Измеряемые характеристики задач визуализации; Научная визуализация; Т. 8, № 1
| Parent link: | Научная визуализация: электронный журнал.— , 2009- Т. 8, № 1.— 2016.— [С. 95-107] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | , |
| Summary: | Заглавие с титульного листа В работе приведены результаты исследований, в ходе которых изучались особенности взаимодействия исследователя и визуальной модели произвольных данных. Предложен набор характеристик визуальных моделей, учитывающих специфику индивидуального восприятия, а также разработан способ экспериментального определения этих их значений. Полученные результаты позволяют прогнозировать когнитивную значимость разрабатываемых решений задач визуализации. Описана предлагаемая авторами методика экспериментального исследования, представляющая собой последовательность из трех видов измерений характеристик модели данных. Подтверждена высокая зависимость отдельных характеристик интерпретируемости от персональных качеств исследователя. Выделены свойства визуальных моделей, позволяющие сравнивать способы представления данных и оптимизировать средства их анализа. Проведенные исследования показывают целесообразность перехода к использованию последовательного анализа визуализируемых данных, основанную на особенностях восприятия человека и интерпретации им новых данных. In this paper the results of studies aimed to determinate communication peculiarity between researcher and undefined data visual model are presented. The quantitative features system of visual models and the mode of its measuring are proposed. Derived results allow to forecast cognitive importance for worked up solution visualization tasks.In this item authors describe experimental research technique representing the sequence of three types measuring data model characteristics. It is confirmed high dependence of some interpretability characteristic on researchers personal features. There are assigned visual models attributes allowing to compare representing data modes and to optimize its analysis tools. Conducted researches show appropriateness of transition to use of visualized data successive analysis, based on human perception features and his new data interpretation. |
| Language: | Russian |
| Published: |
2016
|
| Subjects: | |
| Online Access: | http://sv-journal.org./2016-1/05.php?lang=ru |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=648341 |
| Summary: | Заглавие с титульного листа В работе приведены результаты исследований, в ходе которых изучались особенности взаимодействия исследователя и визуальной модели произвольных данных. Предложен набор характеристик визуальных моделей, учитывающих специфику индивидуального восприятия, а также разработан способ экспериментального определения этих их значений. Полученные результаты позволяют прогнозировать когнитивную значимость разрабатываемых решений задач визуализации. Описана предлагаемая авторами методика экспериментального исследования, представляющая собой последовательность из трех видов измерений характеристик модели данных. Подтверждена высокая зависимость отдельных характеристик интерпретируемости от персональных качеств исследователя. Выделены свойства визуальных моделей, позволяющие сравнивать способы представления данных и оптимизировать средства их анализа. Проведенные исследования показывают целесообразность перехода к использованию последовательного анализа визуализируемых данных, основанную на особенностях восприятия человека и интерпретации им новых данных. In this paper the results of studies aimed to determinate communication peculiarity between researcher and undefined data visual model are presented. The quantitative features system of visual models and the mode of its measuring are proposed. Derived results allow to forecast cognitive importance for worked up solution visualization tasks.In this item authors describe experimental research technique representing the sequence of three types measuring data model characteristics. It is confirmed high dependence of some interpretability characteristic on researchers personal features. There are assigned visual models attributes allowing to compare representing data modes and to optimize its analysis tools. Conducted researches show appropriateness of transition to use of visualized data successive analysis, based on human perception features and his new data interpretation. |
|---|