9 DISCUSSIONOur two qualitative eva

9 DISCUSSION
Our two qualitative evaluations raised many interesting points and insights; we highlight the important ones below.
9.1 Benefits of PNLBs on mSNA
Throughout the design study, we learned that MMGraph provides several benefits over common mSNA approaches (e.g., the compound network visualization and network metrics).
First, MMGraph, especially PNLBs, provides an effective structure for mSNA, which cannot be supported by the compound network visualization. We believe that the compound network visualization itself contains too much information in a single view without a proper abstraction. This complexity hampers social scientists from seeing the big picture, and may lead them to focus on an individual node at the outset of investigation. In contrast, the mode-by-mode division provided by PNLBs seems to be a proper external representation that social scientists can easily understand and work with. The zoomed-out view of PNLBs worked as a useful overview of the whole multimodal network data though it does not readily provide within-mode ties. Participants also effectively focused on mode-to-mode relationships. This finding is consistent with the lesson in our previous study [33], where an explicit visualization of temporal data changes the investigative analysis process to become more of a top-down process, rather than a bottom-up process.
Second, a tight integration between network metrics and visual representation provides a seamless train of analysis. As shown in the two evaluation studies, participants appreciated that various network metrics are used for ordering and encoding through glyphs instead of
being simply presented as a list of numbers. We believe that this tight integration allowed our participants to iteratively ask questions and answer them immediately, using that insight in their next question. Such train of analysis could be easily broken if one has to export data so that he or she could run statistical tests in a separate program.

Results (Indonesian) 1:

9 DISKUSIKami dua evaluasi kualitatif mengangkat banyak poin menarik dan wawasan; kami menyoroti yang penting di bawah ini.9.1 Benefits dari PNLBs pada mSNASepanjang studi Desain, kita belajar bahwa MMGraph menyediakan beberapa benefits selama pendekatan mSNA Umum (misalnya, visualisasi senyawa jaringan dan jaringan metrik).Pertama, MMGraph, terutama PNLBs, menyediakan sebuah struktur yang efektif untuk mSNA, yang tidak didukung oleh jaringan senyawa visualisasi. Kami percaya bahwa visualisasi senyawa jaringan itu sendiri berisi terlalu banyak informasi dalam satu pandangan tanpa sebuah abstraksi yang tepat. Kerumitan ini menghambat ilmuwan sosial dari melihat gambaran besar, dan memimpin mereka untuk fokus pada node individu pada awal investigasi. Sebaliknya, Divisi mode-oleh-mode yang disediakan oleh PNLBs tampaknya menjadi representasi eksternal tepat bahwa ilmuwan sosial dapat dengan mudah mengerti dan bekerja dengan. Pandangan diperbesar-out PNLBs bekerja sebagai gambaran yang berguna tentang seluruh multimodal jaringan data meskipun ini tidak mudah memberikan ikatan dalam modus. Peserta juga secara efektif berfokus pada hubungan mode-ke-mode. finding ini konsisten dengan pelajaran dalam studi kami sebelumnya [33], mana eksplisit visualisasi data sementara perubahan proses investigasi analisis untuk menjadi lebih dari sebuah proses top-down, bukan proses bawah-atas.Kedua, integrasi yang erat antara jaringan metrik dan representasi visual menyediakan kereta mulus analisis. Seperti ditunjukkan dalam studi evaluasi dua, peserta dihargai bahwa berbagai jaringan metrik yang digunakan untuk memesan dan encoding melalui glyphs bukan sedang hanya disajikan sebagai daftar nomor. Kami percaya bahwa integrasi ketat ini diperbolehkan peserta kami untuk iteratively mengajukan pertanyaan dan jawaban mereka segera, menggunakan itu pemahaman dalam pertanyaan berikutnya mereka. Seperti kereta analisis dapat mudah pecah jika orang harus mengekspor data sehingga dia bisa menjalankan uji statistik dalam program terpisah.

Results (Indonesian) 2:

9 DISKUSI
Kami dua evaluasi kualitatif mengangkat banyak poin yang menarik dan wawasan; kami menyoroti yang penting di bawah ini.
9.1 Bene ts fi dari PNLBs di msna
Sepanjang studi desain, kita belajar bahwa MMGraph menyediakan beberapa manfaat lebih umum msna pendekatan (misalnya, visualisasi jaringan senyawa dan metrik jaringan).
Pertama, MMGraph, terutama PNLBs, memberikan struktur efektif untuk msna, yang tidak dapat didukung oleh visualisasi jaringan majemuk. Kami percaya bahwa visualisasi jaringan senyawa itu sendiri mengandung terlalu banyak informasi dalam satu tampilan tanpa abstraksi yang tepat. Kompleksitas ini menghambat ilmuwan sosial dari melihat gambaran besar, dan dapat menyebabkan mereka untuk fokus pada node individu pada awal penyelidikan. Sebaliknya, divisi modus-oleh-mode yang disediakan oleh PNLBs tampaknya menjadi representasi eksternal yang tepat bahwa para ilmuwan sosial dapat dengan mudah memahami dan bekerja dengan. Diperbesar-out pandangan dari PNLBs bekerja sebagai gambaran yang berguna dari data jaringan multimoda seluruh meskipun tidak mudah memberikan ikatan dalam-mode. Peserta juga efektif berfokus pada hubungan modus-to-mode. Merintis ini konsisten dengan pelajaran dalam penelitian kami sebelumnya [33], di mana visualisasi eksplisit data sementara perubahan proses analisis investigasi untuk menjadi lebih dari sebuah proses top-down, bukan proses bottom-up.
Kedua, integrasi yang ketat antara metrik jaringan dan representasi visual menyediakan kereta mulus analisis. Seperti ditunjukkan dalam dua studi evaluasi, peserta menghargai bahwa berbagai metrik jaringan yang digunakan untuk memesan dan encoding melalui mesin terbang bukan
yang hanya disajikan sebagai daftar nomor. Kami percaya bahwa integrasi yang erat ini memungkinkan peserta untuk iteratif mengajukan pertanyaan dan jawaban mereka segera, menggunakan wawasan dalam pertanyaan mereka berikutnya. Kereta seperti analisis dapat dengan mudah rusak jika seseorang memiliki untuk mengekspor data sehingga ia bisa menjalankan tes statistik dalam program yang terpisah.