邁向互動式視覺化能力評量：連結現有的素養與評估方法
arXiv - Human-Computer InteractionGabriela Molina Le\'on, Benjamin Bach, Matheus Valentim, Niklas Elmqvist
本文探討如何建立正式評估方法，以衡量使用者在互動式數據視覺化任務中的有效操作能力。
AI 幫你先抓重點
AI 重點 1
從「靜態解讀」轉向「動態互動」的評估範式轉移
滑鼠懸停看 AI 判斷理由
傳統評估僅關注讀者能否看懂圖表，但現代數據科學強調透過操作（如篩選、縮放）來發現洞察。理解這一轉變對於設計能培養高階思維的數位學習環境至關重要。
AI 重點 2
將視覺化能力與「意義建構（Sensemaking）」過程掛鉤
滑鼠懸停看 AI 判斷理由
這點強調了視覺化不只是視覺認知，更是一種認知策略。這能啟發教育者在設計 PBL 任務時，不應只教工具操作，更應關注學生如何透過工具進行問題解決。
核心研究發現
- 1
現有的視覺化素養測試（如 VLAT 及其衍生版本）主要侷限於靜態視覺化的使用，無法評估互動行為。
- 2
儘管視覺化能力的研究已有所進展，但目前仍缺乏正式的方法來評估個人在互動式意義建構任務中的表現。
- 3
本文透過討論相關素養概念與評估工具，提出並比較了多種評估使用者在互動過程中運用能力的潛在方法。
對教育工作者的啟發
對於課程設計者而言，這篇文章提醒我們在設計數位學習工具或數據科學課程時，評量標準不應僅止於「學生是否能讀懂圖表」，更應納入「學生如何透過互動操作來探索數據」的過程指標。建議在設計學習任務時，應結合互動式工具，並開發能捕捉學生操作行為（如探索路徑、篩選邏輯）的評估工具，以更全面地衡量學生的數據素養與問題解決能力。
原始文獻資訊
- 英文標題：
- Towards Measuring Interactive Visualization Abilities: Connecting With Existing Literacies and Assessments
- 作者：
- Gabriela Molina Le\'on, Benjamin Bach, Matheus Valentim, Niklas Elmqvist
- 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。