11、知识辅助可视化与引导：提升数据分析效率的关键

知识辅助可视化与引导：提升数据分析效率的关键

1. 引导在数据分析中的核心作用

在数据分析过程中，用户会以隐式或显式的方式提供自身需求和问题作为输入，系统则会提供可能的解决方案来缓解问题情境。核心问题在于参与程度，一方面，用户通过与系统交互，明确或含蓄地表达分析目标以及阻碍进展的知识差距；另一方面，系统对用户的操作做出反应，提供有助于决定实现目标步骤的线索。

引导具有以下特点：
- 它是一个与用户常规数据分析活动并行的动态过程。
- 由于知识差距导致数据分析停滞时，引导是必要的。
- 它是一种假设有人参与的交互式场景。

可以将引导类比为导师帮助学生，导师虽不知学生问题的解决方案，但能提供解决问题的思路，引导学生自行找到答案。因此，引导不仅仅是计算结果的附加算法，更是人机合作的催化剂。

2. 丰富引导的可视化分析模型

2.1 模型基础

基于Schulz等人对引导的初步定义，聚焦于可视化分析（VA），并针对用户的知识差距、引导生成过程的输入和输出，以及引导提供程度进行了调整。Ceneda等人扩展了van Wijk的可视化模型，将引导生成过程和VA过程纳入其中，用“可视化分析”取代了“可视化”这一术语，使模型涵盖了视觉和分析方法。

2.2 模型组件

模型组件如图所示，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]根据特定规格[S]将数据[D]转换为图像[I]，图像被感知（P）以生成知识[K]。用户基于积累的知识，通过调整规格（如选择不同的聚类算法或改变数据视角）交互式地探索（E）数据。van Wijk的模型有效地