मोबाइल फोन पर समय के साथ दृश्य रेंजिंग

टी एल; डॉ। हमने मोबाइल अनुप्रयोगों और मोबाइल-पहली वेबसाइटों में उपयोग के लिए तीन अस्थायी ग्रैन्युलैरिटी में समय-समय पर श्रेणियों के दो लेआउट का मूल्यांकन किया, जैसे कि मौसम, व्यक्तिगत स्वास्थ्य और वित्त से संबंधित। हमारे प्रयोग में शामिल तिथियां, संकेतित तिथियों को पढ़ना, अत्यधिक मूल्यों का पता लगाना, व्यक्तिगत मूल्यों की तुलना करना, और कई श्रेणियों के फैलावों की तुलना करना शामिल था। अपने स्वयं के फोन पर प्रयोग करें aka.ms/ranges पर प्रयास करें। IEEE TVCG पेपर पढ़ें, IEEE VIS स्लाइड देखें, या https://github.com/Microsoft/rangesonmobile पर स्रोत कोड देखें।

अगली बार जब आप द न्यूयॉर्क टाइम्स का प्रिंट संस्करण लेंगे, तो मौसम पृष्ठ पर जाएं; यहां आपको समय के साथ तापमान रेंज दिखाई देगी। पिछले पांच दिनों और अगले पांच दिनों के लिए उच्च और चढ़ाव कई अमेरिकी शहरों के लिए औसत और रिकॉर्ड तापमान रेंज पर आरोपित हैं, और आपको न्यूयॉर्क शहर के लिए तापमान रेंज का एक पूरा महीना भी मिलेगा। या अगली बार जब आप सवाल पूछते हैं, "क्या यह पिछले साल गर्म था या सामान्य से अधिक अनिश्चित था?", आप रैंडी ओल्सन द्वारा एक चार्ट का सामना कर सकते हैं, पूरे वर्ष के प्रत्येक दिन के लिए मनाया और औसत रेंज को ओवरलेइंग कर सकते हैं। मौसम की रिपोर्टिंग की बात करें तो ये चार्ट काफी पारंपरिक हैं, लेकिन ये निश्चित रूप से मौसम डोमेन तक सीमित नहीं हैं। इरिक बोआम के "7 महीने की नींद" परियोजना पर विचार करें, जिसमें हर दिन कई घंटे सोए जाने की एक सीमा होती है, जिसमें सबसे ऊपर सोते हुए और नीचे अगली सुबह जागने के समय होते हैं। ये उदाहरण प्रिंट में और जब बड़े डिस्प्ले पर दिखाए जाते हैं, तो अच्छी तरह से काम करते हैं, लेकिन यह नहीं है कि हम में से कितने लोग अब मौसम डेटा या व्यक्तिगत स्वास्थ्य और गतिविधि डेटा का उपभोग करते हैं, जैसे कि नींद की अवधि। इसके बजाय, मोबाइल डेटा से इन और कई अन्य स्रोतों के डेटा की खपत होने की संभावना है।

एप्लिकेशन (L → R): डार्क स्काई · वेदरट्रॉन · वेदर लाइन · अज़ुमियो स्लीप टाइम · गार्मिन कनेक्ट · बेडटाइम (आईओएस क्लॉक) · एक्टिविटी (iOS) · स्लीपट (चोई एट अल, प्रोक। UbiComp 2015) · एक ब्लड प्रेशर ट्रैकिंग ऐप। चित्तारो (प्रोक। AVI 2006) द्वारा

डार्क स्काई, वेदरट्रॉन और वेदरलाइन जैसे वेदर एप्स हैं जो परिचित तापमान रेंज को 7 या 10 दिनों के लिए एन्कोडिंग या 12 महीनों के लिए एकत्र करते हैं। स्लीप ट्रैकिंग के लिए, आज़मियो, गार्मिन कनेक्ट, या आईओएस क्लॉक ऐप में बेडटाइम फ़ीचर जैसे ऐप हैं। अगर हम आईओएस एक्टिविटी ऐप में दिखाए गए हार्ट रेट रेंज चार्ट और इन रिसर्च प्रोटोटाइप में दिखाए गए स्लीप और ब्लड प्रेशर रेंज पर विचार करते हैं, तो यह पता लगाने के लायक है कि मोबाइल फोन पर कितने रेंज संभवत: दिखाए जा सकते हैं।

एक और सवाल समय के साथ पर्वतमाला को देखते समय उपयोग किए जाने वाले रैखिक सम्मेलन से संबंधित है। समय भी चक्रीय है; हम मौसम, चंद्र चक्र और कार्यदिवस / सप्ताहांत दिनचर्या का अनुभव करते हैं। समय की चक्रीयता को टिम केकेट्ज़ के वेदर रेडिअल्स जैसे कामों में, या मैनुअल लिमा की बुक ऑफ सर्किलों में चित्रित कई रेडियल रेंज चार्टों में अनुकरणीय माना गया है। लेकिन क्या ये डिज़ाइन मोबाइल डिस्प्ले के लिए उपयुक्त हैं? यह ध्यान में रखें कि मोबाइल ऐप और वेबसाइट डिज़ाइनर रेडियल लेआउट के काफी शौकीन हैं, जैसा कि सेबस्टियन सडोव्स्की द्वारा मोबाइल उपकरणों पर विज़ुअलाइज़ेशन के सर्वेक्षण में सचित्र है।

मोबाइल फोन पर एक भीड़ का प्रयोग

मोबाइल डिस्प्ले में कितने रेंज में फिट हो सकते हैं और क्या आपको एक रैखिक या रेडियल लेआउट का उपयोग करना चाहिए, इसका उत्तर निश्चित रूप से है, "यह डेटा और कार्य पर निर्भर करता है"। हम यह जानते हैं क्योंकि हमने (बोंगशिन ली, पेट्रा इस्बर्ग, यूं क्यूंग चोए और खुद ने) एक भीड़-भाड़ वाला प्रयोग किया, जिसमें हमने भीड़ कार्यकर्ताओं से अपने मोबाइल फोन पर विभिन्न कार्यों का एक सेट करने के लिए कहा।

हमारे प्रयोग में रैखिक और रेडियल लेआउट दोनों शामिल थे, साथ ही समय की तीन ग्रैन्युलैरिटी: एक हफ्ते में 7 सात रेंज, 31 रेंज तक का एक महीना और 365 रेंज का एक साल।

मौसम और नींद ट्रैकिंग अनुप्रयोगों में सीमाओं की व्यापकता को देखते हुए, हमने अपने मौसमी उतार-चढ़ाव के लिए जाने जाने वाले एक समशीतोष्ण अमेरिकी शहर से दैनिक तापमान रेंज डेटा के एक वर्ष का उपयोग करने का विकल्प चुना, साथ ही साथ एक परिश्रमी मात्रा से वास्तविक सोने और जागने का समय डेटा का एक वर्ष r / डेटासेट उपखंड पर selfer।

तापमान डेटा के लिए हमने रिकॉर्ड किए गए औसत तापमानों को देखा था (हम ग्रे में बाद को दिखाते हैं, इसके साथ रंग ढालने वाले तापमान के तापमान को सुपरइम्पोज किया गया था)। हालांकि, नींद के आंकड़ों के साथ, हमारे पास केवल नींद की समय सीमाएं थीं। 'एवरेज स्लीप' रेंज के एनालॉग का उत्पादन करने के लिए, हमने माना कि स्लीप ऐप्स जैसे कि आईओएस का बेडटाइम या गार्मिन का कनेक्ट ऐप स्लीप टाइम लक्ष्यों को इंगित करता है, और हम स्वास्थ्य पेशेवरों की लोकप्रिय सलाह भी सुनते हैं कि लगातार स्लीप शेड्यूल रखना सबसे अच्छा है। और यदि आप वयस्क हैं तो लगभग 8 घंटे की नींद लें। इसका मतलब यह है कि जहां पूरे वर्ष में दैनिक तापमान के लिए ’औसत’ की सीमा में उतार-चढ़ाव होता है, वहीं साल भर में ’औसत’ स्लीप रेंज स्थिर रहती है।

तापमान रेंज (लेफ्ट) और स्लीप पीरियड रेंज (दाएं) के लिए हमारे प्रयोगात्मक अनुप्रयोग में उपयोग किए गए दृश्य एन्कोडिंग का स्पष्टीकरण।

यह भी ध्यान रखना महत्वपूर्ण है कि इन दो डेटा स्रोतों के लिए एक रेखीय लेआउट के लिए मात्रात्मक पैमाने अलग-अलग हैं, मौसम रिपोर्टिंग सम्मेलन के कारण जो कि एक तापमान में गर्म तापमान अधिक होता है और बाद में कैलेंडर में कम होता है; रंग एन्कोडिंग इस अंतर को पुष्ट करता है। हमने इन दो डेटा स्रोतों के लिए अलग-अलग शब्दार्थ संकेत भी दिए हैं, जिसमें कार्य निर्देश और विभिन्न आइकनोग्राफी में अलग-अलग शब्द शामिल हैं। नतीजतन, हमने अपने प्रतिभागियों को दो समूहों में विभाजित किया, एक तापमान रेंज के लिए और एक नींद रेंज के लिए। हमने सीधे इन संघर्षों के कारण दो समूहों के परिणामों की तुलना नहीं की; उन्हें अलग प्रयोगों के रूप में देखा जाना चाहिए।

एक मौजूदा विज़ुअलाइज़ेशन टास्क टाइपोलॉजी का एक फ्रेमवर्क के रूप में उपयोग करते हुए, हमने पाँच प्रायोगिक कार्यों को डिज़ाइन किया है, जिससे कठिनाई बढ़ रही है और क्रम में पूरा हो गया है, हालांकि प्रत्येक कार्य के भीतर हमने प्रत्येक संयोजन के लिए कई परीक्षणों के साथ लेआउट और ग्रैन्युलैरिटी की प्रस्तुति को प्रतिसाद दिया।

इन कार्यों में शामिल तिथियों का पता लगाना, संकेतित तिथियों पर मूल्यों को पढ़ना, चरम सीमा के मूल्यों का पता लगाना, प्रेक्षित तारीखों पर अवलोकन और औसत श्रेणी के मूल्यों की तुलना करना और प्रेक्षित और औसत सीमाओं की तुलना करना शामिल है। दो तुलनात्मक कार्यों के लिए, हमने प्रतिभागियों को 3 प्रतिक्रिया विकल्पों के निश्चित सेट के साथ प्रस्तुत किया। अन्य कार्यों के लिए, प्रतिभागियों को चार्ट पर एक क्षेत्र का चयन करना था। हमने प्रतिभागियों को एक धराशायी क्षेत्र में सही प्रतिक्रिया देने के लिए कहा, जो उनके स्पर्श बिंदु का अनुसरण करता है, और इस क्षेत्र में संभव प्रतिक्रिया डोमेन के 1/7 वें और 1/12 वें के बीच फैला हुआ है, जो कि ग्रैन्युलैरिटी पर निर्भर करता है; दूसरे शब्दों में, उन्हें सही मूल्य को छूने की आवश्यकता नहीं है।

हमने प्रत्येक परीक्षण के लिए पूरा होने का समय और प्रतिक्रिया सटीकता दोनों एकत्र किए, और प्रयोग के अंत में, हमने प्रतिभागियों से उनकी पसंद और लेआउट और ग्रैन्युलैरिटी के प्रत्येक संयोजन के लिए उनकी प्रतिक्रियाओं में उनके समग्र आत्मविश्वास के बारे में पूछा। हमने मैकेनिकल तुर्क के यू.एस. क्राउड वर्कर आबादी से 100 प्रतिभागियों को भर्ती किया, समान रूप से एक तापमान रेंज समूह और एक स्लीप रेंज समूह में विभाजित किया। उनके पास प्रयोग करने का केवल एक ही मौका था, जो 20 से 25 मिनट के बीच हो। उन्हें आईओएस या एंड्रॉइड के हाल के संस्करण और या तो क्रोम या सफारी मोबाइल ब्राउज़र चलाने वाले मोबाइल फोन का उपयोग करना था। हमने 13 प्रतिभागियों से परिणामों को बाहर रखा, गैर-पूर्णता, गैर-अनुपालन के कारण, या प्रयोग के दौरान वितरित गुणवत्ता नियंत्रण परीक्षणों के सही उत्तर देने में विफल रहने के कारण, तापमान समूह में 40 प्रतिभागियों और स्लीप समूह में 47 प्रतिभागियों को छोड़ दिया। शेष डेटा के साथ, हमने दो लेआउट के बीच और ग्रैन्युलैरिटी के 3 स्तरों के बीच त्रुटि समय में अंतर और अंतर की अनुपातों की गणना की।

क्या आपको रेडियल या रैखिक लेआउट का उपयोग करना चाहिए?

आइए पहले रैखिक और रेडियल लेआउट के बीच कार्य पूरा होने के समय में अनुपात पर विचार करें। हमारे परिणामों को देखते हुए, लोग लेआउट के साथ लगभग उसी समय में तुलनात्मक कार्यों को पूरा करते हैं, लेकिन ऐसे कार्यों के लिए जिन्हें मानों की आवश्यकता होती है, लोग रेडियल लेआउट के साथ धीमे होते हैं, चाहे डेटा के स्रोत के बावजूद, विशेष रूप से मूल्यों को पढ़ते समय एक संकेत दिन के लिए। हालाँकि, रेडियल लेआउट में सटीकता की लागत नहीं लगती है, कम से कम तापमान रेंज डेटा के साथ, जहां बहुत अधिक मौसमी बदलाव होता है। स्लीप रेंज डेटा के साथ, जो बिना किसी मौसमी भिन्नता को प्रदर्शित करता है, लोग संकेत की तारीखों को पढ़ने या अत्यधिक मूल्यों का पता लगाने पर कम सटीक होते हैं।

रेडियल लेआउट में मात्रात्मक डोमेन चार्ट क्षेत्र के आधे हिस्से तक संकुचित होता है।

संकेतित तिथियों के लिए रेंज मानों को पढ़ने में कठिनाई इस तथ्य के कारण हो सकती है कि रेडियल लेआउट में मात्रात्मक डोमेन केंद्र क्षेत्र से परिधि तक चार्ट क्षेत्र के आधे हिस्से तक संपीड़ित होता है, इस प्रकार इसे एक रैखिक लेआउट के सापेक्ष नुकसान में डाल देता है , जहां मात्रात्मक डोमेन चार्ट की पूरी ऊंचाई तक फैला है, इसलिए व्यक्तिगत निशान दो बार लंबे होते हैं। हमने दो लेआउट स्थितियों के बीच चार्ट आकार को स्थिर रखा, लेकिन हमारे प्रयोग को दोहराना दिलचस्प होगा जिसमें चार्ट आकार को चार्ट आकार के बजाय स्थिर रखा जाता है, जिसका अर्थ है कि रैखिक रेंज चार्ट उनकी वर्तमान ऊंचाई के आधे तक संकुचित होंगे।

हमने रेडियल लेआउट की परिधि में रिज़ॉल्यूशन के बारे में अनुमान लगाया था।

हमारे निष्कर्ष यह भी बताते हैं कि इससे कोई फर्क नहीं पड़ता है कि कार्य को सीमा के आरंभ या अंत में करना है या नहीं। हमने इस बारे में अनुमान लगाया था कि क्या रेडियल लेआउट की परिधि के चारों ओर बढ़े हुए कालानुक्रमिक संकल्प परिधि में मानों को पढ़ने और पढ़ने के लिए बेहतर प्रदर्शन में योगदान देंगे, और इसके विपरीत कि क्या रेडियल लेआउट का केंद्र बदतर प्रदर्शन को भड़काएगा। लोगों को इस बात की परवाह किए बिना कि यह रेंज के शुरू या अंत के बारे में पूछे जाने के बावजूद, रेडियल लेआउट के साथ धीमी गति से चलते थे, सटीकता में कोई स्पष्ट अंतर नहीं थे।

तो आप सोच रहे होंगे कि क्या हमारे परिणाम ताबूत में एक और कील का योगदान करते हैं, तो सामान्य रूप से रेडियल लेआउट के लिए बोलने के लिए, यह अभ्यास और डिजाइन समुदायों में उनकी लोकप्रियता के बावजूद। यह कहना ललचाता है, लेकिन हमारे परिणाम कुछ अधिक ही बारीक होते हैं। हां, लोग रेडियल लेआउट के साथ धीमे होते हैं, लेकिन केवल मूल्य पढ़ने वाले कार्य संदर्भों में वे कम सटीक होते हैं, जबकि तुलना कार्यों के लिए सटीकता में कोई अंतर नहीं लगता है। हालाँकि, यह भी उल्लेखनीय है कि हमारे प्रतिभागियों ने लीनियर लेआउट को सार्वभौमिक रूप से पसंद किया है, और वे रेडियल के सापेक्ष लीनियर लेआउट का उपयोग करके अधिक आत्मविश्वास महसूस करते हैं।

यदि कार्य मुख्य रूप से श्रेणियों के मूल्यों की तुलना करने के बारे में है, तो यह मायने नहीं रखता है कि आप रैखिक या रेडियल लेआउट का उपयोग करते हैं, कम से कम सटीकता के संदर्भ में।

यदि कार्य मुख्य रूप से श्रेणियों के मूल्यों की तुलना करने या मनाया और औसत सीमाओं के स्पैन की तुलना करने के बारे में है, जैसे कि तुलना करें कि क्या एक महीने में मनाया गया तापमान किसी अन्य महीने के सापेक्ष औसत तापमान के साथ अधिक संरेखित था, तो यह मायने नहीं रखता है कि क्या आप एक का उपयोग करते हैं रैखिक या रेडियल लेआउट, सटीकता के संदर्भ में कम से कम।

यह पूरी तरह से संभव है कि हमारे द्वारा विचार किए गए कार्यों के अलावा अन्य कार्य भी हैं जहां एक रेडियल लेआउट में रैखिक लेआउट के साथ एक फायदा या प्रदर्शन समता है, जैसे कि एड-हॉकिन्स क्लाइमेट स्पाइरल जैसे साल-दर-साल की तुलना में, हालांकि हम इसे निर्धारित करने के लिए एन्कोडिंग की हमारी पसंद पर फिर से विचार करने और पेजिंग, स्क्रॉलिंग या एनीमेशन के उपयोग पर विचार करने की आवश्यकता हो सकती है, जिस बिंदु पर प्रदर्शन मेमोरी के साथ-साथ धारणा पर भी निर्भर करता है। फिर भी, इस क्षेत्र में अतिरिक्त भविष्य के अनुसंधान के अवसर हैं।

मोबाइल डिस्प्ले में आपको कितनी रेंज दिखानी चाहिए?

इस काम में हमारा अन्य प्राथमिक प्रश्न यह है कि आप मोबाइल डिस्प्ले में कितने रेंज में फिट हो सकते हैं और अभी भी उचित कार्य प्रदर्शन को बनाए रख सकते हैं, जैसे कि जब आप 7 रेंज के एक सप्ताह से 31 रेंज के एक महीने से 365 के वर्ष तक कूदते हैं। आप उम्मीद कर सकते हैं कि एक चार्ट में अधिक अंक जोड़ने से खराब प्रदर्शन होगा, लेकिन फिर से हमारे निष्कर्ष अधिक बारीक हैं।

जैसा कि आप उम्मीद कर सकते हैं, लोग एक सप्ताह की सीमाओं के साथ एक महीने की सीमा के साथ धीमे थे, और कुछ उदाहरणों में एक सप्ताह से एक महीने तक का समय पूरा करने का अनुपात एक महीने से एक वर्ष तक अधिक था। सटीकता के संबंध में, चरम मूल्यों का पता लगाने के लिए एक सप्ताह से एक महीने के लिए कूद केवल काफी खराब प्रदर्शन होता है। दिलचस्प बात यह है कि ऐसे मामले थे जहां लोग एक महीने के साथ पर्वतमाला के एक वर्ष के साथ सटीक या उससे भी अधिक सटीक थे, विशेष रूप से चरम तापमान की तलाश में उन लोगों के बीच। यह इस संबंध में है कि हमने तापमान और स्लीप रेंज समूहों के बीच अलग-अलग परिणाम देखे, जहां तापमान रेंज की अपेक्षित वार्षिक प्रवृत्ति नींद की श्रेणियों के एक महीने की जांच के सापेक्ष कार्य को आसान बनाती है।

तापमान या स्लीप रेंज के लिए एक महीना उपयुक्त ग्रैन्युलैरिटी नहीं हो सकता है।

इन परिणामों की एक व्याख्या यह है कि एक महीना तापमान रेंज या स्लीप रेंज के लिए एक उपयुक्त ग्रैन्युलैरिटी नहीं हो सकता है, क्योंकि तापमान एक वार्षिक चक्र का पालन करता है, मासिक नहीं, और हम सप्ताह के दिनों और सप्ताहांत में एक साप्ताहिक नींद की दिनचर्या रखते हैं, जैसा कि एक मासिक नींद की दिनचर्या का विरोध किया। यह संभव है कि रेंज डेटा के अन्य स्रोत मासिक ग्रैन्युलैरिटी पर प्रदर्शित करने के लिए अधिक उपयुक्त हों, जैसे कि चंद्र या ज्वारीय चक्र।

व्यापक निहितार्थ और खुले प्रश्न

अंततः, किस लेआउट के और कौन-से ग्रैन्युलैरिटी को प्रदर्शित करने के प्रश्न वास्तव में डेटा और कार्य के साथ बधाई के बारे में प्रश्न हैं। आपको यह पूछना चाहिए कि क्या डेटा के संदर्भ में एक चक्र सार्थक है, क्या कार्य मानों का पता लगाने या मूल्यों की तुलना करने के बारे में है, और क्या कार्य दक्षता पहली प्राथमिकता है।

यह महत्वपूर्ण है कि हमारे परिणामों और कैसे हमने उन्हें डिजाइन के निहितार्थ के संदर्भ में व्याख्या की है, किसी भी तरह से गैर-मोबाइल संदर्भों में समय के साथ पर्वतमाला के दृश्य को सूचित करने के लिए उपयोग नहीं किया जाना चाहिए। हमारा प्रयोग विशेष रूप से मोबाइल फोन पर किया गया था और हम केवल उस फॉर्म फैक्टर से बात कर सकते हैं।

न ही हमारे परिणाम हमें विभिन्न लेआउट और बारीकियों के साथ रेंज चार्ट के साथ बातचीत के अनुभव पर टिप्पणी करने की अनुमति देते हैं। हमने सटीक चयन या पाठ फ़ील्ड में प्रतिक्रियाओं के प्रवेश की आवश्यकता के बिना प्रत्येक कार्य में प्रतिक्रिया तंत्र को काफी सरल बनाया है।

हमारे जैसे प्रयोगों का डिज़ाइन बाहरी वैधता और संभावित भ्रमों पर नियंत्रण के बीच संतुलन का लक्ष्य रखता है। हमारे परिणामों के प्रकाश में और तापमान डेटा को देखने वाले प्रतिभागियों और नींद के डेटा को देखने वाले प्रतिभागियों के बीच संभावित अंतर, चार्ट्स से अर्थ संबंधी संकेतों को हटाने के लिए एक संभावित जानकारीपूर्ण अनुवर्ती प्रयोग होगा और कार्य शब्दांकन, या प्रयोग को दोहराने के लिए रेंज डेटा के अन्य स्रोत, जैसे कि हृदय गति या रक्तचाप।

विचार करने के लिए एक अन्य दिशा प्रतिभागियों के सगाई के साथ उनके डेटा के लाइव अनुभव के संबंध में दिखाया गया है: यदि हमारे प्रतिभागी अपने स्वयं के सोने के डेटा को देख रहे थे तो हमारे कार्य प्रदर्शन परिणाम क्या दिखेंगे? या यदि वे जहां रहते थे वहां से तापमान के आंकड़ों को देख रहे थे? शायद यहां जिन चीजों की जरूरत है, वे विज़ुअलाइज़ेशन शोधकर्ताओं और परिमाणित स्व समुदाय के बीच एक गहरा जुड़ाव है, ऐसे लोगों के साथ जो पहले से ही अपने व्यक्तिगत डेटा को ट्रैक करने और उनका विश्लेषण करने में गहरी रुचि रखते हैं, खासकर जब उस डेटा का उपयोग मोबाइल फोन से किया जाता है।

सीमा डेटा से परे, हमारा काम मोबाइल उपकरणों के लिए विज़ुअलाइज़ेशन के अधिक अध्ययन की आवश्यकता की पुष्टि करता है, विशेष रूप से हमारे जीवन से अधिक से अधिक डेटा हमारे फोन पर सुलभ हो जाता है। मोबाइल एप्लिकेशन और मोबाइल-प्रथम समाचार आउटलेट में विज़ुअलाइज़ेशन की उपस्थिति बढ़ती रहेगी, और विज़ुअलाइज़ेशन अनुसंधान समुदाय को मोबाइल-पहले और मोबाइल-केवल दृश्य एन्कोडिंग और इंटरैक्शन की जांच जारी रखनी चाहिए। हमारा काम क्राउडसोर्स किए गए प्रयोग के माध्यम से इस शोध को पूरा करने के लिए एक दृष्टिकोण प्रदान करता है, हालांकि निश्चित रूप से विचार करने लायक अन्य दृष्टिकोण हैं।

यदि यह कार्य आपके साथ प्रतिध्वनित होता है, तो हम आपको मोबाइल उपकरणों पर विज़ुअलाइज़ेशन के लिए भविष्य के अनुसंधान निर्देशों के संबंध में प्रतिक्रिया और विचार प्रदान करने के लिए, हमारे साथ संलग्न करने के लिए आमंत्रित करते हैं।

प्रयोग को स्वयं अनुभव करें

हमारा प्रायोगिक अनुप्रयोग MIT ओपन सोर्स लाइसेंस के तहत उपलब्ध है, और आप अभी भी हमारे अपने फोन पर aka.ms/ranges पर अपने प्रयोग का अनुभव कर सकते हैं। यह वेबसाइट केवल पोर्ट्रेट मोड में रखे मोबाइल फोन से देखी जा सकती है, और यह क्रोम और सफारी जैसे मोबाइल वेब ब्राउज़रों के हाल के संस्करणों के साथ संगत है। प्रयोग को पूरा होने में 20-25 मिनट लगते हैं।

अधिक विस्तार चाहते हैं?

यह पोस्ट एक बात से अनुकूलित है जिसे मैंने बर्लिन में 24 अक्टूबर 2018 को IEEE VIS सम्मेलन में दिया था। टॉक और इस पोस्ट में विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE लेनदेन के वॉल्यूम 25, अंक 1 में एक 11-पृष्ठ जर्नल पेपर का सारांश दिया गया है। आप हमारे प्री-प्रिंट संस्करण यहां पढ़ सकते हैं।

स्वीकृतियाँ

यह कार्य बोंगशिन ली (@bongshin | Microsoft Research), पेट्रा इसेनबर्ग (@dr_pi | Inria), यूं क्युन चोए (@slowalpaca | मैरीलैंड विश्वविद्यालय), और स्वयं (मैट बेयरमर) के बीच एक सहयोग था।

हम परिणाम के विश्लेषण के बारे में उनके सुझावों के लिए पियरे ड्रैगिसेविक को धन्यवाद देते हैं, पेपर पर उनकी टिप्पणियों के लिए केन हिंक्ले, कैथरीन प्लैसेंट और लोनी बेसनकोन, साथ ही प्रयोग अनुप्रयोग और प्रक्रिया पर उनकी प्रतिक्रिया के लिए हमारे पायलट प्रतिभागियों।

हमारे शोधपत्र में उद्धृत अकादमिक शोध से परे, यह कार्य प्रेरित है और चिकित्सकों के काम के लिए ऋणी है: मैनुअल लिमा (सर्किल की पुस्तक) द्वारा रेडियल / सर्कुलर विज़ुअलाइज़ेशन उदाहरण अवधि; सेबस्टियन सडोव्स्की (mobileinfovis.com) और आइरीन रोस (mobilev.is) द्वारा मोबाइल डेटा विज़ुअलाइज़ेशन उदाहरण अवधि; एसवीजी ट्यूटोरियल नाडीह ब्रेमर (एसवीजी ग्रेडिएंट्स। बोस्टन मौसम रेडियल); और टिमम (मौसम-radials.com), स्टूडियो TERP (आइंडहोवन मौसम रेडियल), एरिक बोम (स्लीप के 7 महीने), रैंडी ओल्सन (पांचवीं सदी के लिए मौसम चार्ट), और सूसी लू (@DataToViz। मौसम रेडियल चार्ट) द्वारा रेंज चार्ट। ।