Investigamos tareas que se pueden llevar a cabo con gráficas sin etiquetas, que son gráficas con nodos que no tienen etiquetas persistentes o semánticamente significativas adjuntas. Se han propuesto nuevas técnicas de visualización para representar gráficas sin etiquetas, pero se requiere un mayor entendimiento de las tareas de gráficas sin etiquetas antes de que estas técnicas puedan ser evaluadas adecuadamente. Algunas tareas de visualización de redes se aplican tanto a gráficas etiquetadas como a sin etiquetas, pero muchas no se traducen entre estos contextos. Proponemos un modelo de abstracción de datos que distingue el contexto sin etiquetas del contexto etiquetado, atribuido y aumentado, cada vez más rico semánticamente. Filtramos las tareas recopiladas y extraídas de la literatura de acuerdo a nuestra abstracción de datos y analizamos las tareas surgidas, lo que nos lleva a una taxonomía de tareas abstractas para gráficas sin etiquetas. Nuestra taxonomía de tareas está organizada según los datos objetivo bajo consideración, la acción pretendida por el usuario y el alcance de los datos en juego. Mostramos el poder descriptivo de esta abstracción de tareas al conectar con ejemplos concretos de marcos anteriores y al vincular estas abstracciones a problemas del mundo real. Para mostrar el poder evaluativo de la taxonomía, realizamos una evaluación preliminar a través de 6 diferentes modismos de visualización de redes para cada tarea. Para cada combinación de tarea y codificación visual, consideramos el esfuerzo requerido por los espectadores, la probabilidad de éxito de la tarea y cómo ambos factores varían entre gráficas a pequeña y gran escala. Disponibilidad: Materiales suplementarios están disponibles en osf.io/e23mr.
Oddo et al. (Jue,) estudiaron esta cuestión.