有了人机交互模型后,我们就可以进行具体分析,而不难发现优化整个过程需要涉及到多方面的问题:如何在计算机构建数据模型从而能准确全面的表达数据?如何防 止和减少噪音?在噪音无法避免的情况下(比如数据采集过程中就存在一定的偏差),怎么准确的表达这些偏差?如何有效的设计人机交互?等等。。。在这么多方 面中,小编摘取了论文中关于提高人机交互有效性的三种方法。

(1)简洁,简洁,再简洁!

在日常交流中,去掉冗余的信息,做到言简意赅,是提高交流效率的重要条件。在认知过程中,人们更加容易先理解一些简单的概念,然后由浅入深,理解更复杂的概 念,最后拼出相对完整的知识。比如,上面的图显示了一个例子:从左到右,图片中的语义逐渐增加,最后得到“比尔是个跑车汽修工”这个信息。虽然这只是个非 常简单的例子,但是在实际中,人们对未知对象进行推导,基本都采用了这个过程。

如果系统直接就给出最右边的图,用户可能就要花更长的时间才能从这幅图得到“比尔是个跑车汽修工”这个概念。我们希望可视化分析系统也能辅助用户实现这样一 个由浅入深的认识过程,而这首先需要系统能够对数据对象进行语义分析,进行简化和抽象。那怎么进行简化和抽象呢?基本的方法是将数据分类,然后将细节去 掉,找到共性。论文中又举了一个简单的例子:

左边是一个包的照片,其中包括了颜色,纹理,式样等等信息。作者提供的方法可以把这么多信息提取分解,而实现相对于最上面图的逆过程。比如,作者把照片中的 细节都去掉,只留下轮廓,得到中间的图,而人一眼就可以认出“包”这个物体。作者还提取包上的其他部件轮廓,得到右边的图,其中包括了更多的信息。这样的 过程继续下去,逐渐增加信息,最终帮助用户通过一系列抽象的图,拼接出最左边的图。这同样也是个很简单的例子,虽然我们不难从最左边的图直接得到相当完整 的信息,但是对于复杂的大规模数据,几乎不可能直接得到完整的信息,只能通过从抽象到具体逐渐深入挖掘到有用的信息。

作者同时也举了个信息可视化的例子,上面是传统的平行坐标系的图,而下面是抽象的表示。我们不难发现,虽然下面的图丢掉了一些细节信息,但是在整体上要简洁的多,用户很容易就可以得到最主要的数据间的关系。

© 2011, 视物 | 致知. All rights reserved.

Related Posts: