相关实验视频
Updated: May 10, 2026

09:44
Methods to Test Visual Attention Online
Published on: February 19, 2015
12.4K
在不告诉我的情况下告诉我:可视化素养和视觉注意力的双向预测
IEEE transactions on visualization and computer graphics
|November 26, 2025
概括
这项研究表明,视觉素养的个体差异会影响人们如何探索数据可视化. 新的模型基于识字来预测注意力,并根据注意力模式来评估识字,从而改善数据通信.
科学领域:
- 数据可视化 数据可视化
- 人与计算机的交互
- 认知科学 认知科学
背景情况:
- 视觉注意力对于解释数据可视化至关重要,但个体差异,特别是视觉素养差异,往往被忽视.
- 现有的研究主要集中在一般的注意力模式上,忽视了基于用户技能水平的细微差别.
研究的目的:
- 在数据可视化探索过程中调查视觉素养水平和注意力模式之间的相关性.
- 开发计算模型,将视觉素养纳入突出性预测和识字评估中.
主要方法:
- 一项涉及235名参与者的用户研究使用迷你VLAT,CALVI和SGL测试来评估视觉素养.
- 提出了两种模型:Lit2Sal (根据识字预测注意力) 和Sal2Lit (根据注意力预测识字).
- 进行了定量和定性评估,以验证模型性能.
主要成果:
- 观察到明显的注意力模式:专家表现出集中注意力,而新手则更广泛地探索.
- 通过结合识字意识预测,Lit2Sal的表现优于现有的突出性模型.
- Sal2Lit从单个注意力图中预测视觉素养的准确率达到了86%,提供了一种快速评估方法.
结论:
- 视觉素养的个体差异在数据探索期间显著影响注意力.
- 识字意识突出模型和基于注意力的识字评估为个性化数据通信提供了新的途径.
- 这些方法可以增强用户对复杂可视化的理解和参与.

