Visualiser des gammes au fil du temps sur les téléphones mobiles

TL; DR. Nous avons évalué de manière expérimentale deux configurations de plages dans le temps, réparties dans trois granularités temporelles, destinées à être utilisées dans des applications mobiles et des sites Web mobiles, tels que ceux concernant la météo, la santé personnelle et la finance. Notre expérience comprenait la localisation de dates, la lecture de valeurs aux dates indiquées, la localisation de valeurs extrêmes, la comparaison de valeurs individuelles et la comparaison de plages de valeurs multiples. Essayez l'expérience sur votre propre téléphone à l'adresse aka.ms/ranges. Lisez le document IEEE TVCG, consultez les diapositives IEEE VIS ou consultez le code source à l'adresse https://github.com/Microsoft/rangesonmobile.

La prochaine fois que vous prendrez l'édition imprimée du New York Times, consultez la page météo. vous verrez ici les plages de température dans le temps. Les hauts et les bas des cinq derniers jours et des cinq prochains jours sont superposés à la plage de températures moyenne et record de plusieurs villes américaines. Vous obtiendrez également un mois complet de plages de température pour la ville même de New York. Ou la prochaine fois que vous posez la question «l’année écoulée a-t-elle été plus chaude ou plus erratique que d’habitude?», Vous pourriez rencontrer un tableau comme celui de Randy Olson, qui superpose les plages observées et moyennes pour chaque jour de l’année. Ces cartes sont assez conventionnelles en ce qui concerne les rapports météorologiques, mais elles ne sont certainement pas limitées au domaine météorologique. Prenons le projet «7 mois de sommeil» d’Eric Boam, dans lequel chaque jour a une plage indiquant les heures de sommeil, avec les heures de coucher en haut et les heures de réveil le lendemain matin en bas. Ces exemples fonctionnent bien sur support imprimé et sur grands écrans, mais ce n'est pas le nombre de personnes qui consomment actuellement des données météorologiques ou des données personnelles sur la santé et l'activité, telles que la durée du sommeil. Au lieu de cela, celles-ci et plusieurs autres sources de données de distance sont susceptibles d'être consommées à partir d'un appareil mobile.

Apps (L → R): Ciel sombre · Weathertron · Weather Line · Heure de veille Azumio · Garmin Connect · Heure du coucher (Horloge iOS) · Activité (iOS) · Veille nocturne (Choe et al, Proc. UbiComp 2015) · Une application de suivi de la pression artérielle par Chittaro (Proc. AVI 2006)

Il existe des applications météorologiques telles que Dark Sky, Weathertron et Weatherline qui présentent le codage de la plage de température bien connue pendant 7 à 10 jours ou agrégé sur 12 mois. En ce qui concerne le suivi du sommeil, il existe des applications comme Azumio, Garmin’s Connect ou Bedtime dans l’application iOS Clock. Si nous prenons en compte les diagrammes de plage de fréquence cardiaque affichés dans l’application iOS Activity et les plages de sommeil et de pression artérielle indiquées dans ces prototypes de recherche, il est utile de savoir combien de plages peuvent être affichées de manière réaliste sur un téléphone mobile.

Une autre question concerne la convention linéaire utilisée lors de la visualisation des plages dans le temps. Le temps est également cyclique; nous faisons l'expérience des saisons, des cycles lunaires et des routines de semaine / week-end. La cyclicité du temps est illustrée par des travaux tels que Weather Radials de Timm Keketitz ou par un certain nombre de diagrammes de distance radiaux présentés dans Book of Circles de Manuel Lima. Mais ces conceptions sont-elles appropriées pour les écrans mobiles? Gardez à l'esprit que les concepteurs d'applications mobiles et de sites Web semblent être passionnés par les dispositions radiales, comme l'illustre une enquête sur la visualisation sur des appareils mobiles réalisée par Sebastian Sadowski.

Une expérience participative sur les téléphones mobiles

La réponse à la question de savoir combien de plages peuvent être intégrées dans l'affichage mobile et si vous devez utiliser une disposition linéaire ou radiale est bien sûr «cela dépend des données et de la tâche». Nous le savons parce que nous (Bongshin Lee, Petra Isenberg, Eun Kyoung Choe et moi-même) avons mené une expérience de collecte participative au cours de laquelle nous avons demandé aux travailleurs de la foule d'effectuer un ensemble de tâches sur leur téléphone portable.

Notre expérience impliquait des dispositions linéaires et radiales, ainsi que trois granularités temporelles: une semaine de sept à sept plages, un mois pouvant aller jusqu'à 31 plages et une année de 365 plages.

Compte tenu de la prévalence des plages dans les applications de suivi du temps et du sommeil, nous avons choisi d'utiliser une année de données de plage journalière d'une ville tempérée américaine connue pour ses fluctuations saisonnières, ainsi qu'une année de données réelles sur l'heure du coucher et du réveil d'un système dilué quantifié. sélfer sur le r / datasets subreddit.

Pour les données de température que nous avions observées ainsi que les températures moyennes enregistrées (nous les montrons en gris, avec le gradient de couleur observé, la plage de température observée se superposant dessus). Cependant, avec les données de sommeil, nous n'avions que les plages de temps de sommeil observées. Pour produire l'analogue d'une plage de 'sommeil moyen', nous avons considéré que les applications de sommeil telles que Bedtime d'iOS ou l'application Connect de Garmin indiquaient des objectifs en matière de temps de sommeil, et nous avons également entendu le conseil populaire des professionnels de la santé selon lequel il est préférable de respecter un calendrier de sommeil cohérent. et dormir environ 8 heures si vous êtes un adulte. Cela signifie que, si les plages «moyennes» pour les températures quotidiennes fluctuent au cours de l’année, les plages de sommeil «moyennes» restent constantes tout au long de l’année.

Une explication du codage visuel utilisé dans notre application expérimentale pour les plages de température (gauche) et les plages de durée de veille (droite).

Il est également important de noter que l’échelle quantitative pour une disposition linéaire est différente pour ces deux sources de données, en raison de la convention relative aux rapports météorologiques qui indique que les températures plus chaudes sont plus élevées dans un graphique et que les temps ultérieurs sont plus bas dans les calendriers; Le codage des couleurs renforce cette différence. Nous avons également fourni différents indices sémantiques pour ces deux sources de données, qui comprenaient des formulations différentes dans les instructions de tâches et une iconographie différente. En conséquence, nous avons divisé nos participants en deux groupes, un pour les plages de température et un pour les plages de sommeil. Nous n'avons pas comparé directement les résultats des deux groupes en raison de ces facteurs de confusion; ils devraient être considérés comme des expériences séparées.

En utilisant une typologie de tâches de visualisation existante comme cadre, nous avons conçu cinq tâches expérimentales de difficulté croissante et terminées dans l’ordre, bien que dans chaque tâche, nous avons contrebalancé la présentation de la présentation et de la granularité, avec plusieurs essais pour chaque combinaison.

Ces tâches comprenaient la localisation des dates, la lecture des valeurs aux dates indiquées, la localisation des valeurs extrêmes, la comparaison des valeurs observées et moyennes aux dates indiquées et la comparaison des étendues observées et moyennes. Pour les deux tâches de comparaison, nous avons présenté aux participants un ensemble fixe de 3 options de réponse. Pour les autres tâches, les participants devaient sélectionner une région sur le graphique. Nous avons demandé aux participants de contenir la réponse correcte dans une région pointillée qui suivait leur point de contact, et cette région couvrait entre 1 / 7ème et 1 / 12ème du domaine de réponse possible, en fonction de la granularité; autrement dit, ils n’ont pas besoin de toucher exactement la valeur correcte.

Nous avons collecté le temps d'exécution et l'exactitude des réponses pour chaque essai. À la fin de l'expérience, nous avons interrogé les participants sur leurs préférences et leur confiance globale dans leurs réponses pour chaque combinaison de disposition et de granularité. Nous avons recruté 100 participants appartenant à la population américaine de Mechanical Turk, répartis de manière égale dans un groupe de plages de température et un groupe de plages de sommeil. Ils n'ont eu qu'une seule occasion de réaliser l'expérience dans son intégralité, ce qui a pris entre 20 et 25 minutes. Ils devaient utiliser un téléphone mobile exécutant une version récente d'iOS ou d'Android et le navigateur mobile Chrome ou Safari. Nous avons exclu les résultats de 13 participants en raison de leur non-achèvement, de leur non-conformité ou de leur incapacité à répondre correctement aux essais de contrôle de la qualité répartis tout au long de l'expérience, laissant 40 participants du groupe Température et 47 participants du groupe Sommeil. Avec les données restantes, nous avons calculé les ratios de temps d’achèvement et les différences de taux d’erreur entre les deux présentations et entre les 3 niveaux de granularité.

Devez-vous utiliser une disposition radiale ou linéaire?

Voyons d’abord les rapports entre le temps d’achèvement des tâches entre les dispositions linéaires et radiales. Compte tenu de nos résultats, les utilisateurs ont tendance à effectuer les tâches de comparaison dans à peu près le même temps, quelle que soit la présentation, mais pour les tâches nécessitant la localisation de valeurs, les utilisateurs ont tendance à ralentir les mises en page radiales, quelle que soit la source des données, notamment lors de la lecture des valeurs pour un jour indiqué. Toutefois, les schémas radiaux ne semblent pas engendrer de coûts de précision, du moins avec les données de plage de température, où les variations saisonnières sont généralement importantes. Avec les données de plage de sommeil, qui ne présentent aucune variation saisonnière, les utilisateurs sont moins précis lors de la lecture des valeurs pour les dates indiquées ou lors de la localisation des valeurs extrêmes.

Le domaine quantitatif dans une disposition radiale est compressé à la moitié de la zone de graphique.

La difficulté à lire les valeurs de plage pour les dates indiquées peut être due au fait que le domaine quantitatif dans une présentation radiale est compressé à la moitié de la surface de la carte, du centre vers la périphérie, ce qui la désavantage par rapport à une présentation linéaire. , où le domaine quantitatif couvre toute la hauteur du graphique, de sorte que les marques individuelles sont deux fois plus hautes. Nous avons gardé la taille du graphique constante entre les deux conditions de mise en page, mais il serait intéressant de répéter notre expérience dans laquelle la taille de la marque est maintenue constante au lieu de la taille du graphique, ce qui signifie que les graphiques à plage linéaire seraient compressés à la moitié de leur hauteur actuelle.

Nous avions spéculé sur la résolution à la périphérie d'une disposition radiale.

Nos résultats suggèrent également que cela ne fait aucune différence que la tâche concerne le début ou la fin de la plage. Nous avions spéculé sur le point de savoir si la résolution chronologique accrue autour de la périphérie d'une disposition radiale contribuerait à de meilleures performances pour la localisation et la lecture des valeurs à la périphérie, et inversement si le centre d'une disposition radiale pouvait être moins performant. Les personnes avaient tendance à être plus lentes avec une disposition radiale que la tâche leur ait été demandée au début ou à la fin de la plage. Il n'y avait pas de différences prononcées en termes de précision.

Donc, vous vous demandez peut-être si nos résultats apportent un autre clou au cercueil, si on peut dire pour les aménagements radiaux en général, ceci malgré leur popularité dans les communautés de concepteurs et de praticiens. C’est tentant de dire cela, mais nos résultats sont un peu plus nuancés. Oui, les présentations radiales tendent à être plus lentes, mais seuls les contextes de tâche de lecture de valeur sont moins précis, alors qu'il semble n'y avoir aucune différence quant à la précision des tâches de comparaison. Toutefois, il convient également de noter que nos participants ont universellement préféré les dispositions linéaires et qu’ils se sentaient plus confiants lorsqu’ils utilisaient des dispositions linéaires par rapport aux modèles radiaux.

Si la tâche consiste principalement à comparer des valeurs de plages, le fait que vous utilisiez une présentation linéaire ou radiale n’a aucune importance, du moins en termes de précision.

Si la tâche consiste principalement à comparer les valeurs des plages ou les plages des plages observées et moyennes, comme comparer si les températures observées pendant un mois étaient plus alignées sur les températures moyennes par rapport à un autre mois, peu importe si vous utilisez un linéaire ou radial, au moins en termes de précision.

Il est également tout à fait possible qu'il existe des tâches autres que celles considérées où une disposition radiale présente un avantage ou une parité de performance avec une disposition linéaire, comme dans les comparaisons d'une année sur l'autre, comme dans Climate Spirals d'Ed Hawkins, bien que nous le déterminions bien. peut avoir besoin de revoir notre choix d’encodage et d’envisager l’utilisation de la pagination, du défilement ou de l’animation, auquel cas les performances dépendent à la fois de la mémoire et de la perception. Néanmoins, il existe des possibilités de recherche future dans ce domaine.

Combien de gammes devriez-vous afficher sur un écran mobile?

Notre autre question principale dans ce travail portait sur le nombre de plages que vous pouvez adapter à un écran mobile tout en conservant des performances raisonnables, par exemple lorsque vous passez d'une semaine de 7 plages à un mois de 31 plages à une année de 365. Vous On pourrait s’attendre à ce que l’ajout de plus de marques dans un graphique entraîne une dégradation des performances, mais là encore nos conclusions sont plus nuancées.

Comme on pouvait s'y attendre, les gens étaient plus lents avec une plage de mois qu'avec une semaine, et dans certains cas, les ratios de temps d'achèvement d'une semaine à un mois étaient supérieurs à ceux d'un mois à une année. En ce qui concerne l'exactitude, le passage d'une semaine à un mois n'a entraîné que des performances nettement pires lors de la localisation de valeurs extrêmes. Il est intéressant de noter que dans certains cas, les personnes étaient aussi précises, voire plus, avec une année de fourchette plutôt qu’un mois, particulièrement parmi celles qui recherchaient des températures extrêmes. C’est à cet égard que nous avons observé différents résultats entre les groupes de température et de sommeil, où la tendance annuelle attendue des plages de température semble faciliter la tâche par rapport à l’examen d’un mois de plages de sommeil.

Un mois peut ne pas être une granularité appropriée pour les plages de température ou de sommeil.

Une interprétation de ces résultats est qu'un mois peut ne pas être une granularité appropriée pour les plages de température ou de sommeil, car les températures suivent un cycle annuel et non mensuel, et nous avons tendance à avoir une routine de sommeil hebdomadaire les jours de semaine et les week-ends, comme opposé à une routine de sommeil mensuel. Il est possible que d'autres sources de données de distance soient plus appropriées pour une granularité mensuelle, telles que les cycles lunaire ou de marée.

Implications plus larges et questions ouvertes

En fin de compte, les questions relatives à la disposition et à la granularité à afficher sont réellement des questions de congruence avec les données et la tâche. Vous devez vous demander si un cycle est significatif dans le contexte des données, si la tâche consiste à rechercher ou à comparer des valeurs et si l'efficacité de la tâche est la première priorité.

Il est important de souligner que nos résultats et leur interprétation en termes d’implications pour la conception ne doivent en aucun cas être utilisés pour éclairer la visualisation des plages dans le temps, dans des contextes non mobiles. Notre expérience a été menée exclusivement sur des téléphones mobiles et nous ne pouvons parler que de ce facteur de forme.

Nos résultats ne nous permettent pas non plus de commenter l'expérience d'interaction avec des cartes de plages présentant différentes dispositions et granularités. Nous avons conçu le mécanisme de réponse dans chaque tâche pour qu'il soit assez simple, sans nécessiter de sélection précise ni de saisie de réponses dans des champs de texte.

La conception d'expériences telles que la nôtre vise un équilibre entre la validité externe et le contrôle du potentiel confondu. À la lumière de nos résultats et des différences possibles entre les participants qui ont vu les données de température et ceux qui ont consulté les données de sommeil, une expérience de suivi potentiellement informative consisterait à supprimer les indices sémantiques des graphiques et du libellé de la tâche, ou à répéter l'expérience avec autres sources de données de distance, telles que la fréquence cardiaque ou la pression artérielle.

Une autre direction à prendre en compte est l'engagement des participants en ce qui concerne leur expérience vécue des données présentées: à quoi ressembleraient les résultats de notre performance de tâche si les participants examinaient leurs propres données sur le sommeil? Ou s'ils regardaient les données de température de leur lieu de résidence? Ce qui est peut-être nécessaire ici, c'est un engagement plus profond entre les chercheurs en visualisation et la communauté autonome quantifiée, avec des personnes qui ont déjà un vif intérêt pour le suivi et l'analyse de leurs données personnelles, en particulier lorsque ces données sont consommées depuis un téléphone mobile.

Au-delà des données de plage, notre travail réaffirme la nécessité de mener davantage d'études sur la visualisation pour les appareils mobiles, en particulier à mesure que de plus en plus de données de nos vies deviennent accessibles sur nos téléphones. La présence de la visualisation dans les applications mobiles et dans les centres d’information mobiles d’abord mobile continuera à augmenter, et la communauté des chercheurs dans le domaine de la visualisation doit continuer à étudier les encodages et interactions visuels axés sur mobile d’abord et uniquement mobiles. Notre travail propose une approche pour mener à bien cette recherche via une expérimentation participative, bien que d’autres approches méritent d’être envisagées.

Si ce travail vous intéresse, nous vous invitons à communiquer avec nous afin de nous faire part de vos commentaires et de vos idées concernant les orientations futures de la recherche pour la visualisation sur des appareils mobiles.

Vivez l'expérience vous-même

Notre application expérimentale est disponible sous une licence open source MIT, et vous pouvez toujours faire l'expérience de notre expérience sur votre propre téléphone à l'adresse aka.ms/ranges. Ce site Web ne peut être consulté que sur un téléphone portable tenu en mode portrait. Il est compatible avec les versions récentes des navigateurs Web mobiles tels que Chrome et Safari. L'expérience dure environ 20 à 25 minutes.

Vous voulez plus de détails?

Cet article est une adaptation d'une conférence que j'ai donnée lors de la conférence IEEE VIS du 24 octobre 2018 à Berlin. La conférence et cet article résument un article de journal de 11 pages dans le volume 1 du numéro 25 de IEEE Transactions on Visualization and Computer Graphics. Vous pouvez lire notre version pré-imprimée ici.

Remerciements

Ce travail était une collaboration entre Bongshin Lee (@bongshin | Microsoft Research), Petra Isenberg (@dr_pi | Inria), Eun Kyoung Choe (@slowalpaca | Université du Maryland) et moi-même (matt brehmer | Microsoft Research).

Nous remercions Pierre Dragicevic pour ses suggestions concernant les analyses de résultats, Ken Hinckley, Catherine Plaisant et Lonni Besançon pour leurs commentaires sur le document, ainsi que les participants pilotes pour leurs commentaires sur l'application et la procédure de l'expérience.

Au-delà des recherches académiques citées dans notre article, ce travail est inspiré et redevable des travaux des praticiens: exemple de visualisation radiale / circulaire réalisé par Manuel Lima (Le livre des cercles); exemple de visualisation de données sur mobile par Sebastian Sadowski (mobileinfovis.com) et Irene Ros (mobilev.is); Tutoriels SVG de Nadieh Bremer (Gradients SVG | Radial météo de Boston); et cartes de gamme par Timm (weather-radials.com), STUDIO TERP (météo radiale d'Eindhoven), eric boam (7 mois de sommeil), Randy Olson (carte météorologique pour fivethirtyeight) et Susie Lu (@DataToViz | météo radiale) .