11、知识辅助可视化与引导：提升数据分析效能

知识辅助可视化与引导：提升数据分析效能

1. 引导在数据分析中的核心地位

在数据分析过程中，用户会隐式或显式地将自身需求和问题作为输入，系统则提供可能的解决方案以缓解问题情境。核心问题在于参与程度，一方面，用户通过与系统交互，明确或隐晦地表达分析目标以及阻碍进展的知识差距；另一方面，系统对用户操作做出反应，提供有助于决定达成目标步骤的线索。

引导具有以下特点：
- 是与用户常规数据分析活动并行的动态过程。
- 因知识差距导致数据分析停滞时产生需求。
- 是一种假设有人参与的交互式场景，类似于导师帮助学生，虽不知问题的具体解决方案，但能提供解决问题的思路，引导学生自行找到答案，是人机合作的催化剂。

2. 丰富引导的可视化分析模型

Ceneda 等人扩展了 van Wijk 的可视化模型，将其应用于可视化分析（VA）和引导生成过程。该模型涵盖了视觉和分析方法，组件用灰色轮廓表示，其中方框代表数据或图像等工件，圆圈代表处理输入并生成输出的功能。

视觉和分析手段 [V] 根据特定规范 [S] 将数据 [D] 转换为图像 [I]，图像被感知（P）以生成知识 [K]。基于积累的知识，用户可通过调整规范（如选择不同聚类算法或改变数据视角）交互式地探索（E）数据。

Ceneda 等人在模型中添加了与引导相关的新组件，以蓝色轮廓显示。引导生成过程（G）处于中心位置，首先与用户知识 [K] 相连，因为在采取引导措施前，需了解用户的具体问题，他们提出“知识差距”概念来描述阻碍数据分析继续的实际不足。引导生成过程还与多种信息源相连，包括原始数据 [D]、可视化图像 [I]、VA 规范 [S]、交互历史或来源 [