最近，麻省大学阿姆赫斯特分校的计算机科学家们发现，数据可视化专家并没有就组成其最大受众之一——新手用户的理解达成共识。这项工作最近在计算机人类因素学会（ACM CHI）的会议上荣获最佳论文奖，它是确保更加包容性数据可视化的重要第一步，从而实现适用于所有用户的数据可视化。

数据可视化是使用常见的图表、绘图、信息图表和动画等图形，以视觉和易于理解的方式呈现数据。使用视觉元素提供了一种 accessible 的方式来观察和理解数据中的趋势、异常值和模式。其中最为熟知的数据可视化之一——扇形图——几乎每个人都能轻松阅读，并且自十九世纪初发明以来，一直被用作快速传达信息的方法。

然而，随着互联网的出现，这类可视化的范围、覆盖面和复杂性呈指数级增长。想象一下各种在线COVID追踪器、显示经济预测或国家选举结果的图形。 "越来越多的普通人依赖数据可视化来做出关于自己生活的决策，" 马萨诸塞大学阿姆赫斯特分校曼宁信息与计算机科学学院的助理教授纳吉斯·迈哈尔说，并且这篇论文的高级作者。

甚至我们众多的集体决策都建立在数据可视化之上。

鉴于可视化的应用与其可理解性息息相关，人们或许会认为数据可视化专家对其受众——尤其是非专业用户——应该拥有明确而统一的理解。

"尽管已经有数十年的数据可视化研究，然而，我们仍然无法确切地界定一个人究竟是什么样的人才能算作是『新手』。" Mayhar表示，这一洞见非常重要，以至于ACM CHI作为人机交互领域最重要的国际会议，将这项研究授予了最佳论文奖，这是为提交的论文中最顶尖的1%所预留的荣誉。

梅哈尔（Mayhar），主要作者阿勒克斯·伯恩斯（Alyxander Burns）是美国麻省大学阿默斯特分校（UMass Amherst）研究生时期的研究成果，并与他们的共同作者一同深入研究过去30年的可视化研究，发现了分布在七本学术期刊中的79篇论文，这些论文关注于数据可视化的受众群体的识别。

在这79篇论文中，他们发现对于初学者用户的定义差异很大，范围广泛，从那些在“有效利用GPU集群”上有困难的人到那些缺乏“本体模型”知识的人。此外，该团队还发现，大多数研究人员的用户样本群体明显倾向于白人、大学年龄段的美国居民。

“我们如何知道我们创建的可视化能够适用于老年人、没有大学学位的人以及生活在世界其他许多国家的人？” Mayhar问道。“作为一个领域，当我们说‘新手’时，我们需要明确我们的意思，而本文的目标是改变可视化研究人员对新手的思考方式，满足他们的需求，并设计适用于所有人的工具。”