Surrounded by Friends: Design and Evaluation of Immersive Layouts of Egocentric Network for Visual Analytics
作者: Kentaro Takahira, Takanori Fujiwara, Wong Kam-Kwai, Kento Shigyo, Leni Yang, Hiroaki Natsukawa, Yalong Yang, Huamin Qu
分类: cs.HC, cs.ET, cs.GR
发布日期: 2026-08-27
💡 一句话要点
提出沉浸式环境下的自我中心网络布局设计以提升可视分析效果
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)
关键词: 自我中心网络 沉浸式环境 可视分析 网络布局 用户研究 数据可视化
📋 核心要点
- 现有自我中心网络分析方法在传统桌面环境中受限于显示空间，容易导致视觉混乱，影响分析效果。
- 本文提出了针对沉浸式环境的自我中心网络布局设计，设计了立方体、圆柱、径向和球形四种布局以适应不同的分析需求。
- 通过对24名参与者的用户研究，发现立方体布局在连接强度分析中表现优异，而球形布局在拓扑理解和空间利用方面更具优势。
📝 摘要（中文）
本文探讨了沉浸式环境中自我中心网络布局的设计考虑，提供了增强自我中心网络分析的新实证见解。自我中心网络关注焦点节点（ego）及其邻近节点（alters）之间的拓扑和语义关系，旨在分析局部子网络。传统桌面环境因显示限制常面临视觉混乱的问题。基于沉浸式环境增强网络分析的最新发现，本文设计了四种布局——立方体、圆柱、径向和球形，针对这些空间的独特特性进行评估。用户研究结果表明，立方体布局在关注ego-alter连接强度的任务中表现良好，而球形布局在理解alter拓扑、最小化遮挡和有效利用3D空间方面更为有效。这些发现为未来沉浸式自我中心网络布局的设计提供了重要启示。
🔬 方法详解
问题定义：本文旨在解决传统桌面环境中自我中心网络分析因显示限制而导致的视觉混乱问题。现有方法在处理节点数量增加时，难以有效展示网络关系。
核心思路：论文提出在沉浸式环境中设计特定的自我中心网络布局，以利用3D空间的优势，提升用户的分析体验和效果。
技术框架：整体架构包括四种不同的布局设计（立方体、圆柱、径向和球形），每种布局针对特定的分析任务进行优化。用户研究阶段通过任务完成情况评估布局效果。
关键创新：最重要的技术创新在于设计了适应沉浸式环境的多种布局形式，突破了传统方法的局限，提供了更灵活的网络分析视角。
关键设计：布局设计考虑了节点间的连接强度、拓扑结构和空间利用效率，具体参数设置和设计维度在用户研究中进行了验证和优化。
🖼️ 关键图片
📊 实验亮点
实验结果显示，立方体布局在ego-alter连接强度分析任务中表现优异，用户完成任务的效率显著提高。相比之下，球形布局在理解alter拓扑结构和减少视觉遮挡方面表现更佳，充分利用了3D空间的优势。
🎯 应用场景
该研究的潜在应用领域包括社交网络分析、数据可视化和虚拟现实中的信息展示。通过优化自我中心网络布局，可以显著提升用户在复杂数据环境中的分析能力，具有广泛的实际价值和未来影响。
📄 摘要（原文）
This paper explores design considerations for egocentric network layouts in immersive environments, providing fresh empirical insights that enhance egocentric network analysis. An egocentric network focuses on the topological and semantic relationships around a focal node (ego) and its neighboring nodes (alters), targeting local sub-networks rather than the whole network. Traditional desktop environments, limited by display constraints, often face visual clutter as node numbers grow. Building on recent findings that immersive environments enhance network analysis, we explore layouts tailored for these spaces. We begin by identifying essential design properties and dimensions for egocentric network layouts, taking into account the unique features of immersive environments. Based on these, we design four layouts-Cube, Cylindrical, Radial, and Spherical-that vary across design dimensions. We evaluate these layouts in a user study with 24 participants completing egocentric analysis tasks. Our study suggests that Cube performed well for tasks focused on ego-alter connection strength. In contrast, Spherical was more effective for understanding alter topology, minimizing occlusion, and efficiently utilizing 3D space. These findings inform design implications for future immersive egocentric network layouts.