This work presents a novel method for enhancing multi-class scatterplots with animated patterns. Each class in a scatterplot is assigned its own pattern that changes over time. This pattern determines the coloring of the class’s points, representing motion over time to make the points be perceived as connected to each other. As such it enables the task of identifying or perceiving the differences between different classes, even in greyscale. A user study was conducted to evaluate the efficiency of greyscale scatterplot patterns at identifying classes compared to other scatterplot methods. The results show slightly worse effectiveness than the baseline of colored multi-class scatterplots, while also showing greater effectiveness than greyscale scatterplots. 

Det här arbetet presenterar en ny metod för att utöka flerklassade scatterplots med animerade mönster. Varje klass i en scatterplot tilldelas ett mönster som ändras med tiden. Detta mönster bestämmer färgläggningen av klassens punkter och representerar rörelse över tid vilket får punkterna att tillsammans uppfattas som sammanhängande. Denna metod möjliggör uppgiften att identifiera eller åskådliggöra skillnaderna mellan olika klasser, även i gråskala. En användarstudie genomfördes för att utvärdera effektiviteten av gråskaliga scatterplotmönster vid identifiering av klasser i jämförelse med andra metoder. Resultaten visar något sämre effektivitet än baslinjen av färgade flerklassade scatterplots, men visar också på bättre effektivitet än gråskaliga scatterplots.