MARC

 008250123s2024        us                              c    eng  d
■001000017162700
■00520250211152043
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384457879
■035    ▼a(MiAaPQ)AAI31337034
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a152
■1001  ▼aHuey,  Holly.
■24510▼aAdaptive  Visualization  Strategies  Across  Drawings,  Diagrams,  and  Data  Visualizations
■260    ▼a[Sl]▼bUniversity  of  California,  San  Diego▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a152  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  A.
■500    ▼aAdvisor:  Fan,  Judith  E.;Walker,  Caren  M.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  San  Diego,  2024.
■520    ▼aFrom  Paleolithic  etchings  to  computational  graphics,  visualization  technologies  that  enable  us  to  externalize  our  thoughts  have  been  critical  to  the  communication  of  ideas  to  others  and  across  generations.  Not  only  have  renderings  like  simple  line-drawings  been  prolific  across  cultures,  but  in  recent  years,  generative  text-to-visual  systems  have  dramatically  decreased  production  barriers  and  have  increasingly  populated  our  modern  world  with  rich  artifacts  of  visual  communication.  The  study  of  visual  communication-  how  people  express  their  knowledge  in  visual  form-presents  abundant  opportunities  and  challenges  to  explore  core  mechanisms  of  human  communication  systems,  because  it  relies  on  complex  interactions  between  perception  and  pragmatics.  What  guides  what  visualization  strategies  people  use  to  convey  their  ideas  to  others  through  visual  form?  My  dissertation  introduces  new  experimental  methods  to  explore  these  strategies.  Overall,  I  find  that  people's  visual  production  behaviors  shift  what  kind  of  information  they  prioritize  depending  on  their  task  goals  and  find  that  their  representational  choices  directly  impact  downstream  interpretation  by  viewers.  In  Chapter  1,  I  investigate  how  communicative  goals  and  immediate  sensory  inputs  jointly  determine  the  kind  of  visual  information  that  people  include  in  their  drawings  and  find  that  people  flexibly  adapt  their  behavior  to  these  different  task  goals  by  prioritizing  different  semantic  information  about  visual  object  concepts.  In  Chapter  2,  I  explore  how  people  adapt  their  visualization  strategies  when  producing  diagrams  (called  "visual  explanations")  of  higher-level  knowledge  (e.g.,  object  function  vs.  object  appearance)  and  find  that  while  these  strategies  facilitate  inferences  about  physical  mechanism,  they  do  so  at  the  expense  visual  fidelity  and  recognition  of  drawn  objects.  To  evaluate  whether  such  flexible  visual  communication  behavior  extends  to  more  domain-specific  knowledge,  Chapter  3  explores  how  people  evaluate  what  makes  data  visualization  effective  for  different  task  goals  and  finds  that  people  selectively  prioritize  different  kinds  of  data  visualization  designs  depending  on  what  supports  fast  and  accurate  graph  comprehension  by  viewers.  Taken  together,  insights  from  these  three  lines  of  work  build  towards  developing  a  more  unified  theory  of  visual  communication  and,  ultimately,  aim  to  better  inform  the  development  of  human-centered  visualization  technologies  guided  by  cognitive  theories  of  visual  communication.
■590    ▼aSchool  code:  0033.
■650  4▼aExperimental  psychology
■650  4▼aCommunication
■650  4▼aCognitive  psychology
■653    ▼aPragmatics
■653    ▼aSemantic  cognition
■653    ▼aVisual  communication
■653    ▼aVisual  object  concepts
■653    ▼aVisual  production
■653    ▼aVisual  recognition
■690    ▼a0623
■690    ▼a0459
■690    ▼a0633
■71020▼aUniversity  of  California,  San  Diego▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g86-04A.
■790    ▼a0033
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162700▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books