研究论文摘要丨生成有关研究论文的摘要研究论文摘要以及总结

我希望你充当研究论文总结者。我将为您提供一篇关于特定主题的研究论文，您将创建论文要点和发现的摘要。你的总结应该简明扼要，应该准确客观地传达论文的要点。您不应该在摘要中包含任何个人观点或解释，而应专注于客观地呈现论文中的信息。您的摘要应用您自己的语言撰写，不应包含任何直接引用论文的内容。请确保您的摘要清晰、简洁，并准确反映原始论文的内容。

当然，我可以做到。请向我提供研究论文和您希望我总结的特定主题。

摘要

观察者的眼球运动通常有助于了解观察者的眼球运动如何 观察者与视觉刺激相互作用并处理视觉刺激。在这里，我们专门 对眼球运动揭示的信息内容感兴趣 处理可视化效果。相反，通过汇集许多观察者的价值 眼球运动，我们可以了解不同眼球运动的一般有效性 可视化和采用的基本设计原则？的贡献 这份手稿就是在大数据尺度上考虑这些问题，有成千上万的 眼睛注视着数百种不同的信息可视化。我们调查现有的 集体眼动分析的方法和指标，并考虑每种方法和指标 可以告诉我们不同信息可视化的整体有效性，以及 在如此大的数据规模下进行设计。 1 引言 眼球运动可以为我们提供有关视觉显示元素的线索，这些元素是 人们关注，他们花费最多时间的事情，以及他们如何重定向他们的 元素之间的注意。眼睛也可以用作更高层次的指标 认知处理，如记忆，理解和解决问题[21，23，32， 39, 40, 54].

拜林斯基 （） • 奥利瓦 麻省理工学院计算机科学与人工智能实验室， 32 瓦萨街， 波士顿， 马萨诸塞州， 美国 电子邮件： zoya@mit.edu;oliva@mit.edu 博尔金 东北大学计算机与信息科学学院，亨廷顿大街360号， 美国马萨诸塞州波士顿 电子邮件： m.borkin@neu.edu 金新华 • H·菲斯特 哈佛大学工程与应用科学学院，牛津街33号，波士顿，马萨诸塞州， 美国 电子邮件： namwkim@seas.harvard.edu;pfister@seas.harvard.edu © 施普林格国际出版股份公司 2017 M. Burch et al. （eds.）， 眼动追踪和可视化， 数学 和可视化，DOI 10.1007/978-3-319-47024-5_14235

236 Z.拜林斯基等 眼动分析已被用于研究对自然的感知

场景，简单的人工刺激，网页，用户界面，以及越来越多的信息。 交配可视化。在人机交互（HCI）中，眼动追踪具有

通常用于评估系统的可用性和研究相关的 界面设计问题[13， 19， 29， 47]。杜卓斯基提供了一项调查 工业工程等领域的不同眼动追踪应用 到营销[13]。

在可视化社区中，眼动追踪分析已被用于 随意评估不同的可视化效果（例如，图形 [25–27， 39， 49]、节点链接

图[1]，树形图[8]，平行坐标[62]）并直接比较 可视化类型 [6， 11， 17]。眼动追踪也被用于理解如何 一个人在视觉上感知、探索、搜索和记住一个可视化， 提供与交互时所涉及的认知过程的窗口 可视化 [1， 3， 6， 11， 26， 37， 49， 50， 53]。 信息可视化专门设计用于解析和理解 由人类观察者。可以创建可视化来帮助传达特定消息 面向普通受众，或帮助数据分析师从中提取趋势和意义 数据。由于可视化适用于特定任务，因此观察者性能 在这些任务上可以直接测量（例如，找到特定部分的能力 信息，解决分析任务，记住内容以供以后检索， 等）。然后可以使用眼动分析来提供可能的解释 任务性能（例如，为什么使用一个可视化更快地完成任务 设计与另一个相比），作为互补的性能测量 考虑到人类的感知。眼球运动可以提供一扇窗户 观察者检查信息时发生的认知处理 可视化。 尽管之前已经审查过不同的眼动指标 不同任务的背景[1，17，29，51]，在本手稿中，我们特别关注 关于可用于集体分析的注视指标（聚合

观察者和可视化人群的数据）的信息可视化 设计。我们提供可用于定量的指标审查

比较大数据设置中不同的可视化设计。与许多人不同 以前的研究，我们的分析是广泛的，跨越了大量的可视化 类型和来源。我们讨论并可视化不同指标可以 用于评估不同可视化设计的有效性，我们 使用 MASSVIS 数据集 [6] 提供一些具体示例。审查 本手稿中提供的内容旨在激发对大规模研究的进一步研究 眼动分析，用于可视化的广泛比较和评估 设计。

用于大规模评估的注视指标 237 2 方法 2.1 可视化数据 我们使用了包含 393 个标记目标可视化的 MASSVIS 数据集，1 跨越 四个不同的来源类别：政府和世界组织、新闻媒体、 信息图表和科学出版物[6]。这些可视化是手动的

使用LabelMe系统[59]和Borkin等人的可视化分类进行标记 省略[7]（图1a）。标签将可视化元素分类为：数据编码、数据 相关组件（例如轴、注释、图例）、文本元素（例如标题、

轴标签、段落）、象形图或人类可识别对象或图形 没有数据编码功能的元素。标签可以在单个区域中重叠 可以有多个标签（例如，图上的注释具有注释标签 和图形标签）。标注可作为分割面进行分析。

2.2 眼动追踪实验 我们使用在编码实验阶段收集的眼球运动 Borkin等人的研究[6]。在此阶段，显示了每个可视化效果 参与者10秒，平均产生37.4（SD：3.2）次注视 每个可视化，或每个可视化平均总共 623 （SD： 93） 个注视点。 事实证明，这一持续时间足以让参与者阅读 可视化的标题、轴、注释等，以及探索数据编码， 并且足够短，以避免注视模式和探索性过多的冗余 策略。参与者被告知要记住每个可视化的尽可能多的细节 尽可能用于后续实验阶段。在识别和召回期间 阶段，分别，参与者完成了一项记忆任务，并被要求写 描述他们记住的可视化。我们不直接使用它 本手稿中的其他数据，但请参阅从 在记忆表现的背景下进行眼动分析。 在33个目标可视化上记录了393名参与者的眼球运动， 每个可视化平均有 16.7 个查看者 （SD： 1.98）。包括的设备 SR Research EyeLink1000 台式眼动仪 [63]，带下巴托支架 22 英寸 从 19 英寸 CRT 显示器（1280 1024 像素）。对于每次注视，可用于 分析是其以像素坐标为单位的空间位置、以毫秒为单位的持续时间以及 在整个观看剧集（扫描路径）内排序。

1数据集可在 http://massvis.mit.edu 获得。

238 Z.拜林斯基等

无花果。1 我们绘制单个观察者的注视点以进行演示，以直观地描绘一个 本手稿中很少使用关键术语。（a） 我们使用的图像标有 AOI （感兴趣区域），即标题、轴和图例等元素。（b） 固定物是 观察者的眼睛在观看剧集中的某个时刻落在的离散位置。 （c） 落在图像的相同AOI上的多个连续注视点可以进一步聚类 凝视。凝视标记的大小与构成 凝视，标记以这些注视位置的平均值为中心。（d） 扫描路径是 固定的顺序。在这里，为了表示时间顺序，注视点通过线连接， 数字标记，并着色，最早的为红色，最新的为黄色 2.3 指标和可视化 根据所执行的分析，眼球运动的不同方面 可以测量行为，包括注视位置、注视持续时间和 扫视2 注视是眼睛注视视觉部位的离散样本 从连续眼动数据获得的显示3（图1b）。通过细分 视觉刺激进入元素或感兴趣区域，表示AOI，注视点落下 可以单独分析不同的AOI（图1a）。连续注视 特定区域或AOI可以进一步聚类为凝视（图1c）。 2扫视是注视之间的间隔：眼睛从一个注视点到注视点的运动 下一个。对扫视的分析超出了本手稿的范围，为此，另外 指标将是必要的[40，51]。 3眼睛必须根据预先指定的参数记录为“静止”[24，60]。我们使用 由EyeLink EyeTracker设置的标准阈值[63]。

用于大规模评估的注视指标 239 除了总结视觉设计注视的次数和持续时间 或其构成要素，观看剧集的空间和顺序方面 可用于计算眼球运动行为的其他测量值 视觉设计分析。例如，注视点的空间分布可以是 按分布或覆盖的时刻捕获（视觉比例 固定在特定阈值的设计，Sect.3.3）. 时间排序 注视的（序列）通常被称为扫描路径[45]，很常见 用于分析搜索任务（图 1d）。例如，可以考虑 AOI观察者在搜索目标或特定信息时进行注视。 先前可视化研究使用的定量眼动测量 总结见表1。回顾最常见的眼睛测量 雅各布和卡恩[29]提供了更普遍的可用性研究。这 在 5 项可用性研究中报告的 24 个最常见指标也出现在表 1 中。 不同的指标强调眼球运动行为的不同方面，即 反过来与不同的潜在认知过程相关联。数量或密度 分配给视觉区域的注视点与其重要性有关[29，52]; 视觉区域的注视持续时间已与该区域的信息内容相关联 或复杂性[32];并且已经发现注视点之间的过渡是 与观看者的搜索行为和期望有关[15，44，54]。模式 在一组观察者的注视数据中也可用于突出显示设计 表1 可用性研究[29]和评估中常见的眼动指标 以及信息可视化的比较。不同的感知研究使用了这些指标 就不同视觉元素的重要性和可注意性得出结论，并 关于感知任务的难度和视觉设计的复杂性的原因[51]。自来酸自来酸 指感兴趣区域，它可以是图形的组成部分，如标题、轴或图例

可视化

定量测量研究 可能的解释 汇总测量 注视点总数a [17， 39] 搜索或参与的效率

[12, 19, 32]

注视总数 [11] 推理过程的复杂性 [11] 平均注视持续时间a 复杂度或参与度 [32] 自动光学检测测量

对AOIsa的执着（propor- 或数字）

[8, 37, 62]元素重要性或可注意性 [52]凝视AOIsa （比例 或数字）

[11] 元素重要性或可注意性 [29]

AOIsa 上的观看时间（专业版 部分或全部）

[11, 37, 62]信息内容、复杂性或订婚 [32]

第一次注视的时间 自来酸自来酸

[17, 39, 62]引人注目的属性 [10]

主要是定性分析 [25–27， 49， 53] 相对复杂度或效率 设计

a标记的指标是总共 5 项可用性研究中最常见的 24 项指标 由雅各布和卡恩调查 [29]

240 Z. Bylinskii et al. 功能或诊断潜在问题。例如，注视的顺序是 发现表明视觉元素排列的效率[15]。 可视化设计人员可能有兴趣确保重要元素 更有可能被早期固定。 使用不同类型的可视化来突出显示眼睛的属性 运动数据也有助于补充和促进分析 超过观察者组[1，18，41，57，64，66，68，69]。一些以前的 可视化研究主要依赖于这种定性分析（表1）。布拉斯切克 等人对眼球运动的可视化和可视化分析工具进行了综述 数据 [3]。虽然可视化可以促进数据探索，但从 当有定量指标支持时，眼动数据更有意义。 对于 MASSVIS 眼动数据的探索性分析，我们使用 注视热图，因为它们具有多功能性、可扩展性和可解释性。固定 热图是通过聚合一组注视点并放置高斯4来构建的 在每个固定位置。结果是可以绘制的连续分布以突出显示最受关注的元素。这个简单的视觉 Alization特别适合集体分析，使我们能够可视化将任意数量的观察者注视在单个图像上。突出不同的趋势在眼球运动中，我们汇总了数据的不同子集：不同的固定 持续时间（图2）、观看剧集的时间点（图3）和观察者（图 4）。我们的覆盖图也只是阈值注视热图（图5）。 我们注意到，眼动分析在以下背景下信息量最大 观察者执行的客观任务。在这种情况下，眼球运动 更可能与任务完成本身有关。此外，眼球运动 分析可用于补充其他分析并提供可能的解释 客观绩效衡量（例如，任务完成的速度或准确性）。 孤立地考虑，眼球运动测量可以进行解释， 因此，它们应该补充而不是取代其他测量。例如 来自 MASSVIS 数据集的眼球运动是在 记忆和回忆任务。参与者在检查时记录他们的注视点 可视化，知道他们以后必须从内存中检索详细信息。 在这篇手稿中，我们的重点是眼球运动指标本身以及如何 它们可用于评估和比较信息可视化 更广泛地说。我们使用 MASSVIS 数据集作为演示示例。

你好！今天我能帮你什么？

给我一个研究方法的要点摘要。

确定！以下是一些常见研究方法的简要总结：

实验方法：涉及操纵一个或多个变量以观察对另一个变量的影响，同时控制外部因素

调查方法：涉及通过问卷调查或访谈从参与者样本中收集数据

观察方法：涉及在不操纵任何变量的情况下观察和记录自然环境中的行为

案例研究方法：涉及深入研究个人或团体以深入了解特定现象

相关方法：涉及检查两个或多个变量之间的关系而不操纵它们

纵向方法：涉及在较长时间内研究同一组个体，以观察随时间的变化

横断面法：涉及在同一时间点研究不同的个体群体，以比较他们之间的差异

请注意，这不是所有研究方法的详尽列表，这些方法也有变化和组合。