互动媒体技术大作业 - 数据可视化

将数据以可视化、互动性的方式呈现出来。

选择内容

找异类 - 汉字和英文字母的视觉相似度评价

• 内容详情

项目开源地址

https://github.com/lynb233/Interactive-TermProject.git

环境配置

确保安装了anaconda，然后在项目文件根目录下，使用以下命令：

conda env create -f environment.yml

切换到新创建的虚拟环境中

conda activate IAct

安装pip依赖

pip install -r requirements.txt

运行

python gui.py

数据分析与游戏性能评估框架

1. 玩家表现与游戏难度的统计分析

• 关卡表现与玩家反应：使用柱状图或折线图，展示每个关卡的平均完成时间、平均正确率，并分析玩家识别“异类”的反应时间和正确率。
• 异类识别难度与任务分析：考虑异类比例、扰动模式（无扭曲、缩放、旋转、复合），分析玩家在各种条件下的正确率和反应时间的变化。

2. 互动性数据探索与玩家行为分析

• 玩家选择与行为模式：创建交互式图表，分析玩家在特定关卡和条件下的选择，包括扰动模式和异类比例的影响。
• 时间序列与学习效应：通过时间序列图展示玩家的选择和行为模式的变化，观察他们的学习效应，例如正确率的提高和反应时间的缩短。

3. 热力图、位置分析与错误模式分析

• 字符错误选择位置热力图：利用热力图，展示在不同扰动模式下选择错误字符的位置，分析误选情况。
• 多选错误与未选择错误：分析玩家在选择常类时的错误情况，以及未能识别异类的情况。

4. 时间动态分析

• 时间动态分析：分析玩家在每一局游戏中的表现随时间的变化，例如随着时间推移玩家的速度和准确率是否有所改进。

5. 游戏性能仪表板与统计分析

• 整体表现仪表板：创建一个包含关键性能指标的仪表板，如总平均正确率、平均完成时间、最常见的错误类型等。
• 玩家比较与统计测试：比较不同玩家在同一关卡的表现，使用统计测试来分析数据差异。

实现工具

• 前端框架: Tkinter包
• 数据处理: Python的Pandas, NumPy等包，用于数据清洗和预处理。

程序说明

见克隆后文件夹内文件：说明.docx

数据格式

在CSV中，每一行表示某一局下的一个格子内的符号。每一列的意义如下：

• trial (关卡计数)：第几局
• AlienRatio (异类比例)：本局中“异类”的占比
• Dimension：本游戏模式下无意义
• distortMode (扰动模式)：即每个符号被扭曲的方式，包括：
  • None: 无扭曲
  • Scale: 缩放
  • Rotate: 随机倾斜
  • Composite: 复合
• i, j: 符号的位置
• charID: 对应的汉字符号或英文符号的id（这里有个ID对应表，但表很长故没有提供）
• scale (缩放尺度)：字符显示时的缩放比例
• rotate (倾斜角)：倾斜角度，单位为弧度
• alien (异类标记)：1-异类；0-常类
• alien之后的0,1,2,…等列：表达被点选的时刻，每次点选都会记录下时刻。该数据意义见下：
  • 如果0，2列有数据（通常为毫秒数），则代表玩家点选了该字符。如果0列没有数据，代表玩家没有选择。如果1，3有数据，代表玩家选择后又取消了选择（可以视为玩家没有选择）

它所记录的“时刻”的意义是：每局开始后后台启动一个秒表。每选择一个字符，就记录当点击（选择）的时候，秒表所记录（或者说“显示”）的时间。

数据未清理时的格式如下：

玩家是否正确选择，需要手动判断。判断方法如下：

- 当该字符异类标记为1的时候，如果数据表明玩家点选了该字符，则代表玩家选择正确。如果没有点选，则代表选择错误（未选择）
- 反之，如果字符异类标记为0的时候，玩家也点选了该字符，则代表玩家点选失败（多选）

注意，原始数据中，部分行的数据为undefined，需要进行相应处理。

数据清理后的格式如下：

最后一列新增加了以下内容：

- correct_choice：表示玩家的选择是否正确。数据为字符串True或者False