkat teratas dalam pemahaman visualisasi yang didapatkan dari studi kasus 1, Dalam artikel ini, penulis mempresentasikan detail dari dua studi kasus dan mendiskusikan implikasi yang lebih luas dari penelitian metodologi ‘croudsourced’ dan hasil dari penelitian visualisasi HCI-driven.
Pembahasan
STUDY 1: MEMPELAJARI GRAFIK INFORMASI
Studi kasus satu bertujuan untuk menjawab sekumpulan pertanyaan penelitian yang pertama, yaitu, mempelajari bagaimana pengguna memahami grafik informasi untuk memperoleh wawasan visual. Untuk mencapai tujuan ini, penulis merancang dan melakukan serangkaian survei online di Amazon Mechanical Turk. penelitian ini tidak maksudkan secara resmi untuk membandingkan dan membandingkan kondisi percobaan. Sebaliknya, 10 kondisi dirancang secara sistematis untuk meng-cover variasi praktis dari pembelajaran grafik dan komposisinya sehingga kita memiliki kesempatan yang lebih baik untuk mengamati berbagai wawasan visual dalam lingkup penelitian.
Temuan penulis juga menyarankan efektivitas dari berbagai jenis grafik ketika mengkodekan jumlah informasi yang sama. Misalnya, penelitian penulis menunjukkan bahwa orang terus-menerus memiliki kesulitan dengan Stacked Bargraphics dibandingkan dengan grafik lain yang digunakan dalam penelitian ini. Dalam penelitian ini, ada sekitar 40% kesempatan bagi orang untuk mengekspresikan jenis kesulitan tertentu dengan grafik yang biasa digunakan dalam penelitian ini. Selain itu, sebagian besar kesulitan berasal dari tata letak geometris grafik khusus. Dengan demikian, mensupport desain visualisasi yang efektif jelas penting.
STUDY 2: PERINGKAT COMPOSITE GRAPHICS
Dalam studi 1, penulis berfokus pada pemeriksaan pemahaman seseorang tentang grafik informasi, terutama jenis wawasan yang satu dapat berasal dari grafik informasi yang berbeda. Hasil menunjukkan kegunaan grafik gabungan dalam membantu orang menurunkan berbagai jenis wawasan visual. Namun, penulis tidak mempelajari preferencesfor eksplisit pengguna 'jenis tertentu grafik komposit dalam memperoleh jenis tertentu wawasan. Dengan demikian kita merancang dan melakukan studi 2 untuk elicit explicit user masukan yang grafik komposit lebih disukai untuk menurunkan jenis tertentu wawasan.
Dalam kasus ke-tidaktahu-an task pengguna, pendekatan standar adalah untuk menimbang semua task dari kemungkinan kejadian yang diharapkan. Dengan demikian, komposisi yang paling disukai adalah Crossed Bargraphic, sejak grafik ini berada di peringkat teratas untuk ketiga grafik yang sering digunakan.
Untuk mengontrol ruang lingkup penelitian penulis, penulis fokus pada pemeriksaan dua grafik bisnis yang paling umum digunakan dan gabungan dari keduanya: bar dan grafik garis. Sebelum penelitian penulis, penulis khawatir tentang arti dan penerapan hasil penulis karena ruang lingkup studi terbatas. Seperti dirangkum sebelumnya, hasil penelitian penulis tidak hanya membantu menjawab dua set pertanyaan penelitian tetapi juga menanggung dua implikasi penting yang berpusat pada research pengguna. Pertama, hasil penelitian penulis membantu pengembangan yang canggih, sistem visualisasi pengguna berpusat yang secara tradisional sulit untuk dikembangkan karena kurangnya dasar komputasi yang dikkembangkan di atas bukti-bukti empiris tepat. Kedua, metodologi crowdsourcing task visual cognitif pengguna dan analisis yang tepat hasil dari crowdsourced dapat di aplikasikan pada research visualisasi
Singkatnya, metodologi crowdsourced penulis dapat digunakan untuk mengumpulkan data dari sejumlah besar pengguna dengan cepat dan menganalisis kualitas dan reability dengan hasil yang tepat. Penulis percaya bahwa metodologinya dapat berlaku untuk berbagai macam penelitian HCI-driven dalam visualisasi informasi, mulai dari pemahaman pemahaman pengguna dari jenis informasi grafik tertentu untuk membangun grfik yang komprehensif, secara empiris divalidasi oleh visualization taxonomy.
Simpulan
Untuk mendukung komposisi dari dua atau lebih grafik informasi yang ada, penulis sedang membangun sebuah sistem komposisi grafik otomatis. Sebagai langkah awal, penulis ingin memperoleh data menyeluruh tentang pemahaman dan preferensi grafik gabungan (grafik dengan beberapa variabel) dalam berbagai kondisi (misalnya, data dan tugas) orang. Untuk mendapatkannya, penulis memaparkan dua studi crowdsourced yang dilakukan di Amazon Mechanical Turk yang melibatkan lebih dari 750 kuesioner. Studi kasus pertama penulis berfokus pada pemahaman pengguna grafik untuk mendapatkan wawasan visual. Studi kasus kedua terfokus pada penggalian preferensi eksplisit pengguna grafik campuran/gabungan untuk mencapai berbagai visual. Hasilnya, penelitian ini menyajikan beberapa penemuan kunci. Pertama, penulis telah mengidentifikasi delapan jenis wawasan visual orthogonal dari berbagai jenis grafik. Penulis juga telah menemukan bahwa jenis komposisi grafik mempengaruhi secara signifikan pada jenis pemahaman yang diperoleh. Tidak hanya melakukan penemuan, penulis memberikan dasar untuk membangun HCI-Driven otomatis dalam visualisasi data gabungan, tetapi penulis juga menanggung implikasi penting untuk HCI dan visualisasi masyarakat. Secara khusus, metodologi crowdsourced dapat digunakan untuk menganalisis konten yang kaya crowdsourced dan mengembangkan visualisasi taksonomi yang dapat digunakan untuk melakukan berbagai studi empiris di visualisasi informasi.
-----------------
Blog yang dikomentari :
1. http://letsinviciblegaming.blogspot.com/2015/06/resume-jurnal-large-scale-educational.html?showComment=1434922827138#c5798910619824993355
2. http://muhamadakbarsutadikusumah.blogspot.com/2015/06/kajian-pengukuran-alat-pendukung.html?showComment=1434923083927#c1145769643324843170
3. http://kumurkumur-muchamadaang.blogspot.com/2015/06/my-self-and-you-tension-in-bodily.html?showComment=1434923283530#c7957369239780085688