多年來，突出顯示鏈接視圖一直是一種強大的探索技術。 早期系統支持在散點圖中突出顯示，其中每個元素顯示一行數據。
這種技術的延伸，比例高亮, 在元素顯示多行數據的圖表中顯示更多信息。 JMP 是 1989 年首批支持比例突出顯示的產品之一。
Figure 1. Proportional Highlighting in Histograms, JMP Version 1.0Figure 1. Proportional Highlighting in Histograms, JMP Version 1.0Figure 1. Proportional Highlighting in Histograms, JMP Version 1.0Figure 1. Proportional Highlighting in Histograms, JMP Version 1.0圖1。 直方圖中的比例突出顯示，JMP 版本 1.0可視化專家 Stephen Few 強烈主張這種技術的力量（“很難想像比例突出顯示沒有明顯優越的情況，”他寫了.)。
為了JMP 直播，我們希望在所有圖表中一致地支持比例突出顯示，因為一致的用戶界面更容易學習。當用戶在一個圖中學習該技術時，他們可以在其他圖中重用他們的知識。
我們還希望同時支持粗粒度和細粒度估計。 為此，我們將比例突出顯示與懸停提示相結合。 比例突出顯示可以粗略估計，而懸停提示可以顯示實際數字。
Figure 2. Proportional Highlighting with Hover Tip. The bar displays the Mean weight of males.
Eleven rows are selected and highlighted.Figure 2. Proportional Highlighting with Hover Tip. The bar displays the Mean weight of males.
Eleven rows are selected and highlighted.Figure 2. Proportional Highlighting with Hover Tip. The bar displays the Mean weight of males.
Eleven rows are selected and highlighted.Figure 2. Proportional Highlighting with Hover Tip. The bar displays the Mean weight of males.
Eleven rows are selected and highlighted.圖 2。 使用懸停提示按比例突出顯示。 該條顯示男性的平均體重。
十一行被選中並突出顯示。
在選擇這種設計時，我們認為比例高亮和懸停提示都很容易學習。 但是我們怎麼知道呢？ 自信的唯一方法是測試。
可用性測試
JMP 客戶幫助我們通過 Web 測試此用戶界面。 每個測試顯示六對圖表，在六個塊中，每個塊三個試驗，總共 18 個試驗。 對於每對圖表，要求測試參與者估計為變量的指定值突出顯示的行的百分比。
對於每對圖的每次試驗，視覺查詢每次都會稍微改變，通過改變值或變量或兩者兼而有之。六個區組和每個區組內的三個試驗的順序都是隨機的。
Figure 3. Six Pairs of Interactive Graphs.Figure 3. Six Pairs of Interactive Graphs.Figure 3. Six Pairs of Interactive Graphs.Figure 3. Six Pairs of Interactive Graphs.圖 3。 六對交互式圖表。
25 名參與者參加了測試。 一些測試響應顯示出異常快的回答時間，不到兩秒，這可能是由於錯誤的鼠標點擊造成的。 一位測試參與者的速度一直很快，三分之一的答案在不到一秒的時間內完成。 這些數據被排除在分析之外。
結果
希望測試參與者可以學習我們的框架並隨著時間的推移改進他們對它的使用。 這是通過計時他們對問題的回答並對他們的回答的正確性進行評分來測試的。
選擇的答案必須在 10% 到 90% 之間，並且是 10% 的精確倍數。 正確答案可能不是精確的倍數，因此分數會被差異抵消。 這使我們能夠為最佳答案授予滿分。
與正確答案的最大距離因問題而異。 如果最佳答案是 50%，那麼用戶最多可能會偏離 40%；但如果最好的答案是 10%，那麼用戶可能會偏離 80%。 出於這個原因，分數通過與正確答案的最大距離進行縮放來歸一化。
使用這個公式，零是一個完美的分數，加或減 1 是最差的分數：
offset = round( correctAnswer ) - correctAnswer;
maxDistance = max( abs( 0.1 - correctAnswer - offset ), abs( 0.9 - correctAnswer - offset ));
score = ( chosenAnswer - correctAnswer - offset ) / maxDistance;
易學性
查看使用平滑樣條曲線繪製的所有數據，我們發現在 18 次試驗中，答案時間和分數都有所提高。 每個人都不得不盯著第一個屏幕看了幾秒鐘，但在那之後，他們開始進步了。
Figure 4. Answer Time in Seconds Across All TrialsFigure 4. Answer Time in Seconds Across All TrialsFigure 4. Answer Time in Seconds Across All TrialsFigure 4. Answer Time in Seconds Across All Trials圖 4。 所有試驗的回答時間（秒）
分數顯示負偏差。 這可以通過測試參與者從左到右閱讀來解釋，並且傾向於在第一個好的答案上停下來。
Figure 5. Score Across All Trials. Zero is a perfect score.Figure 5. Score Across All Trials. Zero is a perfect score.Figure 5. Score Across All Trials. Zero is a perfect score.Figure 5. Score Across All Trials. Zero is a perfect score.圖 5。 在所有試驗中得分。 零是一個完美的分數。
兩條樣條曲線都相當“顛簸”。 這種週期性可以用不同類型的圖表來解釋。 在每第三次試驗中，測試參與者都會看到一對新的圖表。
對於三個試驗的平均值，ANOVA 顯示了回答時間改善的有力證據 (p < .0001)。 分數的改善不太顯著，但在第一次試驗和最後一次試驗之間仍顯示出顯著改善 (p < 0.5)。
Figure 6. Mean Log( Answer Time ) Across Three Trials.Figure 6. Mean Log( Answer Time ) Across Three Trials.Figure 6. Mean Log( Answer Time ) Across Three Trials.Figure 6. Mean Log( Answer Time ) Across Three Trials.圖 6。 三個試驗的平均對數（回答時間）。
Figure 7. Mean Score Across Three Trials.Figure 7. Mean Score Across Three Trials.Figure 7. Mean Score Across Three Trials.Figure 7. Mean Score Across Three Trials.圖 7。 三個試驗的平均分數。
懸停提示
在 24 名測試參與者中，有 22 名使用了懸停技巧。 根據用戶界面樣式指南中的建議，懸停提示會在 300 毫秒延遲後出現。 所以在這樣一個簡短的測試中，兩個人沒有發現他們是合理的。 懸停提示很可能會在產品暴露時間更長的情況下被發現。
不使用懸停技巧的參與者僅限於“目測”圖表來估計他們的答案。 那些使用懸停提示的人能夠看到確切的數字。 但是，在測試參與者的分數與使用懸停提示所花費的時間之間沒有發現密切的關係。 花費的時間很大程度上取決於圖表的類型。
圖表類型
正如預期的那樣，測試結果取決於測試的圖表類型。 僅測試六對圖表不足以得出強有力的結論，但箱線圖和地圖都是更難以估計的圖表。 這是合理的預期，因為這些圖表是最複雜的。
最小二乘回歸顯示回答時間受到圖表類型和試驗的強烈影響（分別為 p=0.0004 和 p<.0001）。 分數受圖表類型的影響很大（p<.0001），受試驗影響較小（p=0.0871）。
Figure 8. Regression of Log( Answer Time )Figure 8. Regression of Log( Answer Time )Figure 8. Regression of Log( Answer Time )Figure 8. Regression of Log( Answer Time )圖 8。 對數回歸（回答時間）
Figure 9. Regression of ScoreFigure 9. Regression of ScoreFigure 9. Regression of ScoreFigure 9. Regression of Score圖 9。 分數回歸
結論
突出顯示鏈接視圖是一種強大的探索性技術。 比例突出顯示擴展了這種技術，使用戶能夠探索更多他們的數據。
測試參與者學習了這個用戶界面，很容易變得足夠高效，可以回答有關圖表的問題。 隨著時間的推移，參與者回答的速度和準確性都有所提高。
JMP Live 和 JMP 中的獨立交互式 HTML 均提供比例突出顯示。 我發了一些例子在 JMP 公共上。 我們很高興將這項技術帶給我們的客戶，以實現更多的並更快地洞察他們的數據。
致謝
Arati Mejdal 博士 ( @arati_mejdal ) 和 Stephanie Mencia 女士進行了我們的測試。 約瑟夫·摩根博士（ @約瑟夫摩根) 和 Ryan Lekivetz 博士 ( @Ryan_Lekivetz ) 就其設計提出建議。 迦勒金博士（ @calking ) 為分析結果提供了重要幫助。 工作的一大幸事JMP就是，當你需要聰明的人來幫助你時，他們很容易找到。
