BridgeVis：连接定量分析与定性体验的虚拟现实数据可视化

《Visual Informatics》：BridgeVis: Linking quantitative analysis and qualitative experience for data visualization in virtual reality

　　

虚拟现实（VR）可以增强对数据的定性理解，但往往会牺牲定量精度。相反，传统的二维可视化支持准确的定量分析，但提供的具身理解有限。研究人员提出了BridgeVis，一种混合可视化方法，将交互式二维图表与沉浸式三维环境相连接，以同时支持定量分析和定性理解。研究人员定义了一个三维设计空间，包括交互模式、链接机制和映射方向，并通过四个原型使用物理和抽象数据集进行了演示。一项探索性用户研究（N=12）表明，添加交互式二维图表并未显著增加认知负荷。参与者将图表视为分析锚点，用于比较、过滤和导航，而三维环境则支持对尺度、运动和背景的体验性理解。这些发现证明了协调的二维-三维表示的潜力，并为未来沉浸式数据可视化系统的设计提供了信息。

数据可视化长期以来被广泛用于提升公众对数据的理解，但传统二维（2D）可视化在提供精确数值分析的同时，缺乏具身体验；而虚拟现实（VR）虽能通过沉浸式场景增强定性理解，却往往牺牲定量精度。现有研究尝试通过扩展现实（XR）技术整合2D与3D可视化，但大多侧重于增强定量分析能力，对定性体验的贡献有限；或仅提出设计方向而未进行详细测试。为弥补这一空白，研究人员提出BridgeVis——一种在VR环境中嵌入交互式2D图表的混合体验方法，旨在系统性地连接2D定量分析（quantitative analysis）与3D定性体验（qualitative experience）。该研究定义了一个三维设计空间，包含交互模式（Interaction Mode）、链接机制（Linking Mechanism）和映射方向（Mapping Direction），并基于真实数据集构建了四个原型（S1：摩天大楼高度比较；S2：奥运百米赛跑；S3：纳斯达克指数趋势；S4：鲸鱼器官体积）。通过一项混合方法用户研究（N=12，参与者来自交互设计、计算机科学、管理、体育科学等背景，通过在线广告招募），结合任务实验、自由探索、问卷和半结构化访谈，研究人员发现：在VR中引入交互式2D图表并未显著增加认知负荷（NASA-TLX得分无显著差异）；参与者将2D图表视为分析锚点（analytical anchors），用于比较、过滤和导航，而3D环境则支持对尺度、运动和背景的体验性理解。问卷结果显示，91.7%的参与者认可系统在定量分析和定性理解方面的协同作用，83.3%认为两者高度整合。研究还提炼出六项设计启示，为未来沉浸式数据可视化系统的设计提供了系统性指导。该论文发表在《Visual Informatics》。

**主要关键技术方法概述**
研究人员采用半系统化迭代方法构建三维设计空间，包括交互模式（直接选择、空间导航、参数控制）、链接机制（空间映射、视觉编码、时间同步、语义关联）和映射方向（定量到定性、定性到定量、双向同步）。基于Unity 3D引擎和Meta Quest 3头显开发了四个原型，分别对应物理测量数据（S1、S2）和抽象数据（S3、S4）。用户研究采用被试内比较设计，结合NASA-TLX问卷、任务完成时间记录、五点评分量表及半结构化访谈，以评估认知负荷、整合效果和用户体验偏好。

**研究结果**

**认知负荷**：通过2×2重复测量方差分析，图表呈现对主观认知负荷（NASA-TLX）的主效应不显著（F(1,11)=0.04, p=0.85, η_p2=0.003），添加图表条件与无图表条件的平均得分几乎相同（S1有图表：28.95，无图表：28.39；S2有图表：24.10，无图表：23.54）。任务完成时间同样无显著主效应（F(1,11)=0.034, p=0.86），但复杂场景（S1）中图表略微缩短时间，简单场景（S2）中图表略微增加时间，表明图表在复杂任务中可能提供认知卸载益处。

**问卷结果**：五点评分量表显示，91.7%的参与者对定量分析能力给予正面评价（58.3%选择“非常同意”），同样91.7%对定性理解给予正面评价；83.3%认为系统有效整合了定量与定性信息；83.3%认为沉浸感良好。

**访谈分析**：参与者普遍认为3D环境主要支持定性理解（如S1重建尺度、S2体验0.1秒差异、S4比喻类比），2D图表作为分析锚点提供方向感、快捷导航和过滤功能。图表与环境的互补关系被强调：多数参与者先关注环境，后依赖图表进行精确比较；少数参与者最初被环境吸引而忽略图表，但最终承认图表的不可或缺性。认知负荷主要源于信息呈现方式（如密集文本、夸张视觉线索），而非图表本身。

**设计空间反思**：直接选择（8/12）因其效率最受青睐；语义关联和视觉编码（各5/12）被认为能有效将抽象数据具象化；定量到定性映射方向（7/12）被视为最自然的交互流。参与者实践中常采用“直接选择+空间/视觉链接+定量到定性”的组合模式。

**讨论与结论**
讨论部分总结了研究的意义：BridgeVis的设计空间不仅是描述性的，更是生成性的，可为未来混合设计提供系统性方法（如直接选择×视觉编码适用于快速高亮比较，空间导航×空间映射适用于文化遗产或地理数据，时间同步×双向同步适用于时间序列，语义关联×参数控制适用于抽象数据到熟悉比喻的映射）。研究还指出从原子任务到高级分析工作流的可能路径，并讨论了系统层面的沉浸感、空间感知与舒适性考虑（如面板遮挡、隐喻引发的晕动症）。应用领域包括教育、新闻、科学可视化和公共展览。局限性包括样本量较小（N=12）、任务设计简单可能低估图表优势、VR可用性与舒适性问题。未来工作需进行更大规模研究、探索AI驱动的自适应界面、多模态交互（语音、空间音频、触觉反馈）以及扩展至增强现实（AR）场景。

**研究结论部分翻译**：本文介绍了BridgeVis，一种将交互式二维图表集成到沉浸式虚拟现实环境中的方法，以弥合定量精度与定性体验之间的差距。研究人员提出了一个包含三个维度的设计空间，并通过四个覆盖不同数据类型和叙事背景的原型对其进行了实例化。一项针对十二名参与者的探索性用户研究提供了初步证据，表明BridgeVis可以在受控任务中集成到VR中，而不会显著增加认知负荷。自由探索和访谈进一步表明，参与者将2D面板视为分析锚点，将3D环境视为体验媒介。基于这些发现，研究人员推导出六项设计启示。通过强调如何将2D可视化和3D表示整合到一个统一的体验中，这项工作为沉浸式分析领域的未来研究和实践奠定了基础。