An ongoing debate in the Visualizat

An ongoing debate in the Visualization community concerns the role that visualization types play in data understanding. In human cognition, understanding and memorability are intertwined. As a first step towards being able to ask questions about impact and effectiveness, here we ask: 'What makes a visualization memorable?' We ran the largest scale visualization study to date using 2,070 single-panel visualizations, categorized with visualization type (e.g., bar chart, line graph, etc.), collected from news media sites, government reports, scientific journals, and infographic sources. Each visualization was annotated with additional attributes, including ratings for data-ink ratios and visual densities. Using Amazon's Mechanical Turk, we collected memorability scores for hundreds of these visualizations, and discovered that observers are consistent in which visualizations they find memorable and forgettable. We find intuitive results (e.g., attributes like color and the inclusion of a human recognizable object enhance memorability) and less intuitive results (e.g., common graphs are less memorable than unique visualization types). Altogether our findings suggest that quantifying memorability is a general metric of the utility of information, an essential step towards determining how to design effective visualizations.

ผลลัพธ์ (ไทย) 1:

การอภิปรายอย่างต่อเนื่องในชุมชนแสดงภาพประกอบเพลงเกี่ยวข้องกับบทบาทที่เล่นชนิดแสดงภาพประกอบเพลงในการทำความเข้าใจข้อมูล ในมนุษย์ประชาน เข้าใจและ memorability จะเจอ ก้าวแรกสู่ความสามารถในการถามคำถามเกี่ยวกับผลกระทบและประสิทธิผล นี่เราถาม: 'สิ่งที่ทำให้เพลงน่าจดจำหรือไม่' เราเรียกการศึกษาการแสดงภาพประกอบเพลงขนาดใหญ่ที่สุดวันใช้ 2เพลงเดี่ยวแผง 070 จัดประเภทชนิดการแสดงภาพประกอบเพลง (เช่น แผนภูมิ กราฟเส้น ฯลฯ), รวบรวมเว็บไซต์ข่าว รายงานของรัฐบาล สมุดรายวันทางวิทยาศาสตร์ และแหล่งอินโฟกราฟิกส์ แสดงภาพประกอบเพลงแต่ละถูกใส่คำอธิบายประกอบ ด้วยแอตทริบิวต์เพิ่มเติม รวมถึงจัดอันดับอัตราส่วนข้อมูลหมึกและความหนาแน่นเสมือน ใช้ของ Amazon กลเติร์ก เรารวบรวมคะแนน memorability ร้อยเพลงเหล่านี้ และพบว่า ผู้สังเกตการณ์สอดคล้องกันในเพลงที่พวกเขาพบ forgettable และน่าจดจำ เราหาง่ายผลลัพธ์ (เช่น คุณลักษณะเช่นสีและการรวมของวัตถุรู้จักมนุษย์เพิ่ม memorability) และผลลัพธ์น้อยง่าย (เช่น ทั่วไปกราฟได้จดจำน้อยกว่าชนิดแสดงภาพประกอบเพลงที่ไม่ซ้ำกัน) ทั้งหมด พบเราแนะนำว่า quantifying memorability เป็นวัดทั่วไปของโปรแกรมอรรถประโยชน์ข้อมูล มีขั้นตอนสำคัญต่อการกำหนดวิธีการแสดงภาพประกอบเพลงที่มีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

อภิปรายอย่างต่อเนื่องในชุมชนการแสดงเกี่ยวกับบทบาทที่เล่นประเภทภาพในการทำความเข้าใจข้อมูล ในการรับรู้ของมนุษย์เข้าใจและจดจำเป็นพัน เป็นขั้นตอนแรกที่มีต่อความสามารถในการถามคำถามเกี่ยวกับผลกระทบและประสิทธิผลที่นี่เราถาม: 'สิ่งที่ทำให้การแสดงที่น่าจดจำ? เราวิ่งการศึกษาภาพขนาดใหญ่ที่สุดถึงวันที่โดยใช้การแสดงภาพประกอบ 2,070 แผงเดียวแบ่งประเภทภาพ (เช่นกราฟแท่ง, กราฟเส้น, ฯลฯ ) ที่รวบรวมจากเว็บไซต์สื่อข่าวรายงานรัฐบาลวารสารวิทยาศาสตร์และแหล่ง Infographic การแสดงแต่ละคนได้ข้อเขียนที่มีคุณลักษณะเพิ่มเติมรวมทั้งการจัดอันดับสำหรับอัตราส่วนข้อมูลหมึกและความหนาแน่นของภาพ การใช้ของ Amazon วิศวกรรมเติร์กเราเก็บคะแนนจดจำสำหรับหลายร้อยภาพเหล่านี้และพบว่าผู้สังเกตการณ์มีความสอดคล้องกันในการที่พวกเขาพบการแสดงภาพที่น่าจดจำและจดจำ เราพบว่าผลการใช้งานง่าย (เช่นลักษณะเช่นสีและการรวมของวัตถุที่มนุษย์รู้จักการจดจำ) และผลการใช้งานง่ายน้อย (เช่นกราฟส่วนใหญ่จะเป็นที่น่าจดจำน้อยกว่าประเภทการสร้างภาพที่ไม่ซ้ำกัน) ทั้งหมดผลการวิจัยของเราแสดงให้เห็นว่าปริมาณการจดจำเป็นตัวชี้วัดทั่วไปของยูทิลิตี้ของข้อมูลขั้นตอนสำคัญต่อการกำหนดวิธีการในการออกแบบการแสดงภาพที่มีประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

การอภิปรายอย่างต่อเนื่องในชุมชนการแสดงความกังวลเกี่ยวกับบทบาทการเล่นและความเข้าใจในข้อมูล ในการรับรู้ของมนุษย์ ความเข้าใจและการจดจำพัน . เป็นขั้นตอนแรกที่มีต่อความสามารถในการถามคำถามเกี่ยวกับผลกระทบและประสิทธิผล ที่นี่เราถาม : อะไรที่ทำให้ภาพที่น่าจดจำ ? เราวิ่งมาตราส่วนที่ใหญ่ที่สุด การศึกษาอาจใช้ 2���ภาพแผงเดียว แบ่งประเภทการ ( เช่นบาร์กราฟกราฟเส้น , ฯลฯ ) ที่รวบรวมได้จากเว็บไซต์สื่อรัฐบาลรายงานในวารสารทางวิทยาศาสตร์และแหล่งข้อมูล Infographic . แต่ละภาพถูกแสดง ด้วยคุณลักษณะเพิ่มเติม รวมถึงการจัดอันดับอัตราส่วนหมึกข้อมูลและภาพมีความหนาแน่น ใช้ของ Amazon เครื่องกลเติร์กเรารวบรวมการจดจำคะแนนนับร้อยภาพเหล่านี้ และค้นพบว่า ผู้สังเกตการณ์จะสอดคล้องซึ่งพวกเขาพบภาพที่น่าจดจำและลืม . เราพบผลลัพธ์ได้ง่าย ( เช่น คุณสมบัติเช่นสีและการรวมของมนุษย์ที่รู้จักวัตถุเพิ่มการจดจำ ) และผลใช้งานง่ายน้อย ( เช่นกราฟทั่วไปจะจดจำน้อยกว่าชนิดแสดงเอกลักษณ์ ) ทั้งหมดข้อมูลบ่งชี้ว่าปริมาณการจดจำเป็นเมตริกทั่วไปของโปรแกรมอรรถประโยชน์ของข้อมูลเป็นสิ่งที่จำเป็นต่อขั้นตอนการกำหนดวิธีการออกแบบภาพที่มีประสิทธิภาพ