3、可视化理论与抽象概念深度解析

可视化理论与抽象概念深度解析

可视化理论组件的评估

在可视化领域，一旦某个理论组件在该领域扎根，新理论组件的进入门槛就会变高。在评审过程中，新的模型和理论通常需要对其自身元素进行某种形式的评估，这与早期发表的作品有所不同，例如“Overview - first”理念就没有附带相关证据。

理论组件的评估证据有多种形式，经验证据和数学证明是常见的两种，但它们都并非绝对可靠。经验证据可能会被后续的观察所反驳，而数学证明往往基于一些假设。科学哲学家卡尔·波普尔认为，经验科学中的理论永远无法被证明，但可以被证伪，就像“所有天鹅都是白色的”这一陈述，在某些地区可能成立，但一旦观察到黑天鹅，就会被证伪。

在可视化文献中，一个模型或理论可能仅由少数作者的一两个具体例子支持，有时甚至没有证据支持。也有通过文献中的其他报告、与已接受的替代理论组件直接比较或数学证明来支持理论组件的情况。

为了解决新理论组件评估的难题，我们可以考虑多种评估标准。由于可视化社区尚未明确讨论这一话题，我们可以借鉴其他学科的做法，例如护理学。护理学理论评估工作提出了以下评估标准：
|评估标准|具体要求|
| ---- | ---- |
|重要性|关注理论组件的背景，要求证明该理论组件对学科的重要性，明确其起源，引用前人知识，并确定其特殊贡献。|
|内部一致性|关注理论组件的背景和内容，要求所有哲学主张、概念模型、概念和命题相互一致，明确概念之间的联系，且命题无矛盾。概念需具有语义清晰度和一致性。|
|简洁性|评估理论组件的内容是否清晰简洁，所需的概念和命题越少越好。|
|可测试性|理论组件应可进行直接的实证测试，要求概念可观察，命题可测量。对于中