多年来，突出显示链接视图一直是一种强大的探索技术。 早期系统支持在散点图中突出显示，其中每个元素显示一行数据。
这种技术的延伸，比例高亮, 在元素显示多行数据的图表中显示更多信息。 JMP 是 1989 年首批支持比例突出显示的产品之一。
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图1。 直方图中的比例突出显示，JMP 版本 1.0可视化专家 Stephen Few 强烈主张这种技术的力量（“很难想象比例突出显示没有明显优越的情况，”他写了.)。
为了JMP 直播，我们希望在所有图表中一致地支持比例突出显示，因为一致的用户界面更容易学习。当用户在一个图中学习该技术时，他们可以在其他图中重用他们的知识。
我们还希望同时支持粗粒度和细粒度估计。 为此，我们将比例突出显示与悬停提示相结合。 比例突出显示可以粗略估计，而悬停提示可以显示实际数字。
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.图 2。 使用悬停提示按比例突出显示。 该条显示男性的平均体重。
十一行被选中并突出显示。
在选择这种设计时，我们认为比例高亮和悬停提示都很容易学习。 但是我们怎么知道呢？ 自信的唯一方法是测试。
可用性测试
JMP 客户帮助我们通过 Web 测试此用户界面。 每个测试显示六对图表，在六个块中，每个块三个试验，总共 18 个试验。 对于每对图表，要求测试参与者估计为变量的指定值突出显示的行的百分比。
对于每对图的每次试验，视觉查询每次都会稍微改变，通过改变值或变量或两者兼而有之。六个区组和每个区组内的三个试验的顺序都是随机的。
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.图 3。 六对交互式图表。
25 名参与者参加了测试。 一些测试响应显示出异常快的回答时间，不到两秒，这可能是由于错误的鼠标点击造成的。 一位测试参与者的速度一直很快，三分之一的答案在不到一秒的时间内完成。 这些数据被排除在分析之外。
结果
希望测试参与者可以学习我们的框架并随着时间的推移改进他们对它的使用。 这是通过计时他们对问题的回答并对他们的回答的正确性进行评分来测试的。
选择的答案必须在 10% 到 90% 之间，并且是 10% 的精确倍数。 正确答案可能不是精确的倍数，因此分数会被差异抵消。 这使我们能够为最佳答案授予满分。
与正确答案的最大距离因问题而异。 如果最佳答案是 50%，那么用户最多可能会偏离 40%；但如果最好的答案是 10%，那么用户可能会偏离 80%。 出于这个原因，分数通过与正确答案的最大距离进行缩放来归一化。
使用这个公式，零是一个完美的分数，加或减 1 是最差的分数：
offset = round( correctAnswer ) - correctAnswer;
maxDistance = max( abs( 0.1 - correctAnswer - offset ), abs( 0.9 - correctAnswer - offset ));
score = ( chosenAnswer - correctAnswer - offset ) / maxDistance;
易学性
查看使用平滑样条曲线绘制的所有数据，我们看到在 18 次试验中，答案时间和分数都有所提高。 每个人都不得不盯着第一个屏幕看了几秒钟，但在那之后，他们开始进步了。
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图 4。 所有试验的回答时间（秒）
分数显示负偏差。 这可以通过测试参与者从左到右阅读来解释，并且倾向于在第一个好的答案上停下来。
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.图 5。 在所有试验中得分。 零是一个完美的分数。
两条样条曲线都相当“颠簸”。 这种周期性可以用不同类型的图表来解释。 在每第三次试验中，测试参与者都会看到一对新的图表。
对于三个试验的平均值，ANOVA 显示了回答时间改善的有力证据 (p < .0001)。 分数的改善不太显着，但在第一次试验和最后一次试验之间仍显示出显着改善 (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.图 6。 三个试验的平均对数（回答时间）。
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.图 7。 三个试验的平均分数。
悬停提示
在 24 名测试参与者中，有 22 名使用了悬停技巧。 根据用户界面样式指南中的建议，悬停提示会在 300 毫秒延迟后出现。 所以在这样一个简短的测试中，两个人没有发现他们是合理的。 悬停提示很可能会在产品暴露时间更长的情况下被发现。
不使用悬停技巧的参与者仅限于“目测”图表来估计他们的答案。 那些使用悬停提示的人能够看到确切的数字。 但是，在测试参与者的分数与使用悬停提示所花费的时间之间没有发现密切的关系。 花费的时间很大程度上取决于图表的类型。
图表类型
正如预期的那样，测试结果取决于测试的图表类型。 仅测试六对图表不足以得出强有力的结论，但箱线图和地图都是更难以估计的图表。 这是合理的预期，因为这些图表是最复杂的。
最小二乘回归显示回答时间受到图表类型和试验的强烈影响（分别为 p=0.0004 和 p<.0001）。 分数受图表类型的影响很大（p<.0001），受试验影响较小（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 )图 8。 对数回归（回答时间）
Figure 9. Regression of ScoreFigure 9. Regression of ScoreFigure 9. Regression of ScoreFigure 9. Regression of Score图 9。 分数回归
结论
突出显示链接视图是一种强大的探索性技术。 比例突出显示扩展了这种技术，使用户能够探索更多他们的数据。
测试参与者学习了这个用户界面，很容易变得足够高效，可以回答有关图表的问题。 随着时间的推移，参与者回答的速度和准确性都有所提高。
JMP Live 和 JMP 中的独立交互式 HTML 均提供比例突出显示。 我发了一些例子在 JMP 公共上。 我们很高兴将这项技术带给我们的客户，以实现更多的并更快地洞察他们的数据。
致谢
Arati Mejdal 博士 ( @arati_mejdal ) 和 Stephanie Mencia 女士进行了我们的测试。 约瑟夫·摩根博士（ @约瑟夫摩根) 和 Ryan Lekivetz 博士 ( @Ryan_Lekivetz ) 就其设计提出建议。 迦勒金博士（ @calking ) 为分析结果提供了重要帮助。 工作的一大幸事JMP就是，当你需要聪明的人来帮助你时，他们很容易找到。
