数据可视化是当前的一个热点问题，特别在交互设计领域，如何把数据——特别是大规模的数据进行可视化就成为了一个非常热门的问题。对于设计专业的人员而言，数据可视化的最大挑战在于对数据的理解。和传统的设计对需求的理解有所不同，数据的理解难度可能会加大。因为，数据本身可能带有比较强的专业性、领域性和研究性。而设计专业的最大优势在于可视化表现这一部分，因此，采用什么表示方式，可能是数据可视化的一个重点。

数字可视化这个领域里，将科学数据和信息进行可视化是两个重大的方向。科学数据的可视化是将科学数据用图表等方式进行表现，信息可视化则是将非数字信息进行可视化。前者更多见于互联网行业，其主要目的是把可视化信息作为一种沟通工具；后者则是一种重要的数据挖掘和设计技术，例如把核磁共振的图谱可视化就是典型的例子，这个已经属于科学研究范畴。

就数据可视化而言，最大的难点在于如何在可视化中表达出数据的某种上下文（context）关系，而正是这种关系的表达，可以使表达过的信息和知识具有更好的可理解性。特别是在数据量很大的情况下，如何表达？一个常见的关系表达就是社会化网络的关系。这已经是这个领域的一个热点话题了。

至于如何进行数据可视化，有机会我会和大家一起探讨。

从北京清华国际设计博士论坛回来后，从4月25日开始休假，到51假期结束。游览了浙江西部的龙游石窟。5月4日到5日，在杭州参观和访问阿里巴巴中国站和国际站，和阿里巴巴国际站和中国站的老大和朋友进行了2天的沟通和交流。还住了老男的别墅，感觉非常好。在沟通和交流中，有些问题似乎已经成为了互联网行业用户体验设计的共同关注的问题。这里简单探讨一下设计是基于数据还是基于直觉更好。

Doug Bowman离开Google的一个所谓的理由就是其不喜欢过于用数据来说话。其实，如果把设计看作一个“创新”+“沟通”的过程的话，创新阶段，直觉很关键，在沟通阶段数据就很重要了。很多设计师总是觉得自己怀才不遇，自己的东西不能被别人所理解，其实，要让设计在一个企业里发挥更大的作用，沟通往往更加重要。如果设计师的想法不能用大家都能明白的话语说出来，其价值会大大折扣。数据在沟通中往往扮演重要的角色。有句经典的名言：“除了假设的提出者，没有人相信假设；除了实验的操纵者，每人都相信实验。” 详细 »

设计研究是对设计本身的研究。但是，设计和研究本身就是两个具有相反意义的名词。设计是一个典型的综合过程，研究是一个典型的分析过程。设计研究的本质就是用分析的方法去研究设计这个综合的过程。那设计研究的意义何在呢？可以从一个理想而宏观的角度去看，设计研究的意义有以下几点：

（1）设计研究可以使设计过程的随机搜索过程较少，迭代试错过程最短。这是对设计本身的贡献。

（2）使人类设计师更有创造性；并赋予计算机创造力。这是对创新的贡献。

（3）研究人类复杂问题求解。这是对研究人的科学的贡献。

基于这么三点，我们开展的设计研究工作也就更有意义。

任何科学都包含了分析和综合两个基本过程[Michael J. Behe, William A. Dembski, Stephen C. Meyer, and Michael Behe：Science and Evidence for Design in the Universe. Ignatius Press,2001, USA]。技术和工程就是将科学原理和严密的数学工具运用于各种工程问题和系统中。技术和工程显然包含了分析的概念。但是，在技术和工程领域，由于没有科学原理运用于综合过程，因此，对于人造物产生的技术和工程而言，一个重要的假设就是人造物的产生的综合过程最好也只能以经验或试探的方式来进行，这就是设计。这一类的想法可以追溯到科学研究中普遍采用的方法——归纳法。但科学似乎不同，它是通过对问题不断分解分析清楚以获得自然某种现象的工作原理。而设计综合过程需要不同的思考方式和不同的原理，归纳法不能扩展到综合过程。当然，设计也需要分析，但是综合是设计问题的本质，综合显然也是需要科学原理作为支撑的。

但是现有的科学并不能支持一个完整的综合（设计）过程。阿里克森德（Christopher Alexander）作为设计研究的倡导者之一却首先提出“设计方法研究无用论”， 详细 »

对于一个企业的研究来说，也许我们并不需要那么精确的数据支持。比如对于一个市场机会点而言，我们觉得有60%的把握，可能我们就会去冒险了。特别对于互联网行业而言，即使失败，成本损失也不会有那么巨大。但是，即使如此，我们也不能因为这样而降低了研究的质量和水平。我们宁愿要一个100%的设计研究水平得到60%的把握，而不是60%的设计研究水平得到100%的把握。最近和Google的全球研究经理Patrick Larive的直接接触中深深感到他对于研究的高要求。

企业的研究虽然具有一定的应用性质，但是，如何保证研究的质量是一个很重要的问题——不仅仅是研究者道德的问题。研究允许没有结果；研究允许不支持这个结论。当然，研究者也会受到利益相关方的干扰，但是，如果是因为研究设计的原因造成的误差就是很严重的错误了。

最近，油茶会和ChinaUI等网站转载了韩国KAIST大学工业设计系的Ying Dong和Kun-Pyo Lee两名研究者发表的《A Cross-Cultural Comparative Study of Users’ Perceptions of a Webpage: With a Focus on the Cognitive Styles of Chinese, Koreans and Americans》文章，翻译的标题为《有趣的用户研究：中、美、韩用户眼动比较》。该研究选取了中美韩三国共27名用户按照国家分组进行了眼动测试，得出了几个结论：（1）美国人的眼睛活动开始稳定，并开始将注意力集中在页面的某一处。（2）多数中国人和韩国人都采用0式浏览，而美国人更多是采用5式浏览。也就是说，中韩用户会整体去看一个页面，而多数美国人趋向于从中心向外围浏览。

我认为这个研究，在研究方法、研究过程存在比较大的问题，其研究证据不足以支持研究的结论。首先，眼动仪测试一般需要每组至少30用户，但这个研究仅有9个，而文章中引用所谓可用性的论文支持眼动测试取样的数量，是一种明显的偷换概念的行为。其次，研究的样本选择在文章中没有明确的说明，在程序上，没有满足一篇严肃论文的起码要求。再次，研究的结果没有进行统计分析，因此，很难确认研究结果的信度、效度。第四，在实验设计上，简单地把一个具有政治和社会学概念的国家分类和眼动这样的生理活动联系起来，缺乏支持。

研究的目的是有所发现，得到结论。文章得到了“非常重要”的结论。但是，这样的结论却建立在研究水平连行业的基本标准都没有达到的水平上，这样的研究是完全没有意义的。

说明：题图选自eye tracking的wiki。

飞利浦（Philips）是一家非常注重用户研究的公司，其在阿姆斯特丹的Home Lab就是一个类似于usability lab的实验室。Roving Cub的编辑Scott Merrill介绍了他在Home Lab的经历。

Home Lab属于飞利浦研究中心的一部分，这是一个家庭的模型，用以测试和了解大众对于飞利浦的新技术和设计的反馈。在实验室里，安装了近30个摄像头和录音设备。用户的所有行为和语言都会被记录和跟踪，然后经由研究者进行分析。据Scott Merrill的介绍，现在飞利浦正在测试其ambX产品。

实验室的环境和实际环境的真实性是 基于实验室研究成败的关键。飞利浦的这个实验室非常有借鉴价值。事实上，Google北京的相关实验室也进行了实地化的处理，取得了较好的反馈，最大限度减少了用户的拘束感。

关于ambX的更多信息，你可以访问：http://www.crunchgear.com/2006/11/09/philips-ambx-blows-you/

本周四和五，参加了诺基亚（Nokia）研究中心北京office组织的《未来移动UI和UE》的学术研讨会，会上，大家讨论最多的问题是用户的复杂性造成的研究结果的不确定性。用户的数据是丰富多彩的，但是，研究者倾向于将这些数据总结成为所谓的模式（pattern）和模型（model）。这样的抽象，无不带着研究者个人的主观色彩和研究取向，也许离真实的用户又变远了。针对这个问题，浙江大学的陈硕博士提出了similiary/colerration的观点来解决。我在会议上也做了一个题为《The Future Web Landscape: New Trends, New Service, New Pattern》的主题演讲。我的观点更加激进一些：模式都是错误的，我们并不需要模式，我们需要直接从数据得到结论。这是典型的Google的思想。不过，在现阶段，我还是认可陈硕博士的观点。我觉得模式还是必要的。模式其实是人们进行沟通的桥梁。

另外，本次会议上，和部分社会学的研究者进行了深入有趣的沟通也使我受益不少。

据national geographic报道，UC Berkeley的神经科学家Kendrick Kay和他的同事们的最新的一项研究，开发了一套程序，使计算机可以通过解码人类对图像反应的神经信号，从而获取人类的大脑活动的情况。这使得科学家在向着完全读取人类记忆的征途上迈出了关键的一步。

Kay的研究小组的具体做法是通过Functional核磁共振扫描一个观察者对1000张图片的神经反应，根据观察者对黑白照片中图画元素如角度，亮度所引起的神经的反应，建立了计算机数据模型。而后一边给观察者做扫描，一边给他们展示新的图片。大多数时间KAY的模型可以通过对比核磁共振扫描获取的脑部反应和预测的脑部活动，正确的指出观察者正在浏览的图片。虽然对于一些非常相近的照片，系统目前还无法识别，但是，正如德国认知与大脑科学家John-Dylan Haynes说的那样：我们可以更加定量获取关于人类大脑活动的数据，是心理学、神经科学和脑科学的重大进展。

当然，我认为这项研究还有很多可以继续进展的方面，比如我们还很难建立起复杂大脑活动的可视化模型（如记忆、动机等）。但是，这毕竟向前走了一步。正如Kay自己说的那样：科技的进步可以允许获得更多的大脑的数据。在不能真正了解大脑的运作方式的情况下，及时获得了数据也无法得知他们真正的意义。