第二章 文獻探討
2.1 資料視覺化評估方法
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
第 二 章 文獻探討
文獻探討分為二個部分，第一部分為資料視覺化現有的評估方法，大多是以問卷、
任務為主，實驗者規劃任務讓受測者操作新設計的視覺化，並回答相關問題，用來了 解受測者的理解程度、完成效率，此外，Tufte 曾提出資料墨色比率的極簡化設計準則，
後續學者發現這個衡量標準仍有待改善，且需要其他標準共同評估。第二部分因為互 動式資料視覺化的互動來源是眼動、滑鼠，所以我們想了解過去研究者如何量化分析 使用者的電腦操作行為。
2.1
資料視覺化評估方法
目前常見的（靜態）資料視覺化評估方法可略分為兩大類，第一類是設計任務後，
請受測者自行完成問卷，用來了解此作品的可理解性、操作效率；第二類是計算資料 墨色比率，得知設計元素是否充分且恰當地被使用。
2.1.1 問卷、任務
以任務問卷進行評估時，過去研究經常自行製作大綱來發想問題，像是 Tennekes 討論樹狀圖，問卷中包含 A 和 B 的關係、C 在哪個階層、D 有多少子階層、對一些陳 述句的同意程度、改變的排版或顏色是否漂亮、對某設計的普遍感覺等 [11]。又比如 Viegas 問受測者對此圖表的熟悉程度、情緒感受、是否能從圖表獲得資訊、使用圖表 的動機與用途、對設計策略的解釋 [12]。再舉例 Lee 要求受測者找出 A、B 中某極值的 趨勢、區間 C 內發生什麼事、整張圖表的某種極值 D [13]。抑或是 Rivadeneira 透過使 用者的回饋調整設計，改變標籤雲的字體大小、排列位置、最大幾個字的距離，在有 限的閱讀時間後，測驗受測者的記憶，發現字體大、排列在左上角讓人較有印象，此
‧
圖表分析大師 Edward Tufte 在 1983 年提出「資料墨色比率（Data-Ink-Ratio）」[16]，
意思是圖表裡所有用的墨水之中有多少部分真正用來呈現資料：
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
（例如：X、Y 軸上的數值與長條圖上的資料標籤，或是圖例與資料類別）、邊框、顏色
（例如：讓同類的資料用同種顏色，或是只突出重點，其他一律灰階）、不必要的 3D 或 陰影效果、輔助線顏色變淡或是移除，以及調整適當的、可見的線條粗細 [17]。總結來 說，資料墨色比率希望提供一個設計準則，讓圖表不要有太多冗餘 [18]。
有一些學者試著透過使用者研究來驗證這個理論，Few 等學者發現適度的提升和減 少資料墨色比率都有可能提升閱讀效率，所以可以推得不是極簡或極繁風格最好，而 是應取一個適當區間的資料墨色比率 [18]。
Inbar 等人則是給予受測者一些任務，讓他們比較一般常見的和經過 Tufte 簡化的 長條圖，如圖 2.1，發現受測者相對喜歡原本的圖，因為對新的圖不熟悉 [19]，但 Tufte 在一開始發表時便提過使用者可能因為不夠熟悉而還不習慣這種他認為比較好的設計。
(a) 一般常見的長條圖 (b) Tufte 簡化的長條圖
圖 2.1 一般常見的長條圖和 Tufte 簡化的長條圖的比較 [19]
Kelly 則是要求受測者只花 5 分鐘，模擬人們讀報時間，讀 USA Today 的新聞圖 表，以及經過資料墨色比率規則簡化後的版本，如圖 2.2，再讓他們回答問題，發現不 論是高或低資料墨色比率的圖，答題錯誤率相同，由此可知此規則與精準度不一定有 關 [20]。
(a) USA Today 新聞圖 (b) 經過資料墨色比率簡化的圖
圖 2.2 USA Today 新聞圖與經過資料墨色比率簡化的圖的比較 [20]
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
Bateman 等學者則是比較 Nigel Holmes 因應主題的資料視覺化和簡單的長條圖 [9]，
如圖 2.3，分析受測者的理解程度，以及觀看完圖表經過短時間及長時間後的印象深刻 程度，發現受測當下以及經過短時間後的理解程度和印象深刻程度差不多，但在過了 一段時間後，受測者對 Holmes 的版本比較有印象，即使這個版本對 Tufte 來說有太多 冗餘的東西了。從此篇研究中得知圖表設計並沒有一定的規範，而是使用者的意圖與 操作情境決定了圖表的好壞，像是新聞圖表就較適合用 Holmes 的版本。
(a) Holmes 版本 (b) 簡單版本
圖 2.3 Holmes 和簡單版本的長條圖的比較 [9]
綜上所述，資料墨色比率不應一味追求極大值，而是取適當區間，而且此方法並 非衡量圖表的唯一方法，還有精準度、反應時間（與熟悉圖表類型有關）、美觀偏好、
符號意義（與社會、文化有關）、吸引力、印象深刻程度、使用意圖、使用情境等都是 評估圖表好壞可參考的指標 [9]。