Visualization languages help to standardize the process of designing effective visualizations, one of the most prominent being D3.js. However, few researchers have analyzed at scale how users incorporate these languages into existing visualization implementation processes, i.e., implementation workflows. In this paper, we present a new method for evaluating visualization languages. Our method emphasizes the experiences of users as observed through the online communities that have sprouted to facilitate public discussion and support around visualization languages. We demonstrate our method by analyzing D3 implementation workflows and challenges discussed on Stack Overflow. Our results show how the visualization community may be limiting its understanding of users' visualization implementation challenges by ignoring the larger context in which languages such as D3 are used. Based on our findings, we suggest new research directions to enhance the user experience with visualization languages. All our data and code are available at: https://osf.io/fup48/?view_only=2cdecfd00f1048a98064b381bde27c18.


翻译:可视化语言有助于设计有效的可视化过程的标准化,其中最突出的一个是D3.js。然而,很少有研究人员对用户如何将这些语言纳入现有的可视化实施进程,即实施工作流程进行了规模分析。在本文件中,我们提出了一个评估可视化语言的新方法。我们的方法强调通过在线社区观测到的用户的经验,这些社区逐渐形成,以便利公众讨论和支持视觉化语言。我们通过分析D3执行工作流程和在Stack overflow上讨论的挑战,展示了我们的方法。我们的结果表明,可视化社区如何通过忽略使用D3等语言的更大背景,限制其对用户可视化实施挑战的理解。我们根据我们的调查结果,建议了新的研究方向,以加强在可视化语言方面的用户经验。我们的所有数据和代码都可在以下网址查阅:https://osf.io/fup48/?view_ only=2cdedf00f1048a9806b381de27c18。

0
下载
关闭预览

相关内容

Data-Driven Documents
专知会员服务
3+阅读 · 2020年12月14日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
已删除
将门创投
5+阅读 · 2019年5月5日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
92+阅读 · 2020年2月28日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
已删除
将门创投
5+阅读 · 2019年5月5日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员