《人工智能辅助决策中的数据可视化：系统性综述》

​​引言​​：本研究通过文献综述检视数据可视化方法在AI辅助决策场景中的应用现状、核心挑战及设计原则。重点探究三类议题：所采用的可视化技术类型、用户面临的实践困境、影响认知理解的关键视觉要素，以及可视化效果评估方法论。

​​方法​​：严格遵循PRISMA协议开展系统性文献综述（SLR），覆盖五大权威学术数据库，最终纳入2011年至2024年7月发表的127项相关研究。通过综合解析决策场景现有可视化方案，重点评估“可用性”、“交互性”、“可访问性”及“认知负荷管理”四大维度。

​​结果​​：研究发现涵盖图表、图形、仪表盘及交互平台等多样化可视化形态，其核心价值在于增强数据探索与洞察提取能力。关键挑战包括：复杂度与可用性平衡、直觉化设计实现、复杂数据精准解读的培训支持。研究证实“色彩运用”、“符号表征”、“数据密度控制”等视觉要素对提升用户理解力与决策效能具有决定性作用。针对个体认知风格定制的交互式可定制可视化方案展现卓越效能。进一步强调需采用“可用性测试”、“问卷调查”、“认知评估”等多元评估方法，基于用户反馈迭代优化可视化设计。

​​讨论​​：研究结论表明：支持个性化定制的交互式可视化路径——适配差异化认知偏好并融合持续培训机制以降低解读偏差——可为用户创造最大价值。本成果为构建适应数据密集型环境复杂决策需求的“高可访问性”、“强有效性”可视化实践框架提供理论基石。