生成判断题设计

以下为基于“数据可视化图表选择与常见误区”主题设计的一道判断题（含学术化论证与参考文献），以测量学习者对图表选择原则与常见误区的理解。

• 试题（判断题）

  • 陈述：在展示组成关系且类别较多（例如超过 5–7 个）时，饼图通常比排序的条形图更有利于精确比较各部分大小。
  • 选项：正确 / 错误
  • 正确答案：错误

• 理由（基于证据的论证）

  • 论点：当类别较多时，使用饼图会显著降低数值判读的精度；使用按大小排序的条形图（共享零基线的长度与共用坐标轴位置编码）通常能提供更高的比较准确性。
  • 证据与依据：
    • 知觉精度层级研究稳定表明，共同尺度上的位置与长度编码优于角度与面积编码；饼图依赖角度/面积判断，因而在比较准确性上劣于条形图（Cleveland & McGill, 1984；Munzner, 2014）。
    • 当类别增多或切片较小、标签密集时，饼图的辨识负荷与遮挡问题上升，进一步加剧比较误差；相较之下，排序条形图能降低视觉搜索负担并支持跨类别的精确比较（Spence & Lewandowsky, 1991；Few, 2012）。
    • 众包实证研究亦显示，基于位置/长度的图形在比较任务上普遍优于基于角度/面积的图形，尤其当元素数量增加时差异更明显（Heer & Bostock, 2010）。
  • 教学契合：该题针对“图表选择与常见误区”的核心学习目标，检验学习者能否识别“在类别较多时仍偏用饼图”的常见误用，并能将感知原理应用于图表选择。

• 计分与评估说明

  • 评分：答“错误”计 1 分；答“正确”计 0 分。
  • 测量目标：理解层面（布鲁姆认知分类学“理解/应用”），聚焦图表选择原则与常见误区识别。
  • 可能干扰与说明：学习者可能基于“饼图用于组成关系”这一通则推断为真，忽视“类别较多时”的限定条件；本题通过限定条件检测对例外情境的掌握。

• 参考文献（APA）

  • Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554.
  • Few, S. (2012). Show me the numbers: Designing tables and graphs to enlighten (2nd ed.). Analytics Press.
  • Heer, J., & Bostock, M. (2010). Crowdsourcing graphical perception: Using Mechanical Turk to assess visualization design. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 203–212.
  • Munzner, T. (2014). Visualization analysis and design. A K Peters/CRC Press.
  • Spence, I., & Lewandowsky, S. (1991). Displaying proportions and percentages. Applied Cognitive Psychology, 5(1), 61–77.

——————————

Below is a True/False item designed for the topic “Selecting Data Visualization Charts and Common Pitfalls,” with academic justification and references.

• Item (True/False)

  • Statement: When showing part-to-whole relationships with many categories (e.g., more than 5–7), pie charts typically support more accurate comparisons than sorted bar charts.
  • Options: True / False
  • Correct Answer: False

• Rationale (Evidence-based)

  • Claim: With many categories, pie charts reduce judgment accuracy; sorted bar charts (using length and aligned position on a common axis) enable more precise comparisons.
  • Evidence:
    • Perceptual accuracy research consistently shows that position on a common scale and length encoding outperform angle and area; pie charts rely on angle/area, making them less accurate than bar charts (Cleveland & McGill, 1984; Munzner, 2014).
    • As the number of categories increases or slices become small and labels dense, pie charts impose higher visual load and occlusion; sorted bar charts reduce search effort and support precise cross-category comparisons (Spence & Lewandowsky, 1991; Few, 2012).
    • Crowdsourced experiments also demonstrate that position/length-based graphics outperform angle/area-based graphics for comparison tasks, with differences magnified as the number of items grows (Heer & Bostock, 2010).
  • Pedagogical alignment: The item targets recognition of the pitfall “using pie charts despite many categories,” assessing learners’ ability to apply perceptual principles to chart selection.

• Scoring and Assessment Notes

  • Scoring: Select “False” = 1 point; “True” = 0 points.
  • Construct: Understanding/application of chart selection principles and common pitfalls.
  • Anticipated misconception: Learners may overgeneralize “pie charts for composition” and overlook the boundary condition “many categories”; the item probes mastery of this exception.

• References (APA)

  • Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554.
  • Few, S. (2012). Show me the numbers: Designing tables and graphs to enlighten (2nd ed.). Analytics Press.
  • Heer, J., & Bostock, M. (2010). Crowdsourcing graphical perception: Using Mechanical Turk to assess visualization design. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 203–212.
  • Munzner, T. (2014). Visualization analysis and design. A K Peters/CRC Press.
  • Spence, I., & Lewandowsky, S. (1991). Displaying proportions and percentages. Applied Cognitive Psychology, 5(1), 61–77.

判断题（信息安全与合规：密码管理与共享风险）

题干： “只要已启用多因素认证（MFA），在团队内部共享同一账号及其密码用于系统访问就属于合规做法。”

选项：对 / 错

标准答案：错

解析（基于证据的论证）：

• 合规框架的共识是“唯一标识与可追责性”。账号必须唯一地标识到具体个人，以保证访问审计、责任划分与取证完整性；共享账户或共享密码直接破坏唯一标识与不可否认性，即使叠加MFA亦无法弥补该缺陷（MFA只提升认证强度，不提供个体可归属的身份链路）。
• 国际与国家标准明确要求对用户进行唯一标识、避免通用/共享账号，并对认证信息（包括密码）进行保密管理、禁止泄露或共用。例如：NIST SP 800-53要求对组织用户实施唯一识别与认证（IA-2），并对认证因子进行保护与管理（IA-5）；账号管理控制强调对账户生命周期与使用进行规范，避免共享账户破坏审计性（AC-2）。ISO/IEC 27002强调避免通用标识符、要求用户遵循秘密认证信息使用规范并保持保密性（如2013版9.2.1、9.3.1、9.4.3）。我国等级保护基本要求同样强调对用户实施唯一标识与身份鉴别，防止账号共用影响访问控制与审计有效性（GB/T 22239-2019）。
• 因此，“启用MFA即可合法共享密码”的判断与主流信息安全与合规要求相矛盾。

政策与标准出处：

• National Institute of Standards and Technology. (2020). Security and Privacy Controls for Information Systems and Organizations (NIST SP 800-53 Rev. 5). Gaithersburg, MD: NIST. 见控制IA-2（Identification and Authentication）与IA-5（Authenticator Management），以及AC-2（Account Management）关于唯一标识、认证器保护与账户管理的要求。https://doi.org/10.6028/NIST.SP.800-53r5
• International Organization for Standardization. (2013). ISO/IEC 27002:2013 Information technology — Security techniques — Code of practice for information security controls. 见9.2.1（User registration and de-registration：避免通用/共享标识符）、9.3.1（Use of secret authentication information：要求保密使用）、9.4.3（Password management system：确保口令质量与保密）。
• 国家市场监督管理总局, 国家标准化管理委员会. (2019). 信息安全技术 网络安全等级保护基本要求 (GB/T 22239-2019). 见“身份鉴别”“访问控制”等条款对用户唯一标识与访问审计有效性的要求。