有向非循环图的视觉相似性感知：影响因素及相似性判断策略研究

摘要

有向非循环图（DAG）的可视化比较在各个学科（如金融、生物学）中经常遇到。然而，关于人类对相似性的感知的知识目前还相当有限。所谓相似感知，是指人类如何感知DAG的共性和差异，从而得出相似性判断。为了填补这一空白，我们努力确定影响DAG相似性感知的因素。因此，我们采用定量和定性分析方法进行了卡片分类研究，以确定（1）参与者认为相似的DAG组和（2）其分组背后的原因。我们还对收集到的数据进行了扩展分析，以（1）揭示影响因素的细节，（2）调查采用哪些策略来进行相似性判断。我们的结果表明，DAG相似性感知主要受级别数、级别上节点数和DAG整体形状的影响。我们还确定了参与者用于组成类似DAG组的三种策略：分而治之，尊重整个数据集，逐个考虑因素，以及考虑单个因素。因素细节是，例如，人类在判断DAG的相似性时平均考虑四个因素。建立对这些过程的理解可以为比较可视化的设计和与之交互的策略提供信息。交互策略必须允许用户将其相似性判断策略应用于数据。所考虑的因素包含关于人类忽略了哪些因素的信息，因此需要通过可视化来突出显示。