SuperProvenanceWidgets：跨 UI 控制元件的分析溯源追蹤與視覺化技術
arXiv - Human-Computer InteractionAntariksh Verma, Kaustubh Odak, Arpit Narechania
本文開發了 SuperProvenanceWidgets 擴充套件，透過跨元件的視覺化技術，追蹤並呈現使用者與多個 UI 控制項之間的互動關係。
AI 幫你先抓重點
AI 重點 1
從「單點追蹤」轉向「關聯性追蹤」的視覺化範式轉移
滑鼠懸停看 AI 判斷理由
傳統工具僅關注單一元件的使用狀況，但 SuperWidget 提供了元件間的互動脈絡，這對於理解使用者如何透過組合不同參數來達成複雜目標至關重要。
AI 重點 2
利用互動溯源來識別與緩解認知偏誤
滑鼠懸停看 AI 判斷理由
透過視覺化使用者在探索數據時的行為軌跡，研究者可以發現使用者是否過度依賴特定參數，進而透過設計介入來促進更全面的探索行為。
核心研究發現
- 1
開發出 SuperWidget 元件，能超越單一控制項，實現跨多個 UI 元件（如滑桿、下拉選單）的互動頻率與時序追蹤。
- 2
透過三個應用情境證明該技術能有效輔助分析工作流的審計與分享、減輕探索偏誤，並優化介面設計與個人化體驗。
- 3
利用「符號認知維度」（Cognitive Dimensions of Notations）進行技術自我評估，驗證該函式庫對開發者的可用性。
對教育工作者的啟發
對於開發學習分析（Learning Analytics）工具的設計者而言，此技術提供了監測學生在數位學習環境中「如何操作」的強大手段。教育科技開發者可以利用此技術，不僅記錄學生「做對了沒」，更能記錄學生「如何探索問題」。例如，在科學實驗模擬軟體中，透過追蹤學生調整不同實驗變數（UI 控制項）的順序與頻率，教師可以分析學生的探索策略，判斷其是否陷入局部思考或展現出系統性的科學探究邏輯，進而提供更精準的鷹架支持。
原始文獻資訊
- 英文標題：
- SuperProvenanceWidgets: Tracking and Visualizing Analytic Provenance Across UI Control Elements
- 作者：
- Antariksh Verma, Kaustubh Odak, Arpit Narechania
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。