Key points are not available for this paper at this time.
A pesquisa em visualização de dados e análises tem um grande potencial para capacitar as pessoas a melhorarem suas vidas ao aproveitar seus próprios dados pessoais. No entanto, a maioria dos Quantified-Selfers não é especialista em visualização nem cientista de dados. Consequentemente, suas visualizações de dados muitas vezes não são ideais para transmitir seus insights. Com o objetivo de projetar um sistema de visualização para ajudar não especialistas a explorar e apresentar seus dados pessoais, realizamos um estudo empírico pré-design. Através da perspectiva dos Quantified-Selfers, examinamos quais insights as pessoas obtêm especificamente de seus dados pessoais e como utilizam visualizações para comunicar esses insights. Com base na nossa análise de 30 apresentações de Quantified Self, caracterizamos oito tipos de insight (detalhe, autorreflexão, tendência, comparação, correlação, resumo de dados, distribuição, outlier) e mapeamos as anotações visuais usadas para comunicá-los. Discutimos ainda quatro áreas para o design de sistemas de visualização personalizadas, incluindo apoio para incentivar a autorreflexão, obter insights válidos, comunicar insights e usar anotações visuais.
Choe et al. (Quarta-feira) estudaram essa questão.