Presentation laddar. Vänta.

Presentation laddar. Vänta.

Introduktion till Informationsvisualisering Staffan Björk

Liknande presentationer


En presentation över ämnet: "Introduktion till Informationsvisualisering Staffan Björk"— Presentationens avskrift:

1 Introduktion till Informationsvisualisering Staffan Björk

2 Vad är informationsvisualisering?  The use of computer-supported, interactive, visual representations of abstract data to amplify cognition (Card, Mackinlay & Shneiderman)  Dvs: Att med hjälp av datorer översätta abstrakta data till en mera lättförståelig och interaktiv visuell presentation

3 Vad är informationsvisualisering?  Externaliserad Kognition  Användande av den externa världen för att uppnå kognition  Informationsdesign  Formgivning av externa representationer för att förstärka kognition  Datagrafik  Användande av abstrakta, icke-representativa visuella representationer av data för att förstärka kognition (Card, Mackinlay & Shneiderman)

4 Vad är informationsvisualisering?  Visualisering  Användande av datorbaserade interaktiva visuella representationer av data för att förstärka kognition  Vetenskaplig Visualisering  Användande av interaktiva visuella representationer för mätdata data för att förstärka kognition  Informationsvisualisering  Användande av interaktiva visuella representationer för abstrakt data för att förstärka kognition (Card, Mackinlay & Shneiderman)

5 Varför Informationsvisualisering?  Ögat är mycket bra på att upptäcka mönster och samband snabbt (eller avbrott i mönster!)  Därför är det lämpligt att utnyttja denna egenskap för att underlätta förståelse av komplex data  Genom att tillåta användaren interagera med en visualisering – göra den interaktiv - kan man dessutom ”finjustera” presentationen och komma fram till nya samband

6 Kunskapskristallisering (Russell et al., 1993 i Card, Mackinlay, & Shneiderman, 1999) Uppgift Datasökning Struktursökning Strukturimplementering Problemlösning Beslut/Handling

7 Hur kan informationsvisualisering förstärka kognition?  Ökad resurser  Hierarkisk interaktion med hög bandbredd  Parallell behandling av data  Förflytta arbete från att vara kognitivt belastande eller perceptuellt belastande  Fungera som utökat korttidsminne  Utöka mängden information som finns tillgänglig  Förenkla sökning  Lokalisera sökningen till regioner  Hög densitet av information i en region  Undvika indexering genom utplacering i rummet (Card, Mackinlay & Shneiderman, 1999)

8 Hur kan informationsvisualisering förstärka kognition?, forts.  Förenkla upptäckten av mönster  Igenkänning istället för ihågkomning  Abstraktioner och sammanslagningar  Perceptuell slutledning  Visuella representationer kan göra lösningar till problem självklara  Grafiska beräkningar (Card, Mackinlay & Shneiderman, 1999)

9 Hur kan informationsvisualisering förstärka kognition?, forts.  Perceptuell övervakning  Händelser som är ovanliga kan fås att framträda tydligare  Manipulerbart medium  Visualiseringar kan anpassas för specifika behov  Visualiseringar kan ses från olika vyer vilket kan ge bättre överblick över större förmåga att utforska informationsmängden (Card, Mackinlay & Shneiderman, 1999)

10 Begrepp från Envisioning Information - Escaping Flatland  Grundproblem  Informationsvisualiseringar har 2(+1) dimensioner att använda för att visa all information  Nästan all information har mer än 2 intressanta egenskaper  Alltså kan inte en dimension används till varje egenskap

11 Begrepp från Envisioning Information - Escaping Flatland  Inga generella lösningar  ”nearly every escape from flatland demands extensive compromise, trading off one virtue against another” Spotfire,

12 Begrepp från Envisioning Information - Escaping Flatland  Verktyg  Färger  Mönster  Position  Form  Kluster  Lager  Små multipler Prosection Matrix, Spence, 1996

13 Begrepp från Envisioning Information - Escaping Flatland  Chartjunk  Irrelevant information  Utsmyckning som inte förtydligar  Detta beror naturligtvis på målgruppen  Exempel: Inkomst i USA mer ojämnt fördelad än i resten av världen  Världskarta är irrelevant  2 sorters 3D diagram från två olika vyer  Upprepning av namn på länder  28 tal behöver för att visa skalorna som visar 24 informationsenheter  Ländernas ordning oförklarad  Bokstaven I används för att separera länderna Klass, G. Lecture notes, Illinois State University

14 Begrepp från Envisioning Information - Micro/Macro Readings  Berör stora informationsmängder  Se enskilda delar  Förstå sammanhang  Se mönster  to clarify, add detail

15 Begrepp från Envisioning Information - Micro/Macro Readings  Exempel  Hitta orsaken till koleraepidemi i London  Baserad på karta över epidemiområdet  Markera ut varje hus där någon insjuknat  Hitta området med högst koncentration

16 Begrepp från Envisioning Information - Micro/Macro Readings  Kalendervy över arbete  Traditionell kalender  Färgkodad automatgenererad klustering  Diagram som visar fördelning tid/antal närvarande  Medelvärden för kluster visas  Enskilda dagar kan väljas (Van Wijk & van Selow, 1999)

17 Begrepp från Envisioning Information - Layering & Separation  Layering – överlagring  Ha flera olika lager av information tillgänglig  Separation – Uppdelning  Gör så att lagren tydligt kan skiljas från varandra  Men så att deras relation bevaras

18 Begrepp från Envisioning Information - Layering & Serparation – 1+ 1 = 3  = 3  Negativa ytor  Ytor definierade av andra ytor  Most of the time, that surplus visual activity is non-information, noise, and clutter + =

19 Begrepp från Envisioning Information - Layering & Serparation – 1+ 1 = 3

20

21

22

23 Rast

24 Exempel – Information Visualizer (och relaterad projekt)

25 Information Visualizer  Ett projekt för att utforska nya användargränssnitt  Ge användaren mer (virtuellt) utrymme genom 3D  Höja informationsdensiteten genom att använda animation och 3D perspektiv  Byggde på 3D-systemet Rooms

26 Information Visualizer – Cone Trees  Visualisering av hierarkisk information  Problemet med breda träd löses genom att utnyttja extra utrymme som 3D ger  Skugga ger överblick över hela trädet  Varje delträd är roterbart

27 Information Visualizer - Perspective wall  Kalendervy  Använder perspektiv för att på ett ”naturligt” sätt minska informationen som visas  Fokus kan ändras genom att ”dra” i kalendern

28 Information Visualizer - Document Lens  Utforska text dokument  (i mikrofiche format)  Dokumentet modelleras som ett töjbart duk  Duken sträcks ut över en pyramid utan top  Interaktion sker genom att flytta pyramiden

29 [Information Visualizer] – Butterfly Application  För sökande av referenser  Komponenter  Huvud: vald artikel  Vänster vinge: använda referenser  Höger vinge: referenser till artikeln  Referenser kan väljas för att skapa nya vyer

30 [Information Visualizer] - Table Lens  Applikation för att undersöka information i tabellformat  Varje rad/kolumn kan öppnas upp för att visa detaljer  Rader/kolumner kan sorteras om efter innehåll i valda kolumner/rader

31 [Information Visualizer] - Spiral Calendar  Kalenderapplikation  Flera vyer motsvarande olika skalnivåer  Dag  Vecka  Månad  År  Person?  Avdelning?  Detaljvy samt överblick på flera olika nivåer  Möjlighet att navigera på flera olika nivåer

32 Exempel - Fisheye views

33 Fisheye views  Grundproblem  Det användaren vill se av en informationsmängd får inte plats på skärmen samtidigt  Ta bort irrelevant information  Hur ska man veta vad som bör visas?  Antagande: hierarkisk strukturerad information

34 Fisheye views - Grundidé  Information högre upp i strukturen viktigare  Men detaljinformation där användaren fokuserar också viktigt  Beräkna hur viktig varje informationsdel är utifrån detta

35 Fisheye views - Koncept  API(x)  A Priori Importance  Viktning av information oberoende av användarens intresse  Negativt värde  D(x,y)  Avståndsfunktion mellan användarens fokus och informationen  Ger ett nummeriskt värde

36 Fisheye views - Koncept  DOI(x!=y)  Hur viktig en enskild informationsdel är  API(x) – D(x,y)  Presentation görs beroende på värden och hur mycket utrymme som finns

37 Fisheye views Normal presentation Fisheye presentation


Ladda ner ppt "Introduktion till Informationsvisualisering Staffan Björk"

Liknande presentationer


Google-annonser