第五章 評估方法
5.2 正式研究測試
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
圖 26 (a.)Retrieve Value 先導性研究測試受測者所花費時間 (b.)Comparison 先導 性研究測試受測者所花費時間 (c.)Characterize Distribution 先導性研究測試受測 者所花費時間 (d.)Detect Outliers 先導性研究測試受測者所花費時間 (e.)Start
and End Time 先導性研究測試受測者所花費時間
5.2 正式研究測試
透過先導性研究測試，本論文得到兩位受測者之測試資料與許多建議，其中，
以問題設計上之建議最多，由於本論文之先導性研究測試回答問題形式以受測者 主動填空答案的形態為主，故得到受測者作答時隨著測驗時間增加，受測者精神 與耐心出現疲累問題之意見回饋。有鑒於此，本論文在正式研究測試改變問題之 提問方式，以單選或者多選解答之答案，答案之設計非期望受測者必須精確地觀 察視覺化之結果，而以概觀之瀏覽視覺化呈現結果即能推敲問題答案為主，並精 簡問題類型由五大類縮減至三大類，本論文參考 Rubinstein 等人於 2010 年提出 之論文之附屬測驗系統設計[25]，亦設計前測系統，使受測者在進行正式測試之 前能夠熟悉本論文之視覺化呈現與欲比較之視覺化呈現，前測與正式測試問題設 計如以下所示：
‧
Q1. 您認為這些Sunburst區域，順時針方向的排列方式是以資料的發佈 時間何者排列相同？
Q2. 您認為Sunburst這些區域，顏色的漸層方式，顏色越深代表的是按讚 數如何變化？
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
41
者進行測試，其中包含 6 名女性與 12 名男性，2 名新聞傳播背景之受測者，15 名資訊工程背景之受測者，與 1 名無上述兩者背景之受測者，測試環境之畫面如 圖 27 所示，相關測試流程如圖 28 所示。
圖 27 正式研究測試環境之畫面
圖 28 正式研究測試流程與設計
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
本論文於測試系統中記錄受測者應答問題所花費之時間，於前測亦同，並記 錄受測者於前測答題之錯誤狀況，經過統計後之結果，受測者全數於前測皆無錯 誤之狀況發生，而應答所花費之時間圖表如圖 29 所示，可發現受測者於 Q1 花 費較多時間理解。
圖 29 正式研究測試之前測受測者應答所花費時間圖表，表中長條圖即代表不 同受測者，縱軸位於左側，折線圖即代表不同受測者應答該問題所花費之平均
時間，縱軸位於右側
正式研究測試 Comparison 與 Trend & Theme 之兩大類部分，經過統計後之 結果，應答所花費之時間圖表如圖 30 所示。在正式研究測試中，本論文依然與 ThemeRiver-Tree layout 與 Sunburst-Timeslider layout 進行交互比較測試，從應答 所花費之時間之統計結果觀察，本論文之視覺化呈現結果優於 ThemeRiver-Tree layout，但遜於 Sunburst-Timeslider layout，原因可歸咎於受測者較認為 Sunburst 已能夠提供相當多資訊，藉由 Sunburst 顏色漸層與區域大小之設計，受測者能夠 快速尋找高按讚數以極高回覆數之顯著評論者，以及高按讚數之顯著回覆者。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
圖 30 正式研究測試之 Comparison 與 Trend & Theme 類型問題受測者應答所花 費時間圖表，表中長條圖即代表不同受測者，縱軸位於左側，折線圖即代表不
同受測者應答該問題所花費之平均時間，縱軸位於右側
正式研究測試 Attraction 之類型部分，本論文希望受測者從 6 種不同的偏好 中多選出若干項，以評量本論文之視覺化呈現結果與欲比較視覺化呈現結果，投 票統計結果如圖 31 所示，可觀察本論文之視覺化呈現結果最令受測者感到創新，
並在其餘偏好中亦獲得較多之票數。
圖 31 正式研究測試之 Attraction 類型問題受測者偏好投票結果圖表，表中長條 圖即代表不同偏好
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
第六章 結論與未來發展
本論文期望設計出一種視覺化能同時表達資料的時間序列與階層架構特性，
而目前實驗之資料集多集中於社群網路，並特別針對 Facebook Graph API 所取 得之資料集進行設計，且資料層級以 Facebook 粉絲專頁上一篇公開貼文之評論 資料為主，透過本論文針對時變資料視覺化與階層資料視覺化之結合呈現，使用 者可以很清楚又快速地瀏覽一篇貼文之評論情形概況，利用視覺化立即發掘評論 情形其中獲得顯著聲量之評論意見領袖，其評論內容與回覆者所形成之議題探討，
並探討評論情形中在不同時間點造成何項議題開始被廣泛討論，與接受到之回覆 情形為何，藉此達到觀察一篇貼文之評論情形各項意見之勢力消長情形，假若使 用者希望在探索時變資料視覺化之同時得到評論資料之細部資訊，則可藉由直覺 式互動功能在與時變資料視覺化互動時觀察階層資料視覺化所對應的變化，呈現 將兩種不同視覺化合而為一的結果。
由於 Facebook Graph API 有許多資料可供利用，除了評論資料外還包括其他 資料如分享、按讚資料等等，往後希望改進程式架構將資料層級提升到整個粉絲 專頁時間區間內之所有貼文，或者是希望處理其他公開之時變資料與階層資料，
詳細之資料集、視覺化目的、視覺化呈現未來發展如下：
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
46
也能運用在上述這些更廣大之資料集上，使適用之資料集得以擴展。而目前智 慧型觸控裝置盛行，本論文亦希望將直覺式互動之設計延伸至智慧型觸控裝 置，捨棄滑鼠做為媒介，以更直覺式的手勢操作達到探索視覺化的效果，觀察 出更為豐富的討論結果。
‧
time-oriented data. Springer Science & Business Media.[2] Jürgensmann, S., & Schulz, H. J. (2010). Poster: A visual survey of tree visualization. In Proceedings of IEEE Information Visualization (Vol. 5, p. 7) [3] Byron, L., & Wattenberg, M. (2008). Stacked graphs–geometry &
aesthetics.Visualization and Computer Graphics, IEEE Transactions on, 14(6), 1245-1252.
[4] Rzeszotarski, J. M., & Kittur, A. (2014, April). Kinetica: Naturalistic multi-touch data visualization. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 897-906). ACM.
[5] Kondo, B., & Collins, C. M. (2014). Dimpvis: Exploring time-varying information visualizations by direct manipulation. Visualization and Computer Graphics, IEEE Transactions on, 20(12), 2003-2012.
[6] Rind, A., Lammarsch, T., Aigner, W., Alsallakh, B. and Miksch, S. (2013).
TimeBench: A Data Model and Software Library for Visual Analytics of Time-Oriented Data. IEEE Trans. Visual. Comput. Graphics, 19(12), pp.2247-2256.
[7] Dou, W., Yu, L., Wang, X., Ma, Z., & Ribarsky, W. (2013). Hierarchicaltopics:
Visually exploring large text collections using topic hierarchies. Visualization and Computer Graphics, IEEE Transactions on, 19(12), 2002-2011.
[8] Liu, S., Wu, Y., Wei, E., Liu, M., & Liu, Y. (2013). Storyflow: Tracking the evolution of stories. Visualization and Computer Graphics, IEEE Transactions on, 19(12), 2436-2445.
[9] Xu, P., Wu, Y., Wei, E., Peng, T. Q., Liu, S., Zhu, J. J., & Qu, H. (2013). Visual analysis of topic competition on social media. Visualization and Computer Graphics, IEEE Transactions on, 19(12), 2012-2021.
[10] Stasko, J., & Zhang, E. (2000). Focus+ context display and navigation techniques for enhancing radial, space-filling hierarchy visualizations. InInformation Visualization, 2000. InfoVis 2000. IEEE Symposium on (pp. 57-65). IEEE.
[11] Tufte, E. R. (2006). Beautiful evidence. New York.
[12] Stasko, J., Catrambone, R., Guzdial, M., & McDonald, K. (2000). An evaluation of space-filling information visualizations for depicting hierarchical structures.International Journal of Human-Computer Studies, 53(5), 663-694.
[13] Wang, X., Liu, S., Song, Y., & Guo, B. (2013, August). Mining evolutionary multi-branch trees from text streams. In Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 722-730).
‧
[14] Zhang, D., Zhai, C., Han, J., Srivastava, A., & Oza, N. (2009). Topic modeling for OLAP on multidimensional text databases: topic cube and its applications.Statistical Analysis and Data Mining: The ASA Data Science Journal, 2(5‐6), 378-395.
[15] Blundell, C., Teh, Y. W., & Heller, K. A. (2012). Bayesian rose trees. arXiv preprint arXiv:1203.3468.
[16] Liu, X., Song, Y., Liu, S., & Wang, H. (2012, August). Automatic taxonomy construction from keywords. In Proceedings of the 18th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 1433-1441). ACM.
[17] Wang, X., Liu, S., Song, Y., & Guo, B. (2013, August). Mining evolutionary multi-branch trees from text streams. In Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 722-730).
ACM.
[18] Cui, W., Liu, S., Wu, Z., & Wei, H. (2014). How hierarchical topics evolve in large text corpora. Visualization and Computer Graphics, IEEE Transactions on, 20(12), 2281-2290.
[19] Furnas, G. W. (1986). Generalized fisheye views (Vol. 17, No. 4, pp. 16-23). ACM.
[20] Li, Y., Sun, J., & Shum, H. Y. (2005). Video object cut and paste. ACM Transactions on Graphics (TOG), 24(3), 595-600.
[21] Kriglstein, S., Pohl, M., & Stachl, C. (2012, July). Animation for time-oriented data: An overview of empirical research. In Information Visualisation (IV), 2012 16th International Conference on (pp. 30-35). IEEE
[22] Johnson, B., & Shneiderman, B. (1991, October). Tree-maps: A space-filling approach to the visualization of hierarchical information structures.
InVisualization, 1991. Visualization'91, Proceedings., IEEE Conference on (pp.
284-291). IEEE.
[23] Wattenberg, M. (1999, May). Visualizing the stock market. In CHI'99 extended abstracts on Human factors in computing systems (pp. 188-189). ACM.
[24] Van Wijk, J. J., & Van de Wetering, H. (1999). Cushion treemaps: Visualization of hierarchical information. In Information Visualization, 1999.(Info Vis' 99) Proceedings. 1999 IEEE Symposium on (pp. 73-78). IEEE.
[25] Rubinstein, M., Gutierrez, D., Sorkine, O., & Shamir, A. (2010, December). A comparative study of image retargeting. In ACM transactions on graphics (TOG)(Vol. 29, No. 6, p. 160). ACM.