Key points are not available for this paper at this time.
시각 분석에서 감각 형성(sensemaking)은 데이터의 대화형 시각 탐색을 통해 촉진됩니다. 이러한 역동적인 과정에서 사용자들은 자신의 분야 지식을 데이터셋과 결합하여 통찰을 생성합니다. 따라서 사용자들이 기본 통계 모델의 매개변수를 조정하여 시각 표현을 변경할 수 있도록 다양한 상호작용 기법을 제공하는 시각 분석 도구가 존재합니다. 그러나 우리는 감각 형성 과정이 매개변수 조정의 연속에 초점을 두지 않고, 오히려 데이터 내에서 인식된 연관성과 패턴의 연속에 초점을 두고 있다고 가정합니다. 따라서 사용자가 모델이나 조정 가능한 매개변수에 직접적으로가 아닌 관찰(데이터)에 대한 자신의 추론을 표현할 수 있도록 시각 분석 도구의 모델을 어떻게 설계할 수 있을까요? 이 논문에서의 관찰 수준(혹은 '관찰')은 시각화 내의 데이터 포인트를 나타냅니다. 본 논문에서는 세 가지 통계 방법인 확률적 주성분 분석(PPCA), 다차원 척도법(MDS), 생성적 위상 맵(GTM)의 맥락 내에서 탐색적 및 표현적 관찰 수준 상호작용 두 가지 가능성을 탐구합니다. 우리는 이러한 두 가지 종류의 관찰 수준 상호작용이 감각 형성 과정 내에서 어떻게 발생하는지에 대한 중요성을 논의합니다. 또한, GTM, MDS, PPCA의 사용 사례를 제시하여 관찰 수준 상호작용이 시각 분석 도구에 어떻게 통합될 수 있는지를 설명합니다.
Endert et al. (Sat,)는 이 질문을 연구했습니다.