기존의 채널 효과성 (channel effectiveness) 순위는 주로 완전한 차트 맥락 내에서의 크기 추정 (magnitude estimation) 정확도를 평가하며, 변별력 (discriminability), 분리 가능성 (separability), 팝아웃 (pop-out)과 같은 다른 지각 작업 (perceptual tasks)은 종종 간과합니다. 이러한 격차를 해소하기 위해, 우리는 채널 수준의 변동을 격리하기 위해 차트 특유의 구조가 없는 시각적 마크 세트인 원시 시각 자극 (primitive visual stimuli)을 사용하여 7가지 핵심 시각 채널 (위치 (position), 길이 (length), 기울기 (tilt), 면적 (area), 곡률 (curvature), 휘도 (luminance), 채도 (saturation))에 대한 크라우드소싱 실험을 수행했습니다. 우리는 4가지 지각 작업 (정확도 (accuracy), 변별력 (discriminability), 분리 가능성 (separability), 팝아웃 (pop-out))에 걸쳐 이러한 채널들을 평가하였으며, 채널 효과성이 근본적으로 다차원적이며 작업에 따라 순위가 상당히 변화한다는 것을 발견했습니다. 예를 들어, 공간 채널 (spatial channels)이 전반적인 우위를 유지하지만, 정확도는 고정된 공간 앵커 (spatial anchor)가 사용 가능한지 여부에 따라 크게 달라집니다. 변별력은 채널과 값의 범위에 따라 극적으로 달라지며, 우리는 이 패턴을 새로운 앵커드 하모닉 웨버 (Anchored Harmonic Weber) 모델로 공식화했습니다. 쌍별 채널 상호작용 (Pairwise channel interactions)은 종종 강한 비대칭성을 보입니다. 마지막으로, 우리는 추정 정확도 (estimation accuracy)와 전주의적 탐지 (preattentive detection) 사이의 해리 (dissociation)를 확인했습니다: 길이는 최상위권의 정확도에도 불구하고 중간 정도의 탐지 효과만을 보이는 반면, 면적은 낮은 정량적 정확도에도 불구하고 가장 높은 탐지율을 달성합니다. 다만 후자의 이점은 부분적으로 자극 수준의 단서 (stimulus-level cues)를 반영할 수 있습니다. 우리는 이러한 발견들을 맥락 민감형 채널 선택 (context-sensitive channel selection)을 위한 시나리오 기반 관점으로 종합합니다.