27.3. 本章小结#
本章系统介绍了可视分析的理论、方法和应用以及可视化设计与评估方法。
可视分析正在成为从数据中获取认知、发现知识的重要方法，是大数据时代人机协同、智能增强的新型分析范式。 从理论上看，可视分析是可视化、分析、交互等多学科交叉的结果，蕴含了深刻的”人-信息-环境”互动思想。 从方法上看，可视分析强调数据、任务、用户等多要素的系统集成，强调机器智能和人的智慧的持续对话、螺旋上升。 从应用上看，可视分析具有广泛的应用前景，正在成为科学探索、商业决策、社会治理等诸多领域的助推器和加速器。
另一方面，可视化设计与评估方法是连接理论创新与实际应用的核心纽带，其本质在于通过科学原则与用户验证，平衡数据表达的准确性与视觉认知的直觉性。 设计层面需遵循“用户为中心”的理念，融合多种设计原则，将复杂信息转化为可操作的视觉语言；评估层面则需构建多维度指标体系，结合定量指标与定性反馈，揭示设计决策对用户洞察力的真实影响。
展望未来，随着AI生成式设计工具的崛起与神经科学技术的渗透，未来将迈向“数据-算法-人因”协同的自适应评估范式，推动可视化从静态图表向智能、动态、可解释的认知伙伴进化。
27.3.1. 习题#
27.3.2. 参考文献#
Tamara Munzner. A nested model for visualization design and validation. IEEE transactions on visualization and computer graphics, 15(6):921–928, 2009.
Dominik Sacha, Andreas Stoffel, Florian Stoffel, Bum Chul Kwon, Geoffrey Ellis, and Daniel A Keim. Knowledge generation model for visual analytics. IEEE transactions on visualization and computer graphics, 20(12):1604–1613, 2014.