2021-人机交互-Reading-Effects of Display Size and Navigation Type on Classificaiton Task

Summary1-Effects of Display Size and Navigation Type on a Classification Task

1. Abstraction

1. 超高分辨率墙壁尺寸显示器的出现及其在复杂任务中的使用更系统地分析和更深入地了解与台式显示器相比的优缺点。
2. 我们设计了显式数据操作的抽象分类任务。
   1. 根据我们对墙壁尺寸显示器实际用途的观察，该任务代表一大类应用程序。
   2. 我们将墙壁尺寸的显示器前的物理导航与在桌面上使用平移和缩放的虚拟导航进行比较。
3. 我们的主要发现
   1. 显示类型和任务难度之间存在强大的交互作用。
      1. 对于简单任务，桌面尺寸可以比墙壁尺寸更快。
      2. 对于困难任务，墙壁尺寸取得了相当大的优势。
   2. 一项后续研究，其他桌面技术（概述 + 细节、镜头）的性能并不比平移和缩放好，因此在执行困难任务时比墙慢。

2. Introduction

1. 墙壁尺寸显示器正变得越来越普遍。
   1. 问题：桌面尺寸显示器的现有研究结果是否仍然适用于这种新环境。
   2. 增加的密度会提供了物理导航：
      1. 低像素密度的基于投影的系统被现在与桌面显示器相同像素密度的平铺显示器取代
      2. 墙壁尺寸显示器允许用户可以靠近屏幕查看细节，然后退后查看概览。
   3. 因此这就导致了挂式显示器进行物理导航与桌面上的虚拟导航之间的相对权衡。
2. 以往的大多数研究都涉及搜索、可视化和意义构建任务。
   1. 在原型设计和实际任务期间对实际用户的观察中，用户想要重新组织显示在墙上的数据：用户移动项目并以对手头任务有意义的方式将其重组。
   2. 我们关注对显式数据操作的任务
      1. 可以在多尺度导航技术（例如交互式概览）的台式计算机上执行。
      2. 需要操作数据（例如pick and drop），增加交互的复杂性。
   3. 我们需要在交互式环境中，更好地了解这些不同尺寸显示器的优缺点，以制定更好地指导其设计的指南。
3. 我们面对的挑战：如何设计一个抽象任务来操作数据操作的关键方面，以便进行受控实验来比较墙壁尺寸和桌面显示器的任务性能。
   1. 为提高内部有效性：任务应该减少与决策过程相关的认知负荷，并专注于实际的数据操作。
   2. 为提高外部有效性：它应该具有在现实世界任务中发现的相同的典型交互。
   3. 最后，实验者应该能够以可控的方法改变任务的难度。
4. 本文其余部分为我们的工作提供了更详细的动机，包括对突出需求并影响抽象任务设计的用户的具体观察。
   1. 回顾了相关工作，描述了我们对符合上述要求的抽象分类任务的设计。
   2. 我们展示了两个受控实验的结果：这些实验将墙壁尺寸的显示器上的物理导航与桌面显示器上的三种形式的虚拟导航进行比较。
   3. 最后讨论了主要结果：
      1. 发现了现实类型和任务难度之间存在强大的交互作用
      2. 尽管桌面对于简单的任务通常更快，但随着任务难度的增加，壁挂式显示器的性能明显更好。

3. Motivation

1. 我们与用户（主要是科学家）举办了一系列参与式设计研讨会
   1. 观察他们如何在我们超高分辨率墙壁大小的显示器上与自己的数据进行交互
   2. 还将墙壁用于我们自己现实世界的任务。
2. 我们简要描述了四个典型的使用示例。

3.1. Application Examples（墙壁尺寸的显示器）

1. 场景一：早期被用于两名程序委员会主席将 145 篇提交论文分配给13位副主席（AC）
   1. 将显示器划分为几列，每个AC一列，外加一个用于留待分配的论文的草稿区。
   2. 委员会主席
      1. 每次从一堆文件中挑选一份或多份文件，并通过将其移动到相应的列来分配给AC，并且考虑利益冲突。
      2. 未决定的文件，被留在草稿区，等待分配。
   3. 底部的纸堆形成了直方图，可以轻松确定每个AC的相对负载。
   4. 随着墙被填满，主席们重新安排论文来优化分配，保证每个AC有合理数量的论文要审查。
2. 场景二：神经解剖学家显示他们收集到的数百个3D脑部扫描图。
   1. 应用程序可同时显示64个高分辨率脑部扫描，每个扫描方向相同，以便他们可以从相同角度分析扫描。
   2. 用户目标：比较、对比和分类健康和患病的大脑。
      1. 我们提供了重新排列扫描的能力
      2. 用户可以将大脑拖放到组中或将它们并排放置以便于比较。
3. 场景三：用于安排一个大型会议。
   1. 用户目标：200个会议中包含500个演讲，需要在四天内组织成13个平行轨道。
   2. 调度限制：
      1. 相关论文必须在同一会议或不在同一时间段。
      2. 作者不能同时在两个地方。
      3. ”大型抽奖“活动必须放在大房间里
   3. 墙壁尺寸的显示器的优点
      1. 高分辨率可以显示完整的程序，包括标题、作者和简要说明。
      2. 各种颜色和标签可以用户可视化解决硬冲突、软约束和事件间的关联。
   4. 最常见的调度任务：识别错位获冲突的会议，找到更好的位置。
   5. 一个动作往往会出发另一个动作，并且经常成组工作的调度员不得不处理更新序列。
4. 场景四：用于让用户在墙上组织剪辑序列。
   1. 每个剪辑出现在显示器的一个图块中，用户可以单独或顺序播放剪辑。
   2. 用户可以重新组合剪辑来尝试不同的编辑。
   3. 变体：组织一副幻灯片

3.2. Implications

1. 这些应用程序共享三个要素
   1. 一个复杂决策任务：依赖于用户的专业知识以及他们快速访问墙的全部内容的能力。
   2. 一个结构化显示：信息在网格中被逻辑组织起来。
   3. 需要通过将项目从一个单元格移动到另一个单元格来操作数据。
2. 这些应用程序非常适合协作工作。我们观察到了一系列写作模式，从独立、并行的工作到紧密合作的成对工作。
3. 上面的例子说明了
   1. 墙壁尺寸的显示器的好处从超大图像的可视化扩展到需要需要人工判断的任务和对大型数据集的操作。
   2. 无论是为了更好的理解数据集、形成意见还是指定决策，操作内容是任务的一个组成部分
4. 数据集的大小是用户想要将桌面移动到墙壁尺寸的显示器上的主要原因：
   1. 用户可以一次性看到所有的内容，只需要走向墙壁就可以访问详细信息。
   2. 用户可以更好地利用空间记忆，因为它与他们在空间中的物理运动相结合。
   3. 相比而言
      1. 桌面界面的虚拟导航：可能让人迷失方向，并增加不断导航数据集的开销（分散用户注意力并增加他们的认知负荷）
      2. 物理移动比虚拟导航更耗时、更累，并且使用众所周知的设备和小部件处理数据可能比在墙壁尺寸的显示器中使用空中技术更有效。
5. 我们的目标是更深入地研究我们的观察所提出的问题，并系统地评估在超高分辨率墙壁尺寸显示器上处理数据的优缺点。

4. 相关工作

1. 在关于大型显示器的大量文献中，我们专注于研究显示器尺寸对各种任务的影响。
   1. 首先考虑在桌面环境中进行的研究
   2. 然后转向物理导航的研究
   3. 最后回顾多尺度界面的相关研究

4.1. 桌面设置中的大显示器

1. 之前的工作已经证明对传统桌面任务而言更大显示器的好处
   1. Czerwinski等人[10]发现：执行复杂的日常任务时，更大的显示器可以观察到更高的生产力和满意度。
   2. Bi和Balakrishnan[7]将大型投影墙显示器与单台和双台显示器进行比较：发现大型显示器可以促进具有多个窗口和丰富信息的任务，提供更身临其境的体验，并增强了周边意识。
2. 在有意义的任务重，高分辨率的显示器，提供了更多的信息和一个虚拟空间[1]（意义被编码在数据、文档、显示器和用户之间的空间关系中）：增加显示尺寸和分辨率都可以提高用户在信息丰富的环境中的性能[20]。
3. Tan等人[26]证明大投影显示比桌面显示器更好地支持空间定向任务，并认为这些更具沉浸感的环境鼓励以自我为中心的旋转，从而提高性能。
4. 同样，Czerwinski等[11]发现性别差异对空间任务中视野的影响。
5. 虽然这些研究一致显示了更大显示器的好处，但是大多数是在传统桌面环境中进行的，用户坐在显示器前，身体活动没有或受限。

4.2. 使用壁式显示器进行物理导航

1. 随着显示器尺寸和像素密度的增加。在大型显示器前站立和移动变得必要。
   1. Ball等[4]表明更大的显示器可以促进物理导航并提高用户在搜索、导航和模式查找任务中的表现，但是他们的任务不设计数据处理，也不包括用于比较的桌面条件。
   2. Ball和North[3]研究了大型显示器的主要优势，并发现物理导航比增加视野更重要。
   3. Yost等[27]表明尽管需要物理导航，但使用更大的显示器可以提高用户性能。
2. 大型显示器也会影响感知。
   1. Endert 等[12]展示了视觉编码对大型显示器上物理导航的影响，并表明物理导航提高了用户性能。
   2. Bezerianos 和 Isenberg [6] 发现，当用户没有在墙上看他们面前时发生的透视失真会影响他们对相对大小和方向的判断的准确性，而身体运动很少能改善这种情况。
3. 总之，这些研究显示了在某些情况下物理导航对某些任务的好处，这些任务都没有数据操作。

4.3. 多尺度接口和显示尺寸

1. 多尺度界面[9]旨在在太小的显示器上可视化大量数据。
   1. 除了少数例外[18]，多尺度界面已经在桌面上部署和研究，大概是为了避免对大型显示器的需求。
   2. 然而，显示尺寸对多尺度导航的影响尚未得到充分研究。
2. Guiard等[13]对用于平移和缩放目标获取任务的中小型显示器尺寸的比较表明，较大显示器的性能有所提高。
3. Jakob-sen和Hornbæk[15]评估了具有三种显示尺寸的交互式可视化技术（概览+细节、焦点+上下文、平移和缩放）的可用性。令人惊讶的是，大显示屏并不总是更快，有时比中显示屏慢。作者建议某些技术需要在大显示器上增加目标搜索时间。
4. 这些结果表明，在使用多尺度导航技术时，大型显示器只有很小的好处或没有好处。然而，这些研究是在用户坐在显示器前的桌面环境中进行的，任务只涉及可视化或目标获取。

4.4. 总结和方法

1. 尽管研究显示尺寸和物理导航影响的文献越来越多，但数据操作任务在很大程度上被忽略了。事实上，我们知道没有对用户在显示器前站立和移动的超大显示器进行此类任务的研究。
2. 我们的目标是在以前的工作的基础上，提高我们对墙壁尺寸显示器、物理导航与桌面显示器、虚拟导航之间权衡的理解，以进行数据操作任务。我们必须确定哪种输入技术最适合每种设置，并构建一个抽象的数据操作任务，以捕捉我们观察到的现实世界任务的基本要素。

5. 抽象分类工作

1. 我们选择了一个简单的分类任务
   1. 用户根据它们的属性将一组项目划分为不同类
   2. 项被自由（大脑扫描）或受限（分配论文）的分组到容器中。
      1. 资源分配任务：增加了每个容器的有限容量这个约束。
      2. 调度任务：更加复杂，添加了更多的约束。
2. 我们在更简单和更复杂中寻求中间立场：
   1. 我们的任务有比类更多的容器。
   2. 用户将类似的项放入容器，并且不会让容器溢出。
   3. 例如，会议演讲（项）必须在容量有限的会话（容器）中，但多个会话可以具有相同的主题（类）。
3. 具体定义：
   1. 用不同的字母代替类：避免专家判断或产生沉重的认知负担，找到简单的、易于测试的关系。
   2. 调整字体的大小来操作信息密度：需要显示项的信息，以便用户可以确定两个项是否是一类。比如：会议安排任务中的论文标题、关键词和摘要；神经解剖学应用程序中显示大脑的高分辨率图像。
4. 我们通过几个参数控制分类任务的复杂性：项数、类数、容器数和项的表示形式，包括标签字体大小。这些因素为基于抽象任务的实验任务定义了丰富而易于控制的设计空间。

5.1. 实验工作

1. 实验任务：如下图
   1. 项数：32 * 5 = 160
   2. 容器数：32
   3. 容器中最大项目数：6
   4. 容器被组织：8 * 4的矩阵
   5. 物品被描述为：圆盘

2. 我们通过设置类的数量来控制难度。
   1. DIFFICULTY 因素使用两个级别：
      1. Easy（2 个类别标记为“C”和“D”）
      2. Hard（4 个类别标记为“H”、“K”、“N”和“R”）
   2. 这些字母是根据BS 4274-1:2003视力测试标准 [8] 选择的，以保证同等的易读性。由于项目显示其类别的名称，相似性标准非常简单：相似的项目具有相同的标签。
3. 标签大小会影响远处的易读性，从而影响能够阅读标签并做出决定所需的物理或虚拟导航水平。
   1. LABELSIZE 因素我们使用三个级别：
      1. Small 是标准的计算机字体（12pt 字体，字母大小约为 1.8x2.3mm）
      2. Medium 是小号的两倍
      3. Large 是字符与小号相同的大小
   2. 当整个场景被缩小到实验中使用的桌面显示器的大小（字母大小约为 15.5x20mm 或 100pt）。
4. 最后，我们通过自动将不正确分类的项目着色为红色来简化任务。
   1. 更准确地说，当容器中的大部分物品属于同一类时，我们将这些物品涂成绿色，将其他物品涂成红色。
   2. 这使得很容易发现哪些项目需要分类，也给参与者一个明确的目标：“让一切都变得绿色”。
5. 该任务包括
   1. 在容器之间移动项，保证每个容器都拥有相同类别的项。
   2. 通过拾取和放置交互来移动项
      1. 单击项将其拾取并将其附加到光标。
      2. 第二次单击将项放入容器除非容器已满。这种情况下，项会返回原始容器的对应位置。
   3. 桌面 & 墙壁
      1. 桌面显示器中，参与者可以平移和缩放场景来读取标签、找到目标容器并确定要移动的项
      2. 墙壁显示器中，用户站在或走进墙前使用平板电脑控制光标。

6. 初始配置
   1. 我们生成初始配置：随机配置解决任务需要很长时间。
      1. 每个都从24个错误分类项目的配置开始（如图2）
      2. 项目均匀分布在各个类别中，但随机分布在容器中。
      3. 8个容器包含2个不正确的项目，其他8个容器包含1个不正确的项目。
      4. 为了保证任务具有相同难度
         1. 生成随机布局
         2. 满足如下布局约束：红色项（错误分类）与最近的合适容器之间距离在1.25和1.46之间是简单任务，在2.5到2.7之间是困难任务。
   2. 初始配置中部分项目已经分类：减少了解决每项任务所需的时间，具有生态有效性（参与者建立在其他人或计算机进行的初始分类基础）
7. 我们为每个LABELSIZE × DIFFICULTY 条件创建一个布局。
   1. 最小化不同布局对性能的影响：排列标签并应用水平、垂直或中心堆成来为其他条件创建布局。
   2. 导致结果相似但是视觉上不同的布局，使得我们能够在参与者内部和参与者之间创建平衡的任务集合。

5.2. 实验一：墙壁尺寸显示器和桌面尺寸显示器

1. 目标是研究物理导航和虚拟导航之间的权衡以及它们如何影响任务性能。
2. 我们使用上述分类任务来比较高分辨率壁挂式显示器与台式计算机（条件桌面）的性能。根据我们对文献的回顾和我们使用壁式显示器的经验，我们提出了三个假设：
   1. 对于较小的标签，Wall的性能优于Desktop
   2. Wall在执行更艰巨的任务时表现优于 Desktop
   3. 对于更大的标签和更简单的任务，Desktop 的性能优于 Wall

5.2.1. 参与者

1. 12 名志愿者（5 名女性）
2. 年龄在 20 至 30 岁之间，均具有正常或矫正视力正常。
3. 7位每天使用触控板； 2个从来没有用过。

5.2.2. 仪器

1. 对于墙壁尺寸显示器
   1. 使用5.5m * 1.8m墙壁尺寸显示器
   2. 由8 * 4矩阵的30英寸LCD面板组成
   3. 总分辨率：20480 * 6400 像素
   4. 由运行Mac OS X的16台 Apple Mac Pro计算机组成的集群通过专用高速网络通信，由类似的前端计算机控制。
   5. VICON动作捕获系统以1ms的精度跟踪在参与者戴的帽子上的红外反射标记的3D位置
   6. 一块13×13cm的Apple Magic Trackpad（重165g）通过蓝牙控制前端电脑的光标。 计算机显示墙上显示场景的缩小图像，并将光标位置映射到墙上光标。由于目标，即圆盘，很大，这种技术提供了足够的指向精度。用户只需轻点触控板即可开始和结束拾取和放置操作。
2. 对于桌面尺寸显示器
   1. 我们使用与墙壁相同类型的工作站和显示器（30 英寸 LCD 面板，2560×1600，100 dpi）
   2. 我们使用 Apple Mighty Mouse 来输入默认加速，并使用滚轮来控制缩放。一项试点研究表明，与在墙壁条件下使用的 Magic Trackpad 相比，这款鼠标更适合桌面。
3. 针对壁式和桌面条件使用不同的输入设备是为了最大限度地提高外部有效性。由于没有用于壁式显示器的标准输入设备，我们根据之前的工作 [17] 以及我们自己的经验和测试选择了触控板。对于桌面，我们选择最知名的输入设备鼠标，以确保墙胜于桌面的任何结果都不能归因于不寻常或次优的桌面输入设备。
4. 实验软件是使用jBricks [22]实现的，这是一个 Java 工具包，支持在集群驱动的墙壁显示器和常规桌面上运行的应用程序。

5.2.3. 过程

1. 该实验是一个 [2×3×2] 参与者内部设计，具有三个因素：
   1. DISPLAY：显示类型，Wall 或Desktop；
   2. LABELSIZE：标签尺寸，大、中、小；
   3. 难度：类别数，简单（2 个标签）或困难（4 个标签）。
2. 在研究之前
   1. 参与者进行视力和色盲测试，以确保视力正常。
   2. 参与者阅读任务的标准解释并在每个显示条件之前执行初始四次试验培训课程。
   3. 参与者被告知要尽快完成任务，但要避免将物品放入错误的容器中，以阻止反复试验的策略。
3. 实验分为两个阶段，每个 DISPLAY 一个阶段。
   1. 一半的参与者从 Wall 开始，另一半从 DeskTop 开始。
   2. DIFFICULTY 和 LABELSIZE 条件的顺序在参与者之间使用拉丁方进行平衡。
   3. 为了最小化 DISPLAY 条件之间的潜在顺序效应，我们对 Wall 和 Desktop 条件之间的每个参与者使用相同的试验序列和对称布局。
   4. 实验持续约一小时。

5.2.4. 数据收集

1. 我们收集了 288 项测量试验（2 显示 × 3 标签尺寸 × 2 难度 × 2 重复 × 12 名参与者）。
2. 我们测量任务完成时间（TCT）并计算完成每次试验的拾取和放下动作的数量。
3. 我们还记录有关光标移动和用户导航的运动学数据，即使用跟踪系统进行墙体条件的物理导航、桌面条件下的平移和缩放。
4. 参与者在每个 DISPLAY 条件结束时填写一份关于他们主观工作负荷的问卷，并在实验结束时填写一份关于他们偏好的问卷。

5.3. 结果

5.3.1. 任务完成时间（TCT）

1. 对异常值的分析表明，95%的试验在每个条件的平均完成时间的 15%以内。三项试验的速度慢了20%以上。我们在下面的分析中保留了所有试验。
2. Shapiro-Wilk 正态性检验仅在 Desktop-Large-Easy 条件下显示了非正态性的证据，两名参与者的速度非常慢。这不会影响下面描述的结果。

3. 图4突出了 Wall 和 Desk-top 在任务完成时间上的差异。它还显示了模型 TCT ∼ DISPLAY×LABELSIZE×DIFFICULTY×Rand(Participant) 的全因子方差分析的结果。
   1. 所有主效应和交互效应都是显着的，但效应大小不同。
   2. 虽然DISPLAY和三重交互的影响大小适中，但其他人可以认为是大的。
4. 将我们的分析重点放在 DISPLAY 的影响上并考虑到显着的交互作用，我们将所有 LABELSIZE×DIFFICULTY 条件下的 Wall 和 Desktop 的 TCT 与 t 检验（Bonferroni 校正，n = 6）进行比较。我们发现：
   1. 对于大标签，Desktop 在 Easy（p < 0.0001，快 30.5%）和 Hard（p = 0.0001，快 17.1%）方面都比 Wall 快；
   2. 对于中等标签，Easy (p = 1) 没有显着差异，但 Wall 比 Desktop for Hard 快（p = 0.0222，快 22.7%）；
   3. 对于小标签，Wall 在 Easy（p = 0.0315，快 16.0%）和 Hard（p = 0.0059，快 34.9%）方面都比桌面快。
5. 正如预测的那样，在两种 DIFFICULTY 条件下，对于大标签，桌面速度更快，而对于小标签，墙壁速度更快。然而，我们也看到差异的大小取决于难度。墙壁尺寸在困难任务上表现出更大的优势，而桌面在简单任务上表现更好。在中等条件下，墙壁和桌面在简单条件下的表现相似，但在困难条件下墙壁更快。
6. 我们现在将注意力转向 DIFFICULTY 和 LABELSIZE 并观察预期效果（图4）
   1. TCT 随 DIFFICULTY 和 LABELSIZE 的增大而增长。对于困难的任务，较小的 LABELSIZE 的效果更重要（因此是 LABELSIZE×DIFFICULTY 交互）。
   2. 但是，对于墙上的 Easy 任务，三种标签尺寸的任务完成时间非常接近。为了证实这一观察结果，我们将所有 DISPLAY×DIFFICULTY 条件下三个 LABELSIZE 的 TCT 与 t 检验（Bonferroni 校正，n = 12）进行比较。在 Wall-Easy 条件下，除了小型与中型和中型与大型外，所有差异均显着 (p < 0.005)。这表明，对于墙壁尺寸，标签大小对简单任务的性能影响不大。
7. 相比之下，在 Small-Hard 条件下，Wall 和 Desk-top 之间的绝对差异很大，Wall 快了约 35%。这支持了我们的假设，即复杂的任务在桌面上变得难以处理，但在墙壁大小的显示器上仍然可以管理。

5.3.2. 取放操作的数量

1. 所有参与者都能够以几乎最佳的步骤数完成任务：
2. 虽然所有配置都可以在 24 步内解决，但参与者平均执行了 25.3±0.20 次拾放动作，Wall和Desktop之间没有显着差异。
3. 唯一显着的结果是参与者在Small-Hard条件 (27.0±1.43) 下执行的操作比在任何其他LABELSIZE×DIFFICULTY条件 (24.91±0.15)下执行的操作更多。

5.3.3. 虚拟视点和参与者的移动

1. 可比性：我们可以将参与者在墙前的身体运动与他们桌面上的虚拟运动进行比较
   1. 墙壁和桌面显示器具有相同的像素密度并呈现完全相同的场景。
   2. 放大桌面时可用的最大比例以与墙上完全相同的大小显示场景。

2. 对于墙壁尺寸的显示器：我们跟踪数据计算参与者路径的长度。
3. 对于桌面尺寸的显示器：我们通过考虑下面连个空间来计算视点移动长度的两个度量
   1. 场景空间是渲染场景在最大细节层次上的空间；平移移动按当前缩放系数进行缩放，以匹配等效的墙壁物理导航。
   2. 屏幕空间是桌面屏幕的空间，其中平移运动不根据缩放系数进行缩放，以便更好地匹配鼠标物理动作。两种度量都转换为厘米以进行比较。

4. 结果图说明
   1. 图 5 显示了参与者根据这些措施所覆盖的平均距离。
   2. 图 6 和图 7 显示了一名参与者的实际轨迹。
5. 对于大标签，执行任务不需要导航，实际上在桌面条件下几乎不会发生视点移动。
   1. 大多数参与者确实在墙前移动（平均每次试验约 482 厘米），没有证据表明这取决于难度。
   2. 对于其他条件，移动量随着较小的LABELSIZE和较高的DIFFICULTY显着增加。这些差异与任务完成时间的差异相关。特别是，Small-Hard（在场景空间中）的视点移动急剧增加。
6. 对于中小标签
   1. 在场景空间中，虚拟导航的长度比物理导航的长度要长（图5）。这并不奇怪，可以归因于用户移动头部和眼睛的能力[4]。
   2. 例如
      1. 头部的位置在 y 维度上的变化非常小，在 Medium-Easy 条件下的 5.4±2.0cm 和 Small-Hard 条件下的 15±11cm 之间
      2. 视点具有更大的振幅（图 7，底行）：从中等难度条件的 101±33cm 到小难度条件的 164±33cm。
   3. 但是，桌面在屏幕空间（图 5）中的距离更短或接近墙壁的距离。这表明虚拟导航在运动空间覆盖的距离方面与物理导航竞争，因此在执行困难任务时，Wall 和 Desktop 之间的性能差异必须有另一种解释。

5.3.4. 物理与虚拟范围

1. 为了补充我们对参与者运动的分析，我们现在研究他们与远处目标互动的能力。
   1. 墙壁尺寸的显示器使用户能够在不移动的情况下到达远处的目标
   2. 桌面尺寸的显示器使用户必须平移或缩放场景。
   3. 我们没有使用眼动仪来收集用户正在看哪里的准确数据，但是我们可以计算出用户拿起或放下物品时与目标之间的距离。
2. 下面我们将展示挑选时间的结果。下降时的结果是相似的。
   1. 对于墙壁条件，图8绘制了拾取时间相对于头部位置的正交投影的光标位置。
   2. 对于桌面条件，图9绘制了拾取时间相对于视图中心的光标位置。
3. 标签大小与速度
   1. 使用“中”和“小”标签时，桌面上的点比墙壁上的点更紧密地聚集在一起，表明参与者在墙上的范围更大。事实上，虽然在桌面上用户必须通过平移和缩放才能看到目标，但他们可以在更远的距离上在墙上行动，从而减少导航的需要。
   2. 对于大标签，桌面和墙都不需要导航。然而，Wall 需要更多的头部运动，这或许可以解释为什么桌面更快。
4. 图9还显示了在桌面显示器上显示的场景区域的平均大小。
   1. 对于小标签，接近4个容器 (2×2)。这解释了桌面条件下简单任务和困难任务之间的性能差异。在Easy条件下，大多数错放的物品可以移动到相邻的容器中，而在 Hard 条件下，它们通常需要移动到更远的容器中，要求参与者在拾取过程中进行平移和缩放放下行动。
   2. 使用中等标签，平均显示大小约为9个集装箱（3×3），这减少了移动目的地不在视线范围内的机会，从而减少了虚拟导航。
   3. 下表证实了这一点：在简单和困难条件之间，拾取和放下过程中平移和缩放操作的平均数量增加了一倍以上，尽管变化很大，这可能是由于不同的参与者策略。

5.3.5. 标签的角度大小

1. 在我们的设计中，LABELSIZE 操作信息密度：
   1. 较小的文本大小迫使参与者通过物理或虚拟导航靠近显示器，以便做出明智的决定。
   2. 我们在选择物品时计算标签的角度大小，同时考虑到由于视角导致的透视失真。
2. 在墙上，我们使用跟踪数据；在桌面上，我们假设参与者的眼睛和显示器之间的距离为 60 厘米。
3. 下表显示了中号和小号标签在拾取时的平均角宽度（以弧分为单位）：

4. 这些值接近 5 弧分，对应于 20/20 视力。 Wall 和 Desktop 之间的差异很小，这表明参与者根据他们的视力优化了他们的物理和虚拟导航。

5.3.6. 定性结果

1. 在每个会话（桌面或墙）结束时，我们要求参与者评估他们在执行任务时的疲劳程度、精神负荷和沮丧程度（图 10）:我们使用带有 Bonferroni 校正的成对 Wilcoxon 秩和检验来测试 DISPLAY×LABELSIZE 条件之间的显着差异，并关注 Desktop 和 Wall 之间的差异。
2. 疲劳的结果并不显着（p ≥ 0.5），这与之前的研究形成对比，该研究发现壁挂式显示器比桌面设置更累人。
   1. 大多数参与者发现带有四个字母的小标签（艰巨的任务）在这两种情况下都很累。
   2. 一位参与者说：“桌面的重复工作在某种程度上很累人。然而，过了一会儿，墙很累。如果我能把手放在桌子上来完成墙上的任务，那将是理想的。”
3. 心里负荷和挫折方面
   1. 大标签（p ≥ 0.9）在心理负荷和挫折方面没有显着差异。
   2. 对于中型和大型标签，Wall 会显着降低主观心理负担（中型 p = 0.0007，小型 p = 0.02）和沮丧（中型 p < 0.0001，小型 p = 0.01）。
   3. 一些参与者提到了内存负载：“对于小标签，更难以获得布局的心理地图。”
4. 图 11 总结了参与者在桌面和墙壁之间的偏好。
   1. 除了大标签，几乎所有的参与者都喜欢墙。
   2. 这些结果比性能的定量测量更强，其中中等标签尺寸在两种环境中的表现大致相同。
   3. 这可能是由于使用墙壁大小的显示器的新颖效果以及其他尚未确定的因素，包括空间记忆。

5. 12 名参与者中有 11 人试图记住项或容器的位置
   1. 其中7人评论说，当他们在墙前时更容易记住项的位置：
      1. 因为我记得某些特定矩形的空间位置（在房间内）
      2. 我对墙有更好的视野。站起来走路更有趣。由于运动记忆，也更容易记住要去哪里。
   2. 这与参与者对其策略的描述是一致的：大多数参与者试图在简单的条件下就地取放。在艰苦的条件下，他们试图记住错放物品和容器的位置，以减少导航。
6. 有与会者解释了LABELSIZE和DISPLAY的交互效果
   1. 大标签桌面很快，但探索中小标签很痛苦
   2. 墙上有四个小字母，我不必一直平移和缩放，这很累人。我只需要稍微移动一下，这很好。
   3. 其他评论反映了桌面和墙壁之间不同的接触感，例如，“对于桌面，我使用鼠标”、“我觉得我在控制之下。对于墙，我可以四处走动，我觉得我是互动的一部分，我觉得我在控制一切。”
7. 总而言之，这些结果显示了显示类型和整体任务难度（标签大小和类别数量）之间的强大交互效果
   1. 在最困难的条件下，墙的速度提高了35%。
   2. 这种差异可以归因于在墙上使用更有效策略的能力，正如更大范围的用户所证明的那样。
8. 不过，其他因素可能也在起作用，例如更好地利用空间记忆。

5.4. 实验 2：三种桌面技术

1. 与桌面界面上的平移和缩放导航相比，实验 1 显示了在墙壁大小的显示器上物理导航的强大性能优势，用于困难的分类任务。这些结果是否与其他类型的虚拟导航不同？
2. 为了测试这个假设，我们在第二个实验中比较了三种桌面技术[9]
   1. 基线平移和缩放技术
   2. 概览+细节技术：添加了在主视图（细节视图）的角落显示的场景（概览）的微型视图
   3. 焦点+上下文技术。
3. 许多实现让用户通过与概览交互来移动详细视图，例如 通过拖动代表概览中详细视图的矩形。
   1. 文献表明，向平移和缩放界面添加概览可提高用户满意度 [14, 19]，并且交互式概览对于搜索任务非常有效 [21]。
   2. 我们测试了交互式概览，但发现它会降低用户的速度。
      1. 当它们执行拾取和删除操作时，视图之间的切换成本太高。这显示了数据操作任务如何影响仅针对搜索或可视化任务进行测试的技术的可用性。
      2. 我们选择测试 PZ+OV 技术，该技术在屏幕的右下角添加了一个被动概览，其中一个矩形显示了详细信息视图的当前位置。
4. 镜头 [25] 是另一种在单个视图中结合焦点和上下文的方法。
   1. 我们实现了一个永久连接到光标并具有与磁盘相同半径的鱼眼镜头。
   2. 整个场景按比例缩小以适合显示器，镜头的放大系数为6，使小标签可读。
   3. 为避免在拾取和放下过程中发生遮挡，被拾取的磁盘被连接到镜头的底部。

5.4.1. 方法

1. 实验志愿者
   1. 12 名志愿者（6 名女性）
   2. 年龄在 22 至 38 岁之间，均具有正常或矫正视力。
   3. 一半参加了实验1。
   4. 我们使用与实验1相同的桌面设备，任务与实验1相同。
2. 由于我们想测试桌面技术是否可以击败墙壁大小的显示器，我们使用了一个单个任务，对应于第一个实验的 Small-Hard 条件。我们还使用与实验 1 相同的初始配置。
3. 该实验是一种受试者内设计，具有一个因素（技术）：PanZoom、PZ+OV、Fisheye。试验按技术分组：
   1. 6种可能的顺序对实验1中的每个参与者使用一次，对每个新参与者使用一次。
   2. 参与者首先使用 PanZoom 进行训练试验，以学习或回忆任务。
   3. 然后，他们对每个TECHNIQUE 行一次训练试验和两次测量轨迹。
   4. 在实验结束时，我们询问参与者的偏好。
4. 实验持续约35分钟。我们为72次试验收集了与实验1中相同的数据：3 次 TECHNIQUE x 2 REPLICATION x 12 名参与者。

5.4.2. 结果

1. 方差分析表明 TECHNIQUE 对任务完成时间 TCT 没有显着影响
   1. F2,22 = 0.68，p = 0.5149，η2 = 0.03
   2. 图 12 显示这三种技术非常接近
2. 实验 1 的结果表明，对于这项任务，这些技术都没有接近墙壁尺寸的显示器。

1. 偏好
   1. 九名参与者更喜欢Fisheye技术
   2. 三名参与者更喜欢 PZ+OV。
   3. 那些喜欢镜头的人指出，他们不必一直缩放和平移。尽管镜头非常受欢迎，但一些参与者抱怨说，尽管镜头的尺寸大到足以显示一个圆盘，但很难用镜头聚焦在标签上。这可能是由于我们使用了高放大倍数，这使得镜头更难控制，但需要这种放大倍数才能使标签可读。
2. 八位参与者表示 PZ+OV 中的概览不是很有帮助，而有些人提到它有助于他们找到红色圆圈和空位。但他们也说他们可以通过缩小来做到这一点，所以不需要概览。
3. 总而言之，这个实验证实了墙壁大小的显示器在执行困难的数据分类任务时可以执行桌面。虽然可以设计新技术来改善桌面条件，例如使用多个或自适应镜头 [23]，但我们认为它们不太可能帮助桌面在复杂的数据操作任务中击败墙。

5.4.3. 结论和未来的工作

1. 本文介绍了一个分类任务，该任务抽象出涉及数据操作的广泛任务类别，并将两个关键因素操作化：信息密度和任务难度。我们对超高分辨率壁挂式显示器用户的观察得出了这一抽象任务，从而引发了此类显示器与传统桌面显示器相比的优势的问题。
2. 我们进行了一项对照实验，比较了墙壁大小显示器前的物理导航与桌面显示器上的虚拟导航，以完成数据分类任务。我们的结果显示了强大的交互效果，例如桌面对于简单的任务更有效，但对于困难的任务，墙的效率要高得多（高达 35%）。我们在后续实验中用这项艰巨的任务测试了其他三种桌面技术，但没有一种技术可以与墙壁尺寸的显示器相媲美。
3. 这只是了解壁挂式显示器提供的交互环境的第一步。我们的下一个目标是将这项研究扩展到协作工作，其中多个用户在各种设置中执行分类任务，例如共享墙壁大小的显示器与在共享场景中工作的多个桌面工作站。对空间记忆以及物理和虚拟导航各自优势的更深入理解还应该为墙壁和桌面环境的新技术设计提供信息，以提高用户性能并减少疲劳和认知负荷。