用户辅助的可视化分析模型的设计和应用

视觉信息学6（2022）68VA中可视化入职和指导的观点Christina Stoibera， Davide Cenedab，Markus Wagnera，Victor Schetingerb，Theresia Gschwandtnerc，Marc Streitd，Silvia Mikschb，Wolfgang Aigneraa奥地利圣波尔滕应用科学大学奥地利维也纳大学c奥地利Erste Group Bank AG奥地利林茨约翰内斯开普勒大学ar t i cl e i nf o文章历史记录：收到2021年2022年1月31日收到修订版，2022年2022年3月18日网上发售保留字：用户协助视觉分析概念模型可视化入职指导a b st ra ct可视化分析（VA）中的一个典型问题是，用户是其应用领域中训练有素的专家，但大多没有使用VA系统的经验。因此，用户通常难以解释和处理视觉表示。为了克服这些问题，用户帮助可以纳入VA系统，以指导专家进行分析，同时关闭他们的知识 差距。可以应用不同类型的用户辅助来扩展VA的能力，增强用户体验，并扩大VA的受众。虽然已经存在不同的方法来可视化入职和指导VA，但缺乏关于如何以有效和高效的方式设计和集成它们的研究。 因此，我们的目标是把马赛克的碎片放在一起，形成一个连贯的整体。基于知识辅助可视化分析模型，我们通过整合可视化入职和指导过程作为这一方向的两种主要方法，为VA提供了一个用户辅助的概念模型。因此，我们澄清和讨论的共同点和差异之间的可视化入职和指导，并讨论他们如何受益于知识提取和探索的整合。最后，我们讨论了我们的描述性模型，通过将其应用到VA工具集成可视化入职和指导，并展示了它们应该如何在分析的不同阶段被利用，以便有效地被用户接受。版权所有©2022作者。由爱思唯尔公司出版我代表浙江大学和浙江大学出版社有限公司这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍近年来，可视化分析（VA）方法的实际应用大幅增加与任何数据分析过程中发生的情况类似然而，Pirolli和Card（2005年）首先描述了意义构建循环，提到这个过程并非没有挑战：一组痛点*通讯作者。电子邮件地址：christina. fhstp.ac.at（C.Stoiber），davide.tuwien.ac.at（D.Ceneda），markus.wagner@ fhstp.ac.at（M。瓦格纳），维克托. tuwien.ac.at（V。Schetinger），Theresia. erstegroup.com（T.Gschwandtner），marc. jku.at（M.Streit），silvia.tuwien.ac.at（S.Miksch），Eugang. fhstp.ac.at（W.Aigner）。https://doi.org/10.1016/j.visinf.2022.02.005以减轻他们。例如，收集信息的代价是探索足够的数据部分和后续搜索。理解数据受到人类工作记忆和用户注意力广度的限制在过去十年中发表的文献可以被看作是一个普遍的尝试，以减轻这些问题。视觉表示的改进和现代视觉界面的发展都是为了降低与数据探索和增强人类工作记忆相关的成本机器学习领域的进步导致了大量的知识也可以被重用和利用，以减少分析特定领域问题的工作量，其中由于首先分析数据所需的初始知识，获得新见解的阈值通常设置得更高。将数据转化为见解和知识是一个复杂且耗时的过程。然而，我们可以观察到的是，任何数据分析过程的成功都依赖于一小部分要素：（1）设计良好的用户界面，2468- 502 X/©2022作者。由爱思唯尔公司出版代表浙江大学和浙江大学出版社。公司这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表视觉信息学期刊主页：www.elsevier.com/locate/visinfC. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6869轻松的数据探索，（2）适当的视觉数据编码，以说明人类视觉系统的认知能力，并以最好的方式促进任务的完成，以及（3）足够数量的知识，无论是在用户的头脑中然而，这三个要素往往不足以成功地完成分析。当用户的知识与执行分析任务所需的专业知识不匹配时，存在阻止任务完成的知识差距近年来，已经研究了智能方法，即可视化入职和指导技术，以解决这种情况并解决不同的知识差距。可视化入职和指导是很容易理解的概念，因为它们也是我们日常体验的一部分想象一下，一个烹饪食谱有一个配料清单，但没有说明。根据菜肴的复杂性，你可能会认为面粉，水和鸡蛋应该混合来准备面团，然而，这可能会导致错误。烹饪说明是一个很好的指导类比，阐明如何处理配料以达到预期的结果（蛋糕）。任何有烹饪经验的人都知道，即使有详细的说明，食谱也不总是容易复制的。例如，厨师怎么知道烤箱里面包的“浅棕色”颜色与食谱中预期的颜色相因此，入门类似于用于食谱的详细说明和视觉辅助。当一个人能够按照这些指示并复制菜肴时，入门是成功的。从这个例子开始，我们认为在本文中，可视化入职和指导是任何成功的VA方法的互补和虽然可视化入门和指导本身就受到了相当大的关注，但它们并没有被放在一起考虑，也没有描述它们如何共同帮助用户完成任何给定的任务。在本文中，我们将沿着这个方向，展示它们的不同用途和范围。我们建立在众所周知的模型上，以确定跨领域的特性可视化入门和指导的细微（但重要）差异，描述使用它们更有意义的场景，并展示如何使用它们以有效并被用户接受（第4节）。在第5节中，我们讨论了一个使用场景，在这个场景中，我们将我们的框架应用于金融领域，使用Why/Who/When/Where/How问题，并展示了入门和指导如何促进金融分析中的两个常见任务：构建投资组合和摆动交易。我们分析的对象是软件利润（Nelogica，2021）。虽然我们没有提供有关可视化入门和指导的设计原理的信息（如我们以前的工作中所讨论的（Stoiber et al. ，2019; Ceneda et al. ，2017; Cenedaetal. ，2018）），我们的总体目标是支持这两个概念的理解和交织，以促进在实际场景中充分考虑使用可视化入门和指导技术，从而降低理解数据的成本，正如Pirolli和Card（2005）最初所提倡的那样。总而言之：我们提出了一个描述性模型，说明如何将可视化入职和指导有效地集成到VA过程中（第3节）。我 们 面 对 可 视 化 入 职 和 指 导 这 两 个 概 念 ， 并 使 用Why/Who/When/Where/How问题（第4节）分析它们在不同分析设置中的适用性。我们使用股票交易VA工具Profit描述了我们模型的使用场景，以展示可视化入门和指导如何在分析的不同阶段为用户提供支持（第5节）。2. 相关工作在本节中，我们将重新回顾有关可视化入门和指导这两个主题的文献。这两种方法通常也依赖于知识库的存在因此，我们也通过介绍知识辅助的VA来补充我们的讨论2.1. 可视化入职HCI中的用户入门：。“入职”一词源于组织理论，在那里它被广泛使用，指的是 一个组织为促进新来者适应和使其社会化而采取的步骤（Klein et al. ，2015）。入职的话题已经受到了用户体验（UX）从业者社区的关注。几 个 博 客 和 论 坛 为 入 职 概 念 提 供 了 指 导 方 针 和 设 计 灵 感（Hulick，2019;Higgins，2016，2015;Balboni，2016）。用户体验实践者Hulick和Kunders（2020）将用户入职定义为Kumar（2017）.入门设计模式的例子包括：教学文本，游览，进度条，即时提示，放置在用户生成内容的提要中的提示，以及交互式教程 （ Balboni ， 2016 ） 。 Hulick （ 2019 ） 和 Higgins （ 2016 ，2015）提供了一套指导方针和流程，以应对入职设计和集成的挑战。面向可视化入职：. 将数据变量映射到视觉通道的过程是几乎所有已知的可视化概念模型的中心组成部分，例如（Card et al. ，1999; van Wijk，2006）。理解视觉映射是正确解码视觉表示和底层信息的关键。可视化管道的其他步骤-包括数据分析，过滤和渲染-也会影响可视化表示的外观，并且需要对用户透明和可理解。然而，特别是对于数据分析和可视化中的可视化文盲用户，这项任务通常很困难，并且容易得出错误的结论或关于数据的见解（ Börner 等 人 ， 2009 年 ） 。 ， 2019 ， 2016; Boy et al. ， 2014年）。可视化引导概念可以帮助用户理解可视化过程并支持学习。Stoiber等人 （2019）将可视化载入定义如下：可视化载入是支持用户从数据的视觉表示中阅读，解释和提取信息的过程。可视化入职方法：. 到目前为止，关于可视化技术和VA工具的加载概念，已经有了一些讨论。Tanahashi等人（2016）研究了自上而下和自下而上的教学方法，以及散点图、图形、故事情节和树形图表示的主动和自下而上的教学方法侧重于小的，详细的信息，然后学生放在一起，以达到全面的理解。自上而下的教学方法首先向学生展示广泛的概述，从而帮助他们理解一个想法的抽象，高层次的部分，然后为详细理解其组成部分提供背景（Tanahashi et al. ，2016年）。被动学习是指学生只接受信息，不参与对话。相反，主动学习描述的是积极参与。他们的分析表明，自上而下的方法比自下而上的方法更有效。此外，他们的研究表明，利用主动学习类型与自上而下的任务被证明是最有效的。Kwon和Lee（2016）探讨了主动学习策略的有效性。三种教程类型-···C. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6870K支持散点图可视化的学习。他们观察到，使用交互式和视频教程的参 与 者 的 表 现 优 于 使 用 静 态 教 程 或 没 有 教 程 的 参 与 者 。Ruchikachorn和Mueller（2015）提出了类比教学的概念，即通过将一个不熟悉的可视化方法与一个更熟悉的可视化方法相连接来演示它（见图11）。 6）。它们提供了各种可视化技术的演示，例如，数据表和平行坐标;散点图矩阵和超框;线性和螺旋图;层次图和树形图。Yalçın（2016）介绍了视觉数据接口Keshif（2020）的上下文原位帮助系统的设计，称为HelpIn，以解释其功能这个工具。最近，Wang et al. （2020）提出了一套备忘单，以支持受信息图，数据漫画和其他领域的备忘单启发的可视化技术的扫盲。如今，大多数商业可视化工具已经集成了一些基本的onboarding概念，专注于功能的解释。例如， IBM Cognos Analytics （ IBMCognos Analytics，2020）使用带有工具提示和覆盖的分步导览来引导新用户（见图10）。5）。商业可视化工具Advizor（AdvizorSolution，2020）使用更传统的文本描述来解释各种可视化技术的视觉映射。2.2. 指导与指导相关的科学工作可以追溯到第一个人机界面的开发（Dix et al. ，2004;Smith and Mosier，1986;Engels，1996）.在这个初始阶段，指南只是作为有效设计用户界面的抽象指南。指导一词也用于其他领域。例如，在决策理论中，Mark Silver描述了如何通过决策支持系统提供帮助（Silver，1991）。尽管使用了许多不同的名称，但即使在可视化社区中也已经开发了相当数量的指导方法。Schulz等人的初步工作旨在将所有这些方法置于指导的共同名称之下，并描述了它们都具有的一组共同特征（Schulz等人。，2013）。在许多其他人中，一个著名的指导例子是气味小部件（Willettet al. ，2007）。该方法使用集成到界面小部件中的视觉提示来引导用户探索大的信息空间。Gotz和Wen（2009）描述了如何帮助用户创建自己的可视化和解决特定的可视化分析任务。该方法通过将交互模式与先前创建的可视化数据库相匹配来自动理解用户最近，Ceneda et al. （2018）描述了支持分析和探索面向时间的数据中的周期性模式的指南。特别是，他们设计的VA工具能够为用户提供关于最突出的周期的指示，以探索周期的长度和可能的重复时间。最近，同一作者的文献综述对这些和许多其他指导方法进行了分类，重点是指导方法的混合主动性（Ceneda et al. ，2019）。事实上2.3. 可视化分析新知识的发现、获取和生成是VA的主要目标。根据托马斯和库克（2005年，第42页），分析推理过程的最终任务是根据获得的见解创造某种知识产品或直接行动。然而，这个过程并不总是直截了当的.在进行数据 分析时， 我们 可以想象用 户拥有一 定量的先验知识（Chen，2005），这些知识是基于以前的经验。我们称之为隐性知识（Wang et al. ，2009; Federico et al. ，2017年），因为它通常是通过附带活动获得的，并且主要包含在用户的头脑中。然而，如第5节所述，在日益复杂的数据分析场景中，这些知识不足以充分利用分析工具的功能，因此不足以解决所有任务并完成分析。这个问题源于执行任务所需的知识和分析师所拥有的知识我们把这个问题称为知识差距（Stoiber et al. ，2019; Ceneda etal. ，2017; Federico et al. ，2017年）。因此，用户协助与知识的产生有着内在的联系，因为它积极地促进了知识差距的缩小。通过可视化入职和指导缩小知识差距的过程大大受益于外部知识来源的使用。如前所述，操作工具通常需要一定量的知识，即操作知识（如何与可视化系统交互）和领域知识（如何解释内容）（Chen，2005）。 这种知识可以被外部化，存储在数据库中，并在检测到知识差距时主动用于支持用户（Wang et al. ，2009; Federico et al. ，2017; Rind et al. ，2019）。我们称这个过程为外化，它的输出是明确的知识（王等。，2009; Federico etal. ，2017年）。Stoiber等人（2019年）进一步提升了这两个水平知识：（1）领域（例如，词汇和概念）;（2）数据（理解特定数据类型）;（3）视觉编码（理解视觉映射）;（4）交互概念（用于执行任务和理解数据之间的关系）;以及（5）分析知识（不同自动数据分析方法的知识）。操作知识（Chen，2005）可以被看作是视觉编码、交互和分析知识的结合（Stoiber et al. ，2019）。我们将使用上述不同类型的知识来展示可视化入门和指导如何处理它们。领域知识：. 这种知识与感兴趣的特定领域有关（例如，医疗保健 、 新 闻 业 、 网 络 安 全 ） 。 每 个 领 域 都 有 自 己 的 词 汇 表（Munzner，2009），用于描述数据、工作流、约定以及数据如何用于解决问题（Miksch和Aigner，2014）。 Do- main知识也是概念、智能工具和信息资源的集合，用户可以利用它们将可视化数据放入上下文。对于缺乏领域知识的一个适当的解决方案是一个知识库，这种知识的具体化和计算机可读版本被视为一个双重过程，其中不仅系统支持边缘（即， 明确的知识）（Federico et al. ，2017年;瓦格纳，用户虽然在这一领域取得了很大进展，但在如何区分哪些方法可作为实际指导，哪些方法不可作为实际指导方面，仍然存在很多困惑。当涉及到VA的指导时，混乱也可能源于对知识差距类型的模糊定义，以指导的方式解决（Ceneda et al. ，2017年）。 出于这个原因，我们提出了一个统一的模型，明确了可视化的程度，在VA入职和指导。2017; Wang et al. ，2009年）。一个例子是计算机可执行的医疗指南的集合。一方面，载入技术可以使用这些知识来支持用户例如，通过描述所使用的词汇，领域入组可以提供关于为什么基于血液测试结果选择特定治疗计划的信息。另一方面，知识库可用于提供指导，例如，支持洞察力的发现，或C. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6871UOGU决定未 来的步骤 ，例如 选择下一 次医疗（ Federico et al. ，2015）。指南可提供关于哪种治疗方法结合患者的其他关键数据对血液测试的某个评估结果承诺最大成功的信息数据知识：.任何VA过程的第一步是数据选择和操作（Keim etal. ，2010年）。因此，在处理问题时，用户必须首先掌握有关手头数据的知识。载入技术解决了缺乏有关数据的低级信息的问题，例如理解特定数据格式、数据类型或数据结构的原理。相反，指导引导用户通过VA过程来操作特定数据集，并显示或突出显示数据的感兴趣方面，例如离群值、缺失数据点、不确定性、不一致性。可视化和交互知识：. 这种类型的知识涉及理解视觉映射（Card etal. ，1999）和与VA环境的相互作用。通过避免关于如何使用所提供的交互特征或这些交互具有哪些效果的混淆，引导以及指导可以填补关于可视化或交互的知识空白。在处理交互式视觉表示时，载入主要解决与理解视觉编码和交互概念、执行任务以及理解数据内的关系通常，引导方法旨在通过使用上下文菜单、标签或教程来填补这种知识空白，使得用户可以理解它们的使用和功能（Stoiber et al. ，2019）。相反，指导主要涉及使用这些控制和交互手段作为构件来正式化和结构化执行计划。因此，可以使用指导来帮助用户从可视化数据中获得新的见解，例如，通过突出显示血液测试数据中指示特定疾病的与正常医学状况的偏差。分析知识： 这些知识对于理解给定VA方法所使用的分析方法以及如何设置参数（例如，用于预测或分类的机器学习用户需要对分析方法及其特性有基本的了解，以便能够有效地选择、参数化或利用它们。这就是入门技术发挥作用的地方（Stoiber et al. ，2019）。 它们建立了基本的理解，并向用户介绍了分析方法的不同可能性。此外，帮助用户选择最合适的这些分析方法和参数的任务在手头Bouali等。（2015）是一个典型的使用场景的指导。有时，这可能还包括性能指标的比较或用户偏好的估计。在这项工作中，我们描述了用户的帮助可以受益于明确的知识来源，并有助于产生新的知识和见解。基于前面介绍的术语，我们在第4节中通过列出分析过程中可能出现的所有可能的差距来进一步描述知识，并展示用户帮助如何有助于解决这些2.4. 模型构建分析方法与交互式可视化是“必要的一步”。Sacha等人（2014）的框架描述了当人类分析师使用VA工具时基于三个专用循环（评估循环、验证循环和知识生成循环）的知识生成过程。此外，Sacha et al.（2016）通过将不确定性，意识和信任的概念联系起来，说明了不确定性如何产生，传播和影响人类知识生成过程。Andrienko等人最近的一篇论文。（2018）提出了一个框架，其中VA过程被认为是一个以目标为导向的工作流程，从而产生一个模型。此外，Chen et al.（2020）提出了一个弥合VA和讲故事之间差距的一般框架。他们引入了一个故事合成阶段，通过讲故事扩展了VA工作流程。van Wijk（2005）提出了一个通用的可视化模型，讨论了VA的成本和收益，以及基于数学方程的模型用户端作为扩展，Wanget al. （2009）在他们的论文中描述了将知识集成到解决分析任务的可视化过程中是一个快速增长的领域。通过将专家知识集成到可视化过程中，“专家更有能力执行复杂的分析过程”（Wang etal. ，2009，p. 616）。所提出的描述性模型（见）在概念上也基于van Wijk（2005）介绍的可视化模型以及Federico等人的“ 知 识 辅 助 可 视 化 分 析 模型”。 （2017）和瓦格纳（2017）。总之，我们讨论了与三个主要主题相关的工作：可视化加载（Stoiber et al. ，2019），guid-ance（Ceneda et al. ，2017）和知识辅助VA（Federicoet al. ，2017年）。入职培训可以支持用户学习，并正确解释应用的VA方法（Stoiber et al. ，2019年），而直观或普遍的性质（哈曼，2010年）的指导（Ceneda等。，2017）支持用户在整个视觉探索。 此外，通过知识辅助VA（Federicoet al. ，2017），可以提取用户的隐含知识并且作为用于引导和指导的各个方面的机器可读知识来提供。在下一节中，我们将详细介绍描述性模型。3. 集成引导和可视化入职为了促进对可视化引导和指导类比和差异的讨论，并促进更好地设计和将这些概念集成到VA过程中，我们提出了一个通用描述模型（Beaudouin-Lafon，2004），在我们通常称为用户辅助的总括术语下组合和描述可视化引导和指导的各个方面（见图10）。①的人。为了说明可视化引导和指导在VA中的作用，我们添加了用户辅助元素-包含引导和指导- 到机器空间的模型，因为它的目的是半自动生成，而不是由人类专家提供（见图。①的人。为了提供用户辅助U，提取和存储的显式知识K、数据D和系统规范之间的是必要的。特别是1. 数据（数据表）用作用户辅助的输入（D→）（例如，重要的元信息，例如到目前为止，许多论文提出了不同的方法来处理VA过程中的知识集成因此，我们可以区分描述性模型和数据的维度、包括的数据类型和数据结构）。2. 明确的知识是另一个潜在的输入用户作为-数学模型从描述性模型的角度来看，林-电阻（K）→）. 例如，marsch等人（2011）描述了自动化当前用户的组合可以基于以下内容被识别和关闭：SUC. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6872UUC我EPSEGOGKDSOCCCEK一KDSGCPECPExtExtExtOptOpt↔←→等人，2019）。明确的知识可以作为基础- 自适应引导方法，支持用户的知识差距的缩小3.2.整合指导{，，} → → { ，} → {，}可为不同的用户提供不同类型的指导例如，可以提供视觉提示Fig. 1. 用户辅助的概述模型（以黑色绘制）显示了将用户辅助纳入“知识辅助可视化分析”直接集成到可视化本身或作为分析环境的一部分。视觉提示通常提供了一系列关于如何进行分析的无序建议。其他视觉提示可能对定向目的有用，即，示出模型“ （ F e d e r i c o e t al. ，2017）与数据D的连接，明确的 知识用户目前在哪里。 通过感知亲-和规格S. 详细的模型表示（以橙色绘制）cess（即，感知这些视觉线索），它们帮助分析师显示了可视化入门和指导G载于to make sense感of the data数据，and therefore从而to gain获得insights见解.此外，可以通过向分析师提供以下信息用户协助过程。此外，本发明还和 G使用选项如何进行分析的各种选择通常情况下，、线索或外部资源也包含在图像这些选项按重要性和帮助等顺序排列橙色虚线所表示的探索和感知分析师在探索过程中导航。最后，指导意见还可以逐步说明如何存储的其他用户的显式知识。因此，可以提供关于知识状态的用户辅助。3. 用户协助和规范在两个方向（U）上连接，并且探索状态是对规范的输入。例如，当前探索状态定义VA系统的规范。如果用户需要帮助，则使用当前规范设置来确定适当的用户帮助。基于辅助步骤，用户与系统交互，从而改变规范。图1示出了两个用户辅助U概念，其集成了突出显示的引导和引导O继续进行这种指导自主地影响可视化和分析过程的规范（GS）。与指导相反，入职培训没有提供任何选项，就如何在特定情况下继续进行提出具体建议。4. 可视化入门和指导可视化入门和指导的共同目标是支持用户有效地利用特定的VA工具。然而，除了这一共同目标外，他们支持的方式也不同。虽然入门旨在教导用户如何使用工具，但指导在使用工具时提供交互式帮助。在下文中，我们将介绍可视化的各个方面橙色的这里，用户辅助U从机器侧指向人类感知P. 入职培训和基于五个问题的入职和指导（Hart，2002，1996年）。图2给出了差异和相似性引导过程都利用类似的输入信息。可视化入门和指导，并说明他们如何根据他们的目标，可以提供不同类型的援助（见第4节）。 在以下小节中，我们将讨论如何将可视化入门和指导集成到VA流程中。3.1. 可视化入职在图中示出了与所有其他元件组合的载入过程的详细描述。一曰：相辅相成。为什么我们提供可视化入职和指导？尽管这两个概念的总体目标是明确的，但应根据需要提供不同类型的支持。事实上，可视化引导和指导服务于不同的目的。用户在解释和使用新的视觉表示或理解基础数据的特征方面存在因此，入门主要涉及提供理解和熟悉交互式可视化环境的{，，} → → { ，} →在实际使用该工具之前-或者在第一次使用时解决缺乏一般理解的问题。此外，指导的目的是引导可以以视觉提示的形式直接集成到VA工具的界面中，也可以独立集成帮助用户克服关于如何在交互期间找到或达到特定分析目标的作为外部来源-例如VA工具的网站分析会议。 最后，入职主要涉及感知教学材料。用于入职的视觉提示可能是“道”，是指“道”。由工具提示，注释，叠加，标签，上下文菜单中的突出显示等表示。Stoiber et al.（2019）或者，如图所示。7、便利贴。此 外 ，外部资源- 描 述VA工具的网站或文档-提供基于屏幕截图、视频、文本描述等的解释（见图1）。4）.通常，引导方法支持用户理解VA系统的不同方面，例如可视化编码、为探索提供的交互概念、基础数据D或分析方法（Stoiber知识发现的推理。这两个概念都可以通过在使用VA工具的不同阶段提供帮助来帮助降低使用该谁可以从可视化入职和指导中受益？VA环境的任何用户都可以从可视化入门和指导中受益。事实上，这两个概念的正确实现对于支持各种用户的解决方案至关重要。个人有不同数量的先验知识，因此不同的知识差距（Stoiber et al. 、KOOPExtOptC. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6873图二. 可视化入门和指导的各个方面，以及我们为什么要提供可视化入门和指导？谁能从可视化入门和指导中受益？何时提供可视化入门和指导？在哪里提供可视化入门和指导？，和如何提供可视化入门和指导？2019; Ceneda et al. ，2017; Federico et al. ，2017年），当使用VA系统完成某项任务时。可视化入职和指导并不针对VA系统的设计者。但是，设计人员可以从描述性模型中受益，因为他们可以使用 它是一个蓝图（在第6.2节中描述）。何时提供指导和/或入职？可视化入职和指导之间的另一个重要区别是需要它们的时刻（见图1）。 2）的情况。通常，在分析之前或分析期间提供机载手段，尽管其中许多在第一次使用特定元素期间进行，例如介绍性教程（Stoiber等人，，2019）。另一方面，主要在分析期间提供指导然而，对于制导技术来说，这个问题可能很难回答，因为所有的分析状态通常都是事先不知道的。当用户必须做出决定时，指导尤其有益（Silver，1991）。在哪里提供可视化入门和指导？这个问题的目的是确定应该提供帮助的地点-入职和/或指导。提供可视化引导和指导的典型位置在可视化环境本身中找到（Kang et al. ，2003; Yalçın，2016; Streitet al. ，2011年）（即，集成到可视化中或作为单独的组件）。内部载入的示例可以在图1和图2中看到。7和3。Kang等人（Kang等人，，2003年）提出的方法，以帮助用户开始与可视化界面使用便利贴（见图1）。7）隐喻。Ymap是一个基于地图的可视化工具，用户可以在地图上单击以查看有关表格中所选区域的事实。此外，他们可以选择多个地区，并放大地图。集成了根据标准列表过滤地图的动态查询。与地图和表格相结合的散点图显示了这些标准之间的关系但是，也可以从外部提供入职方法（Ola和Sedig ， 2017;MicrosoftPowerBI ， 2019;TableauSoftwareTableau ， 2019;TIBCOSpotfire ， 2019;QlikTech ， 2019 ） 。 例如，常见的外部入门资源是VA工具本身的网站或离线文档。学习环境是一种特殊情况（Alper et al. ，2017; Tanahashi et al. ，2016; Ruchikachornand Mueller，2015）。这些可以是用户在使用应用程序之前可能会玩的小游戏，以便熟悉基本概念或网站，如 dataVizCatalogue （ Ribecca ， 2020 ） 和 FromDataToVis（Holtz和Healy，2021），解释视觉编码的不同信息可视化类型的库。这些学习环境不能被认为是内部或外部的，因为它们并不直接相关到VA工具。作为指导，外部来源将由在分析期间提供实时帮助的用户表示。然而，通常最好避免将其他用户作为指导来源，因为他们可能会引入偏见。在这种情况下，指导的必要投入应适当正式化，并纳入知识库。如何提供可视化入门和指导？最后一个也是最重要的问题与提供可视化入职和指导的方式有关。正确地处理然而，入职程序应根据用户的经验量身定制。有些人可能更喜欢视频或实践教程，而另一些人可能会发现文本描述或离线文档更有用（Stoiber et al. ，2019）。在Kang等人的方法中可以看到如何使用视觉线索整合入职的示例。2003年，用便利贴比喻。这些提示是上下文敏感的，并嵌入了一个引导方法，通过突出显示界面的主要功能来支持用户。便利贴提供了一系列完成任务的步骤此外，Yalçın（2016）使用了覆盖层，包括主题列表，要点学习，导游，通知和主题答案的组合。一旦选择了帮助材料，它的答案就会在原位呈现，也就是说，材料完全融入界面。相关的组件被突出显示，工具提示描述的行动显示，并提供给用户的文字说明（见图。 3）。商业可视化工具特别利用文档/解释网站，包括屏幕截图、视频和 文 本 描 述 （ SAS JMP ， 2019 e;SAP Lumira ， 2019d;TableauSoftwareTableau，2019;TIBCOSpotfire，2019;QlikTech ， 2019 ） 。 图 4 、 介 绍 了 Microsoft Power BI（MicrosoftPower BI，2019）的外部帮助网站，包括视频、文字描述和说明文本。引导的程度也可以变化（即，从低到高的指导），并应根据用户C. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6874图三. 导游模式（Yalçın，2016）：（1）导游进度是可见的，用户可以向前、向后或指向特定步骤。(2)主操作的工具提示(3)其他工具提示描述了此操作对其他界面组件的影响。(4)该主题的详细说明提供了易于阅读的工具提示和附加信息摘要。也可以按需查看相关主题和应用此主题的上下文。见图4。外 部 帮助网站，包括视频，屏幕截图和说明文本，用于解释MicrosoftPower BI的 功 能 （Microsoft Power BI，2019）。图五. 在IBM CognosAnalytics（IBM Cognos Analytics，2019）中的分步教程，使用工具提示和叠加来解释该工具的一般功能，以需求不同程度的指导范围可以从视觉提示的方向，以具体的一步一步的指示（Ceneda等人。，2017年）。通常，使用视觉提示服务于向用户提供微妙建议的目标，然而，用户具有视觉提示。见图6。通过类比进行可视化入职。为了引入螺旋图，线性图逐渐演变为螺旋布局（Ruchikachorn和Mueller，2015）。在盲目地听从建议之前，有责任对它们进行辨别和推理。例如，Lubok et al. （2012）使用视觉突出提示来指示值得基于异质性度量进行分析的数据案例，从而促进有利可图的数据探索。Streit等人（2011）向分析师展示未来可能的分析路径。Ceneda等人（2018）提供建议时间序列数据中潜在有趣的周期性模式。有趣的周期长度直接在用于探索数据的界面小部件指南还可以为接下来的分析步骤提供一套备选方案。用户可以选择也可以不选择遵循这些选项。这种辅助的典型例子是推荐系统。这些系统产生的建议与用户当前正在解决的任务直接相关。与较低程度的协助（如视觉提示）相比，这种协助被认为是更强的，并直接针对引导分析过程而量身定制。Kandel等人提出了这种援助的一个例子。（2012，2011）。在他们的工作中，他们设计了Profiler和Wrangler，用于支持数据分析和转换。该工具的工作原理是根据所分析的数据类型，推荐一组有用的函数来执行数据May等人（2012）提出了另一种旨在重新定向分析的方法。他们的方法旨在通过结合视觉字形来帮助用户探索大型图形，以将探索引向图形的有趣区域或尚未分析的数据最不具侵入性的指导形式之一是改善用户在数据分析中，这通常转化为支持心理地图的构建，这是指用户构建分析数据的内部表示的能力。指导通过利用从数据集提取的低级信息直接瞄准用户的感知来工作，例如，统计值，并将这些值映射到基本的预先注意特征，例如，颜色色调、位置等，将用户的注意力吸引到某些数据特征（Ceneda et al. ，2019）。这样的方向提示可以被添加到可视化本身的顶部或接口小部件中。在这两种情况下，目标都是引导和解决互动，促进理解，并采取第一步获得见解。定向指导在如此低的水平上起作用的事实意味着它必须针对人类的基本能力。通常，这涉及用户的预先注意技能。例如，突出显示数据项或界面的部分是方向引导的典型。突出显示的元素与周围元素的色调或颜色强度之间的对比应该立即引起用户的注意，避免繁琐的May等人（2011）展示了这种技术的一个实例：它们为模型构建的这是通过改变C. Stoiber，D.塞内达湾Wagner等视觉信息学6（2022）6875见图7。贴 纸 （Kang et al. ，2003年）用于将用户加载到Ymap工具。 这是一个使用视觉提示来帮助用户理解界面主要功能的例子。色调，即，突出显示系统认为感兴趣的数据列。虽然上下文无关的可视化引导和指导在理论上是可能的，但应该避免它们，因为不具体的抵抗可能比什么都不做更糟糕。此外，还可以指出多种援助的组合。例如，可视化工具可以提供可视化引导以促进可视化界面的使用，同时提供完成给定任务的指导选项。5. 金融领域中的可视化入门和指导使用场景在本节中，我们将描述如何有效地利用可视化引导据我们所知，文献中没有多少方法描述如何充分利用和组合可视化入职和指导支持。然而，我们能够在专业交易和股票市场分析软件Profit中识别出可视化板载和指导的多个方面（见图1）。 8）。因 此 ， 我 们 在 第 5.1 节 中 从 描 述 性 模 型 的 角 度 沿 着Why/Who/When/Where/How问题提供了关于金融领域的结论，正如我们在第4节中所做的那样，展示了可视化入门和指导的一般方面。金融领域是一个复杂的领域，无论是在理论上还是在实践中都很难完全掌握它充满了行话和混乱的法律，经济和政治方面，可以是国家和/或国际。出于显而易见的原因，投资的最新技术也从未真正反映在已发表的文献中。由于由于其竞争性质，揭示最佳做法并不符合任何人的最佳利益，因为这些做法可能会带来经济优势。此外，人们普遍认为，构成经济的利益相关者类型之间存在分歧（也被称为在本节中，我们将展示可视化入门和指导对于应对这种复杂性并为金融领域提供高效的VA一般来说，财务分析大致分为基本面分析（FA）和技术分析（TA）。FA强调可以衡量股票的基本面，质量或数