论文部分内容阅读
数据时代,用户对数据信息的需求从简单的获取逐渐变成积极、主动的求索。然而,数据量过大、显示区域面积有限导致有效信息经常被无用信息掩盖,增加搜索难度。数据中的高维度信息虽然与我们的日常生活息息相关,但是其层次多、维度多和变化多的特性增加了信息处理和呈现的难度。因此,如何帮助用户更快捷有效的读取信息和分析数据,是数据时代面对的主要问题。本文将针对这一现状,从理论和方法两个方面提出创新思考。首先,本文从高维信息特性、工作记忆广度和存储特性、认知行为理论以及用户体验的相关知识角度出发,全面探索和分析数据时代的理论背景。同时,分析目前可视化呈现方面的不足。其次,文章针对数据单元、图元关系和数据单元构建数据结构方法对数据结构的理论知识进行重新梳理和定义。一方面,设定元数据作为数据结构中的基本架构单元,定义其包含一定的数据维度从而使之具有一定的可读性。另一方面,依据拓扑学理论将数据结构的基础模型分为线结构、树结构和网结构,并分析三类结构的表征特性。同时,提出表征时序性数据的新结构——螺线型数据结构。然后,本文依据数据结构和工作记忆特性,结合用户视觉信息读取的认知行为特征,提出“任务层级分离式数据可视化结构模型”构建方法。该模型构建方法主要从信息数量和结构的简化和适时加入“视觉顿点”从而清除无效的工作记忆残留的两方面优化用户视觉信息处理环境,以此来提高视觉信息搜索效率。最后,针对前文提出的模型“信息简化”和“视觉顿点”特征,本文设计“信息分层处理”实验和“添加清除时间”两项验证内容,并对其进行可用性评估实验。从而探究认知行为的研究理论对数据可视化结构模型设计的指导意义。