第二章 文獻探討
2.2 電腦操作量化評估方法
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]。
2.2
電腦操作量化評估方法
有別於以往資料視覺化的評估方法，都是從受測者的回答衡量好壞，本研究希望 提出用科學、可量化的方式來觀察使用者實際操作互動式資料視覺化的狀況，其中互 動來自滑鼠操作與眼睛接收，因此在本節中分別討論眼動追蹤分析、滑鼠追蹤分析，
以及眼動與滑鼠追蹤的綜合分析。
2.2.1 眼動追蹤分析
眼動追蹤分析已被用來評估靜態資料視覺化，Kulla-Mader 的研究發現只要有墨水 的地方（非空白區域）就會引起瞳孔放大的反應，圖 2.4黑線部分是受測者眼睛凝視點
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
的軌跡 [21]；Burch 等學者則是針對三種不同型態的樹狀圖做眼睛追蹤測試，觀察到不 論是哪一種圖都是根部的地方讓受測者停留最長的時間，以紅色標示於熱點圖 2.5 [22]。
圖 2.4 直方圖上眼睛凝視點的軌跡 [21]
(a) 傳統樹狀圖 (b) 轉直角的樹狀圖
(c) 放射狀的樹狀圖
圖 2.5 不同種樹狀圖的熱區圖結果 [22]
Toker [23] 同樣研究受測者對長條圖的理解能力與效率，總共任務有 80 個，當受 測者作了 40 個之後開始熟悉圖表，每一題需要花的時間較先前減少，且較穩定，如 圖 2.6所示。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖 2.6 所有受測者回答每一題的平均時間 [23]
眼動實驗都是建立在眼動與心智一致的假設上 [10]，意思是眼睛在看哪裡的同時人 類正在想什麼。關於眼動實驗設計，因其結果時常發生誤差，來自校正不準、視網膜 中央凹的誤差、實驗時分心、眨眼或是轉頭（眼動儀與受者測眼睛相對位置偏移），如 果有一段實驗數據沒有視線軌跡、凝視，便需要排除那段數據，實驗時應盡量排除一 切干擾，包含不相關的聲音、突出的顏色。實驗環境保持微暗，螢幕避免太亮，都可 以讓瞳孔大一點，使眼動儀較容易獲得資料。實驗前讓受測者單獨閱讀一段文字可以 知道他的感知與認知之間的延遲時間。因為眼動實驗需要長時間的關注，所以中間必 須要有休息，而且每次開始之前都需要重新校正，同時，為了避免疲勞影響實驗結果，
包含休息的總實驗時間必須在一小時內，如果有多個實驗就需要招募更多的受測者。
因為每個人眼睛的狀況不同會影響受測結果，像是眼皮低的人不容易抓到瞳孔，而攜 帶隱形眼鏡或眼鏡會造成光線反射，讓 The Eye Tribe、Tobii 等以紅外線掃描角膜反射 的眼動儀受干擾，所以通常需多招募 10% 至 20% 的受測者 [24] [25] [26]。
2.2.2 滑鼠追蹤分析
Navalpakkam [27] 對於廣告在網頁搜尋頁面上的位置感到好奇，他嘗試將廣告放在 不同位置，觀察點擊數，以及位置應該要變動還是固定，若固定的話會不會讓使用者 自動忽略該區域。Arroyo [28] 則是用滑鼠軌跡觀察網頁設計的好壞，他發現滑鼠的使 用行為可以區分為五種：指著關注的地方不動、隨著閱讀行為移動、只用來滾動、停
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
在某個地方直到下一個點擊發生前才移動、以及隨機使用。在 105 位受測者中只有 37 位會移動滑鼠，而且只有其中一部分的人隨著閱讀行為移動，其實比例相當低（少於 三分之一）。滑鼠停留的位置經常是網頁的 LOGO、描述或選單上，而互動主要發生在 選單上，很多人會想要點擊 LOGO 卻發現沒有任何反饋。Hehman [29] 則是選擇了較特 別的領域：心理學實驗，要求受測者為一次一張頭部照片選類別，像是性別、種族等，
從受測者的滑鼠軌跡觀察使用者做決策的心理過程，是篤定，猶豫不絕 (圖 2.7A)，甚 至反悔 (圖 2.7B)。
圖 2.7 受測者選擇相片類別的滑鼠軌跡 [29]
市面上還有一個工具是 Hotjar 用來做滑鼠追蹤分析 [30]，其中提到幾種分析方法：
1. 點擊分析：受測者會不會常常點不是按鈕的區域。
2. 分心測試：如果受測者一直沒有看到關鍵訊息，而是任意地變換位置，代表他抓 不到重點。
3. 資訊取得性：如果受測者有太頻繁的點擊，或是滑到網頁最下端，表示他可能找 不到想要的資訊。
4. 深度測試：有太長的留白或是其他不必要的按鈕，讓使用者誤以為網頁結束了而 離開，沒有完整接收到設計者欲傳達的資訊。
5. 頁首測試：是否在頁首的部分停留太久，不知道怎麼繼續。
Hotjar 提出的概念可以只從滑鼠的行為就推測使用者的想法，但是應用較限於一般 網頁，若欲應用在互動式資料視覺化上，還需改進，因為不一樣的互動式資料視覺化 會引起不同的眼動與滑鼠動作，使用者的行為不如操作網頁般容易預測。
‧
有效受測者，並給予 7 個任務，其中有 78/175（44.6%）個樣本積極使用滑鼠，56/175（32%）在搜尋的時候，眼睛和滑鼠在垂直方向上互相跟隨，僅有 18/175（10.3%）有水 平方向上的跟隨情況，另外有 28/175（16%）用滑鼠標示結果。
雖然已知眼睛和滑鼠的表現在搜尋結果頁面裡不甚一致，Navalpakkam 等人 [34] 試 圖用滑鼠軌跡去預測人正在看何處，因為紀錄滑鼠比較容易，僅需內嵌於網頁中，眼 睛追蹤則是需要額外的儀器。這篇研究提出不同於 Rodden 的兩篇用距離計算，而是用
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖 2.8 在各個興趣區域中滑鼠點擊、滑鼠停駐、眼睛凝視的時間比 [32]
圖 2.9 眼睛凝視點與滑鼠停駐點在垂直、水平方向上的距離之出現次數，（原點在搜 尋結果頁的左上角，往右為正，往下為正）[32]
決定係數2 （coefficient of determination）（圖 2.10）計算眼睛、滑鼠的線性比例，結果 發現 78% 的受測者第一個眼睛凝視點在頂部，在這個位置眼睛、滑鼠的相關性很低，
但是換頁或是關掉網頁之前的最後一個興趣區域眼睛、滑鼠的位置有正相關。整體來 說，眼睛、滑鼠在各個區域停留時間之趨勢是一致的，頂部 > 中間 >Google 知識圖3>
底部、左邊，若用熱點圖（圖 2.11）呈現受測者最關注哪一個位置，可以看到兩個金三 角，較大者（也是最受關注的區域）以整個頁面的頂部左側為三角形的底邊，呈倒三角 形，較小者則是在 Google 知識圖上，同樣是倒三角形。結論，以滑鼠預測眼睛凝視位 置仍然非常不準確，還是需要眼動儀輔助，因為每個人操作滑鼠的習慣差太多，而且
2在依變項 Y 的總變異量中，能被自變項 X 所解釋到的變異量百分比。」決定係數越大表示依變項的 總變異量能被自變項的變異量的解釋部分越多，預測結果越準。
3Google 搜尋在 2012 年加入的新功能，顯示在搜尋結果的右方，透過語意學演算，直接提供結構化的 搜尋結果總結及其連結，讓使用者不需自己彙整資訊，進而提升搜尋品質。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
也會受到不同的滑鼠影響。
圖 2.10 Google 搜尋結果頁眼睛和滑鼠在最大的 y 值上的決定係數 [34]
圖 2.11 Google 搜尋結果頁的熱點圖分析 [34]
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University