MétaCan
Menu
Retour à la cohorte
Enregistrement W2736760681

Exploring information visualization use patterns in casual contexts

2011· dissertation· en· W2736760681 sur OpenAlexaff
Melanie Tory, David Sprague

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCasualComputer scienceVisualizationInformation visualizationData scienceHuman–computer interactionPsychologyArtificial intelligencePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation describes a series of studies conducted to explore why people use information visualizations during their non-work time (casual InfoVis) and which factors are critical for visualization adoption and long duration use. I also model typical casual InfoVis usage patterns and provide a framework for future hypothesis testing. Each study explored a different facet of casual InfoVis research and each built on lessons from the previous studies. The first study explored the development and evaluation of a casual InfoVis system, PartyVote, and how visualizations can be used to aid informal group social interactions. Results from the evaluation indicate that the system successfully helped give people a more equal share in choosing music during social gatherings and people could strategically choose music, but social pressures did not constrain behaviors or reduce cheating as much as expected. The complexity of factors affecting PartyVote use led to a pseudo-experiment evaluating the appeal of motion based data encoding. Study results indicated that participants formed distinct opinion-based groups and motion data encoding was only considered appealing to less than half of the participants. Utility was a critical factor for half the participants, but a sizable group still preferred motion use, despite knowing that it reduced system utility. My final study examined how people encountered and used visual representations of data (artifacts) during their non-work time. The artifact study led me to develop the Promoter / Inhibitor Motivation Model (PIMM) of casual visualization interaction. PIMM subsequently helps explain results encountered during the first two studies. The model provides a framework for future casual InfoVis investigations and identifies potential shortfalls and areas of concern when conducting casual InfoVis research. PIMM should also help guide future casual InfoVis system designs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,009
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,122
Tête enseignante GPT0,325
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData Visualization and AnalyticsTravaux en français237 207