本文介绍了一项名为“Charagraph”的研究，该研究由Damien Masson、Sylvain Malacria、Géry Casiez和Daniel Vogel共同完成，并于2023年4月23日至28日在德国汉堡举行的ACM CHI 2023会议上发表。该研究的主要目标是解决文档中大量数字数据难以提取、比较和解释的问题，提出了一种名为“Charagraph”的动态生成交互式图表和注释系统，帮助读者更好地理解文本中的数值数据。

研究背景

文档和科学报告中常常包含大量的数值数据，如均值、中位数、置信区间和p值等。这些数据虽然重要，但由于文本的线性结构，读者往往难以进行比较和解释。尽管专家通常建议使用图表来呈现数值数据，但作者可能因为时间、空间或技能限制而省略图表。即使包含图表，读者也可能因为图表设计不佳或与目标不匹配而忽略它们。因此，研究团队提出了Charagraph的概念，旨在让读者能够从现有文档中快速生成自定义的图表，帮助他们在阅读过程中更好地理解数据。

研究流程

研究分为多个步骤，主要包括以下几个部分：

1. 数据选择与提取：读者首先需要在文档中选择包含数值数据的文本段落。系统支持传统的文本选择和矩形选框选择两种方式。选择后，系统会根据文本中的数值生成数据组建议，读者可以选择其中一个数据组来生成图表。

2. 图表生成与定制：系统默认生成垂直条形图，但读者可以根据需要选择其他类型的图表，如水平条形图、折线图或饼图。图表生成后，读者可以进一步定制图表，例如更改图表的样式、重命名图例和刻度标签等。

3. 数据组合与交互：读者可以将多个图表合并，以比较不同的数据系列或添加误差条。系统支持通过拖放操作将多个图表合并为一个复合图表。此外，图表和文本之间具有双向交互功能，读者可以通过悬停、点击等操作在图表和文本之间进行数据识别、过滤、比较和排序。

4. 用户研究：研究团队进行了两部分用户研究。第一部分评估了系统的可用性，参与者被要求使用Charagraph系统创建图表并回答相关问题。第二部分评估了Charagraph的实用性，比较了使用Charagraph和仅阅读文本两种条件下参与者的表现。

主要结果

用户研究的结果表明，所有参与者都能够轻松使用Charagraph系统创建图表，并且在回答与数据相关的问题时，使用Charagraph的参与者比仅阅读文本的参与者更准确（98.61% vs. 92.59%）。此外，参与者在使用Charagraph时感到心理负担、努力和挫败感较低，且更倾向于使用该系统。

结论

Charagraph为读者提供了一种动态生成交互式图表和注释的工具，帮助他们在阅读过程中更好地理解和操作文本中的数值数据。研究结果表明，Charagraph不仅提高了读者对数据的理解能力，还减少了他们在阅读复杂文档时的认知负担。这一系统为读者提供了一种新的方式来主动参与文档的阅读和理解，具有广泛的应用前景。

研究亮点

1. 创新性：Charagraph提出了一种全新的交互式图表生成方式，允许读者从现有文档中动态生成图表，而不依赖于作者是否提供了图表。
2. 实用性：用户研究表明，Charagraph显著提高了读者对数据的理解能力，减少了认知负担，且所有参与者都倾向于使用该系统。
3. 交互性：系统支持丰富的交互功能，读者可以通过多种方式与图表和文本进行互动，进一步增强了数据的可理解性。

未来工作

研究团队计划进一步探索Charagraph的设计空间，支持更多类型的图表和任务，并评估其对信息保留和读者参与度的影响。此外，他们还计划扩展系统，使其能够处理更复杂的自然语言结构，并支持从印刷文档中提取数据生成图表。

Charagraph为读者提供了一种强大的工具，帮助他们在阅读数据丰富的文档时更好地理解和操作数值数据，具有重要的科学和应用价值。