How can users get the gist of a taxonomy using tag - - PowerPoint PPT Presentation
How can users get the gist of a taxonomy using tag clouds? Nathalie PINDE Department of Informa-on and Communica-on University of Bordeaux
Nathalie ¡PINÈDE ¡
Department ¡of ¡Informa-on ¡and ¡Communica-on ¡– ¡University ¡of ¡Bordeaux ¡
Véronique ¡LESPINET-‑NAJIB ¡
IMS-‑Cogni-cs ¡– ¡Polytechnic ¡Ins-tute ¡of ¡Bordeaux ¡ ¡ ¡
1.
Introduc,on ¡: ¡presenta,on ¡of ¡tag ¡clouds ¡
2.
Visualiza,on ¡of ¡taxonomy ¡
2.1 ¡Hyperlinks ¡taxonomy ¡ 2.2 ¡Presenta,on ¡of ¡a ¡HLU-‑based ¡taxonomy ¡structure ¡ 2.3 ¡HLU-‑based ¡taxonomy ¡of ¡the ¡French ¡academic ¡domain ¡ 3.
Research ¡ques,ons ¡
4.
Methodology ¡
4.1 ¡Materials ¡ 4.2 ¡Par,cipants ¡in ¡the ¡experiment ¡ 4.3 ¡Protocol ¡
5.1 ¡Results ¡of ¡memory ¡tests ¡(recall ¡and ¡recogni,on) ¡ 5.2 ¡Results ¡for ¡the ¡reproduc,on ¡test ¡ 5.3 ¡Results ¡of ¡eye-‑tracking ¡data ¡
6.1 ¡Tag ¡clouds: ¡do ¡they ¡have ¡an ¡impact ¡on ¡memory ¡and ¡representa,on? ¡ 6.2 ¡Is ¡there ¡any ¡rela,onship ¡between ¡tag ¡clouds ¡types, ¡eye-‑tracking ¡and ¡memory? ¡
Conclusion ¡ 2 ¡
¡
3 ¡
One ¡of ¡the ¡first ¡representaSon ¡of ¡tag ¡clouds… ¡
4 ¡
¡Milgram ¡& ¡Jodelet ¡(1976). ¡Psychological ¡maps ¡of ¡Paris ¡
In ¡the ¡early ¡2000’s ¡: ¡Flickr ¡and ¡other ¡web ¡services ¡(folksonomies, ¡
socal ¡tagging)… ¡
5 ¡
h^p://www.flickr.com/photos/tags/ ¡ 4/10/2013 ¡
Text ¡features ¡(Bateman ¡et ¡al., ¡2008, ¡Rivadeneira ¡et ¡al., ¡2007) ¡
Font ¡weight ¡(bold ¡or ¡non-‑bold ¡font) ¡ Font ¡size ¡ Font ¡colour ¡ Other ¡criteria: ¡intensity, ¡number ¡of ¡pixels, ¡tags’ ¡width… ¡
Word ¡placement ¡(Lohmann ¡et ¡al., ¡2009, ¡Rivadeneira ¡et ¡al., ¡2007) ¡
Sor,ng ¡words: ¡alphabe,cally, ¡by ¡frequency ¡or ¡by ¡clustering ¡ Word’s ¡loca,on: ¡upper-‑led, ¡lower-‑led, ¡upper-‑right ¡or ¡lower-‑right ¡ Spa,al ¡layout: ¡sequen,al, ¡circular ¡
6 ¡
Four ¡different ¡tasks ¡for ¡tag ¡clouds ¡(Rivadeneira ¡et ¡al., ¡2007) ¡
Search: ¡loca,ng ¡a ¡specific ¡target ¡
Browsing: ¡exploring ¡the ¡tag ¡cloud ¡without ¡a ¡specific ¡target ¡
Impression ¡formaSon ¡and ¡impression ¡presentaSon: ¡giving ¡a ¡ general ¡idea ¡about ¡a ¡subject ¡
RecogniSon/matching: ¡recognizing ¡the ¡en,re ¡cloud ¡as ¡data ¡to ¡ describe ¡a ¡subject ¡
7 ¡
Interest ¡of ¡tag ¡clouds ¡for ¡our ¡study ¡
Hypothesis ¡: ¡tag ¡clouds ¡have ¡great ¡potenSal ¡in ¡creaSng ¡an ¡efficient ¡ visualizaSon ¡ Tag ¡clouds ¡are ¡used ¡as ¡a ¡way ¡of ¡visualizing ¡of ¡a ¡taxonomy ¡in ¡order ¡to ¡ see ¡which ¡kind ¡of ¡informa,on ¡representa,ons ¡are ¡emphasized ¡by ¡
¡
which ¡kind ¡of ¡tag ¡cloud ¡design ¡is ¡best ¡suited ¡for ¡use ¡in ¡informa,on ¡ presenta,on ¡? ¡ which ¡kind ¡of ¡tag ¡cloud ¡design ¡has ¡the ¡best ¡impact ¡on ¡the ¡users’ ¡ percep,on ¡? ¡
8 ¡
¡
Proposi,on ¡of ¡a ¡methodology ¡for ¡crea,ng ¡a ¡hyperlinks ¡taxonomy. ¡ Applica,on ¡to ¡the ¡french ¡academic ¡domain ¡
Complex ¡web ¡architecture ¡ Prolifera,on ¡of ¡autonomous ¡sub-‑websites ¡
An ¡academic ¡website ¡regroups ¡on ¡average ¡a ¡hundred ¡sub-‑websites ¡ (according ¡to ¡a ¡DNS ¡approach) ¡
9 ¡
Website ¡of ¡an ¡organiza,onal ¡domain, ¡which ¡can ¡be ¡compared ¡to ¡
¡
Convey ¡the ¡company ¡iden,ty ¡and ¡share ¡similari,es ¡with ¡a ¡ magazine ¡cover, ¡a ¡newspaper ¡front ¡page ¡(Nieslsen ¡& ¡Tahir, ¡2002) ¡ ¡
Associated ¡term ¡with ¡hyperlink ¡(anchor), ¡especially ¡on ¡homepages ¡ Thema,c ¡markers ¡of ¡the ¡website, ¡so, ¡similar ¡to ¡« ¡keywords ¡» ¡ ¡
10 ¡
11 ¡
Examples ¡of ¡HLU ¡ www.u-‑bordeaux1.fr ¡
Seman,c ¡signature ¡of ¡the ¡homepage ¡ Seman,c ¡blueprint ¡of ¡the ¡en,re ¡website ¡ Informa,onal ¡signature ¡of ¡the ¡organiza,onal ¡domain ¡
Classifica,on ¡tool ¡of ¡contents ¡of ¡a ¡website ¡
12 ¡
HLUs ¡
First ¡level ¡of ¡categoriza,on ¡(derived ¡from ¡Nielsen ¡& ¡Tahir, ¡2002) ¡ 3 ¡main ¡navigaSon ¡categories ¡
Thema,c ¡naviga,on ¡
HLUs ¡giving ¡access ¡to ¡content ¡within ¡the ¡site ¡and ¡referring ¡to ¡the ¡ website’s ¡organiza,onal ¡dimension ¡
specificity ¡
Func,onal ¡Naviga,on ¡
HLUs ¡providing ¡access ¡to ¡various ¡features ¡such ¡as ¡loca,on, ¡contact, ¡ procedures, ¡tools, ¡legal ¡ma^ers ¡
Naviga,on ¡by ¡profile ¡
HLUs ¡targe,ng ¡categories ¡relevant ¡to ¡specific ¡users ¡
13 ¡
Principle ¡of ¡HLU ¡grouping ¡according ¡to ¡a ¡consistent ¡seman,c ¡ affinity ¡ ¡
14 ¡
2 ¡academic ¡websites ¡of ¡Bordeaux ¡: ¡ ¡
Sciences ¡& ¡Technologies ¡(Univ. ¡Bdx ¡1) ¡ Social ¡Sciences ¡& ¡Humani,es ¡(Univ. ¡Bdx ¡2 ¡– ¡Victor ¡Segalen) ¡
96 ¡homepages ¡(according ¡to ¡accessibility ¡criteria ¡in ¡HTML) ¡
15 ¡
2019 ¡HLUs ¡(including ¡their ¡occurrences) ¡
All ¡these ¡HLUs ¡were ¡classified ¡in ¡our ¡taxonomy ¡ ¡
Crea,on ¡of ¡24 ¡different ¡classes ¡in ¡the ¡taxonomy ¡ Each ¡class ¡has ¡one ¡specific ¡weight ¡according ¡to ¡the ¡HLUs’ ¡
frequency ¡
16 ¡
17 ¡
Various ¡models ¡of ¡data ¡representa,on ¡are ¡possible ¡ Our ¡choice: ¡tag ¡clouds ¡are ¡relevant ¡for ¡the ¡weighted ¡classes ¡
18 ¡
40 ¡par,cipants ¡ ¡ Students ¡: ¡they ¡are ¡familiar ¡with ¡the ¡corpus ¡vocabulary ¡
16 ¡Female ¡and ¡24 ¡Male ¡ Age ¡Range ¡: ¡17-‑24 ¡years ¡
19 ¡
Tag ¡cloud ¡built ¡from ¡the ¡data ¡of ¡our ¡taxonomy ¡(weighted ¡
24 ¡French ¡words ¡have ¡been ¡used ¡to ¡design ¡the ¡tag ¡cloud ¡ The ¡weight ¡of ¡each ¡word ¡is ¡measured ¡according ¡to ¡the ¡
20 ¡
4 ¡different ¡layouts ¡
Thema,c ¡cluster ¡ Circular ¡ Sequen,al ¡ Sequen,al ¡no ¡weight ¡frequency ¡
¡
one ¡group ¡of ¡10 ¡par,cipants ¡per ¡layout ¡
¡
A ¡single ¡tag ¡cloud ¡was ¡presented ¡to ¡each ¡par,cipant ¡
21 ¡
22 ¡
! !
Thema,c ¡ cluster ¡ Sequen,al ¡ Circular ¡ Sequen,al ¡no ¡weight ¡frequency ¡
23 ¡
STEP ¡1 ¡ ¡
Visual ¡ exploraSon ¡
subject ¡explore ¡ visually ¡the ¡tag ¡ cloud ¡
instruc,ons ¡
STEP ¡2 ¡ ¡
ReproducSon ¡
the ¡tag ¡cloud ¡
STEP ¡3 ¡
Recall ¡Task ¡
the ¡words ¡ composing ¡the ¡tag ¡ cloud ¡
STEP ¡4 ¡
RecogniSon ¡ Task ¡
was ¡proposed ¡to ¡the ¡ sibject ¡
cloud ¡mixed ¡with ¡24 ¡ news ¡words ¡
24 ¡ STEP ¡1 ¡ ¡ Visual ¡ explora,on ¡
subject ¡explore ¡ visually ¡the ¡tag ¡ cloud ¡
instruc,ons ¡
Fixa,on ¡dura,on ¡ Areas ¡interest ¡ ¡
25 ¡
% ¡ ¡recall ¡ % ¡recogni,on ¡ Tag ¡Cloud ¡n°1 ¡ Thema>c ¡cluster ¡ 14,8 ¡% ¡ 60,4 ¡% ¡ Tag ¡Cloud ¡n°2 ¡ Circular ¡ 12,5 ¡% ¡ 58,3 ¡% ¡ Tag ¡Cloud ¡n°3 ¡ Sequen>al ¡ 17,5 ¡% ¡ 58,7 ¡% ¡ Tag ¡Cloud ¡n°4 ¡ Sequen,al ¡no ¡weight ¡frequency ¡ 14,5 ¡% ¡ 54,5 ¡% ¡
26 ¡
¡ ¡ This ¡score ¡include ¡: ¡ ¡
16 ¡% ¡ 15 ¡% ¡
27 ¡
Response ¡,me ¡ (min) ¡ Correct ¡reproduc,on ¡ in ¡% ¡ Tag ¡Cloud ¡n°1 ¡ Thema>c ¡cluster ¡ 1min44s ¡ 16,5 ¡% ¡ Tag ¡Cloud ¡n°2 ¡ Circular ¡ 1min40s ¡ 26,5 ¡% ¡ Tag ¡Cloud ¡n°3 ¡ Sequen>al ¡ 1min20s ¡ 18,2 ¡% ¡ Tag ¡Cloud ¡n°4 ¡ Sequen,al ¡no ¡weight ¡frequency ¡ 2min20s ¡ 27 ¡% ¡
28 ¡
Profile ¡1 ¡: ¡longer ¡explored ¡areas ¡match ¡with ¡words ¡reproduced ¡by ¡a ¡par,cipant ¡ ¡ Profile ¡2 ¡: ¡longer ¡explored ¡areas ¡do ¡not ¡match ¡the ¡words ¡reproduced ¡by ¡a ¡par,cipant ¡
Words ¡correctly ¡ ¡ reproduced ¡ Fixa,on ¡dura,on ¡ (eye-‑tracking ¡data) ¡ Red ¡: ¡longer ¡explored ¡areas ¡
Two ¡disSnct ¡types ¡of ¡cogniSve ¡strategy ¡ 2 ¡individual ¡profiles ¡
No ¡significant ¡effect ¡of ¡layouts ¡of ¡tag ¡clouds ¡on ¡memory ¡performance ¡
Memory ¡performances ¡are ¡rather ¡low ¡(recall ¡test ¡but ¡also ¡recogni,on ¡ test) ¡
Results ¡of ¡the ¡recogni,on ¡test ¡are ¡surprising: ¡despite ¡a ¡visual ¡
explora,on ¡of ¡the ¡en,re ¡tag, ¡some ¡terms ¡have ¡not ¡been ¡stored ¡in ¡
An ¡apparent ¡lack ¡of ¡effect ¡on ¡font ¡size ¡on ¡memory, ¡whereas ¡it ¡is ¡an ¡
29 ¡
Impact ¡of ¡the ¡layout ¡of ¡tag ¡cloud ¡on ¡mental ¡image ¡(or ¡representa,on) ¡
Two ¡different ¡tag ¡clouds ¡layouts ¡generate ¡varia,ons ¡in ¡drawing ¡performance ¡ Best ¡performances ¡: ¡sequen,al ¡tag ¡cloud ¡with ¡no ¡weight ¡frequency ¡and ¡
circular ¡tag ¡cloud ¡with ¡weight ¡frequency ¡ ¡
Weight ¡frequency ¡cannot ¡be ¡the ¡only ¡explana,on ¡for ¡the ¡reasons ¡
behind ¡the ¡different ¡levels ¡of ¡performance ¡
Further ¡research ¡would ¡be ¡required ¡on ¡each ¡visual ¡feature ¡of ¡tag ¡could ¡ ¡
30 ¡
¡ ¡ ¡ ¡ ¡ ¡ ¡
31 ¡
Profile ¡1 ¡
highly ¡explored ¡zones ¡
accuracy ¡of ¡recalled ¡ terms ¡ Profile ¡2 ¡
during ¡the ¡step ¡of ¡ visual ¡explora,on ¡did ¡ not ¡lead ¡to ¡a ¡las,ng ¡ memory ¡trace ¡
¡Cogni,ve ¡style ¡study ¡such ¡as ¡visual ¡field ¡dependence ¡to ¡ understanding ¡the ¡reasons ¡of ¡these ¡two ¡profiles. ¡
Field ¡dependence ¡/ ¡independence ¡may ¡have ¡some ¡influence ¡on ¡the ¡
visual ¡treatment ¡of ¡data ¡
¡
32 ¡
Global ¡ treatment ¡of ¡a ¡ visual ¡form ¡ Difficul,es ¡ discerning ¡ details ¡
Field ¡ dependant ¡ persons ¡
Detailed ¡ treatment ¡of ¡a ¡ visual ¡form ¡ No ¡global ¡ treatment ¡in ¡a ¡ first ¡impression ¡
Field ¡ independent ¡ persons ¡ ¡
33 ¡
Trees ¡
forest? ¡ ¡ H ¡or ¡E ¡? ¡
Purpose ¡of ¡our ¡study ¡
To ¡understand ¡the ¡effect ¡of ¡different ¡tag ¡cloud ¡layouts ¡on ¡user’s ¡reprensenta,on ¡ and ¡recall ¡of ¡terms ¡
Limits ¡
Limited ¡scope ¡
Further ¡analysis ¡necessary ¡
Assets ¡
Low ¡impact ¡of ¡a ¡tag ¡cloud’s ¡layout ¡and ¡font ¡size ¡on ¡memory ¡performance ¡
Proposi,on ¡of ¡two ¡profiles ¡of ¡cogni,ve ¡strategies ¡: ¡to ¡be ¡completed ¡with ¡
Some ¡interesSng ¡points ¡about ¡visualizaSon ¡by ¡tag ¡clouds, ¡needing ¡further ¡ invesSgaSons ¡
34 ¡