1 |
[pt] EXPLORANDO FATORES QUE INFLUENCIAM COMO AS VISUALIZAÇÕES DE DADOS SÃO INTERPRETADAS POR NÃO ESPECIALISTAS / [en] UNCOVERING FACTORS THAT INFLUENCE HOW DATA VISUALIZATIONS ARE INTERPRETED BY NON-EXPERTSARIANE MORAES BUENO RODRIGUES 23 May 2022 (has links)
[pt] As visualizações de dados são cada vez mais comuns na mídia tradicional
e nas redes sociais. No entanto, a alfabetização visual da população não acompanhou essa crescente popularidade. É necessário para quem cria os gráficos
montar uma comunicação visual que contenha as informações necessárias de
forma atrativa e de fácil compreensão. Em contrapartida, é necessário para
quem os consome, captar as informações representadas pelos gráficos e extrair
as análises do que vê. A importância da alfabetização visual é a capacidade de
ler um gráfico, ou seja, olhar para um gráfico e identificar informações relevantes, tendências e discrepâncias em um determinado cenário. Neste trabalho,
realizamos quatro estudos para explorar os fatores que influenciam o sucesso
da análise de dados visuais. No primeiro estudo descobrimos como as pessoas
tentam dar sentido a visualizações de dados específicas, através de perguntas
que elas fazem ao encontrar uma visualização pela primeira vez. No segundo
estudo exploramos como as distribuições de dados podem afetar a eficácia e
eficiência das visualizações de dados. No terceiro estudo investigamos quando
não especialistas identificam que uma visualização não é adequada para responder uma pergunta de análise específica, quando eles fazem boas sugestões
de alteração para tornar essas visualizações adequadas e quando avaliam bem
a adequação de algumas sugestões oferecidas a eles. No quarto estudo, criamos
um teste para avaliar a compreensão das pessoas sobre os aspectos aplicados
(responder perguntas de análise com o apoio de uma visualização) e conceituais (questões sobre a função e estrutura) da visualização de dados. Nossos
resultados fornecem recursos para o desenvolvimento de material didático e
ferramentas para recomendação de visualizações de dados relacionadas a perguntas que se visa responder. Uma contribuição adicional deste trabalho aos
resultados dos estudos foi a estruturação de uma lista unificada de diferentes
tarefas de visualização que encontramos na literatura. / [en] Data visualizations are increasingly common in traditional media and
social networks. However, the visualization literacy of the population did not
follow this growing popularity. It is necessary for those who create the charts
to assemble a visual communication that contains the necessary information
in an attractive and easy-to-understand way. By contrast, it is necessary for
those who consume them to capture information represented by the charts and
extract the analyses of what they see. The importance of visual literacy is the
ability to read a chart, i.e., look at a chart and identify relevant information,
trends, and outliers in a given scenario. In this work, we conducted four studies
to explore factors related to the success of visual data analysis. We identified
issues ranging from data distribution to formulating good questions to enrich
exploration. The first study discovered how people try to make sense of specific
data visualizations through questions they ask when they first encounter a
visualization. In the second study, we explored how data distributions can
affect the effectiveness and efficiency of data visualizations. In the third study,
we investigated when non-experts identify that particular visualization is
not adequate to answer a specific analysis question, when they make good
suggestions for changes to make these visualizations adequate, and when they
evaluated well the adequacy of some suggestions offered to them. In the
fourth study, we created a test to assess people s understanding of the applied
(answering analysis questions supported by a visualization) and conceptual
(questions about function and structure) aspects of data visualization. Our
results provide resources for developing of educational material and tools for
recommending data visualizations to answer specific data-relation questions.
An additional contribution of this work to the results of the studies was the
structuring of a unified list of different visualization tasks that we found in the
literature.
|
Page generated in 0.042 seconds