25、可视化研究中的数据可视化分析：挑战与未来方向

可视化研究中的数据可视化分析：挑战与未来方向

1. 广义问题表征

在实证可视化研究的视觉数据分析中，我们面临着诸多挑战，这些挑战不仅存在于眼动追踪研究这类特定案例中，还会延伸到其他类型的研究里。接下来，我们将从数据与可视化类型、分析与传播目标这两个方面，对视觉数据分析进行广义探讨。

1.1 数据和可视化类型

1.1.1 数据特点

观测数据通常具有规模大、复杂度高、时间依赖性强、异质性和非结构化等特点，这些数据来自不同类型的传感器或信息源。不过，一般来说，观测数据都可以被赋予时间戳，也就是说，即使是来自不同源的数据，最终也能在时间轴上进行注册（尽管在技术上可能存在一定难度）。实际上，其底层数据模型是一个包含不同类型时变数据属性的时间依赖数据集。

具体而言，实际的数据属性类型多样，它们可能不会在相同的时间点或以相同的频率进行采样。有些数据甚至不是在特定时间点采样的，而是分布在整个时间轴上，或者与整个试验（即整个时间轴）相关联。在实验过程中，有大量潜在变量可以作为原始数据被获取。常见的时间序列数据类型包括多维数据（即多个实值字段）或多个分类（标称）数据属性（例如用户日志中的事件类别）。其他更大的数据来源还包括视频（图像）和音频，这些数据可用于协议分析或移动眼动追踪等。此外，对于任何类型的数据，我们还可能获得可靠性或不确定性的度量，这对于许多类型的传感器数据都非常重要。

1.1.2 衍生数据

数据的表征并不局限于原始数据阶段。在许多视觉分析案例中，使用的是衍生数据，这些衍生数据可能比原始数据更具信息价值。以眼动追踪为例，“分析数据”通常就是衍生数据。理想情况下，衍生数据可以完全从原始数据源自动计算