La analítica visual es una consecuencia de los campos de visualización de información y visualización científica que se centra en el razonamiento analítico facilitado por interfaces visuales interactivas . [1]
Descripción general
El análisis visual es "la ciencia del razonamiento analítico facilitado por interfaces visuales interactivas". [2] Puede atacar ciertos problemas cuyo tamaño, complejidad y necesidad de análisis humano y de máquina estrechamente acoplados pueden hacerlos de otra manera intratables. [3] La analítica visual avanza los desarrollos de ciencia y tecnología en razonamiento analítico, interacción, transformaciones de datos y representaciones para computación y visualización, informes analíticos y transición tecnológica. [4] Como agenda de investigación, la analítica visual reúne a varias comunidades científicas y técnicas de la informática, la visualización de información, las ciencias cognitivas y perceptivas, el diseño interactivo, el diseño gráfico y las ciencias sociales.
El análisis visual integra nuevas herramientas computacionales y basadas en la teoría con técnicas interactivas innovadoras y representaciones visuales para permitir el discurso de información humana. El diseño de las herramientas y técnicas se basa en principios cognitivos , de diseño y de percepción . Esta ciencia del razonamiento analítico proporciona el marco de razonamiento sobre el que se pueden construir tecnologías de análisis visual tanto estratégicas como tácticas para el análisis, la prevención y la respuesta de amenazas. El razonamiento analítico es fundamental para la tarea del analista de aplicar juicios humanos para llegar a conclusiones a partir de una combinación de evidencia y suposiciones. [2]
El análisis visual tiene algunos objetivos y técnicas que se superponen con la visualización de información y la visualización científica . Actualmente no existe un consenso claro sobre los límites entre estos campos, pero en términos generales, las tres áreas se pueden distinguir de la siguiente manera:
- La visualización científica trata con datos que tienen una estructura geométrica natural (por ejemplo, datos de resonancia magnética, flujos de viento).
- La visualización de información maneja estructuras de datos abstractas como árboles o gráficos.
- La analítica visual se ocupa especialmente de acoplar representaciones visuales interactivas con procesos analíticos subyacentes (p. Ej., Procedimientos estadísticos, técnicas de minería de datos ) de modo que se puedan realizar actividades complejas de alto nivel (p. Ej., Toma de decisiones, razonamiento, toma de decisiones).
La analítica visual busca casar técnicas de visualización de información con técnicas de transformación computacional y análisis de datos. La visualización de la información forma parte de la interfaz directa entre el usuario y la máquina, amplificando las capacidades cognitivas humanas de seis formas básicas: [2] [5]
- aumentando los recursos cognitivos, como mediante el uso de un recurso visual para expandir la memoria de trabajo humana,
- al reducir la búsqueda, por ejemplo, al representar una gran cantidad de datos en un espacio pequeño,
- mejorando el reconocimiento de patrones, como cuando la información está organizada en el espacio por sus relaciones temporales,
- apoyando la fácil inferencia perceptual de relaciones que de otro modo serían más difíciles de inducir,
- mediante el seguimiento perceptual de una gran cantidad de eventos potenciales, y
- al proporcionar un medio manipulable que, a diferencia de los diagramas estáticos, permite la exploración de un espacio de valores de parámetros
Estas capacidades de visualización de información, combinadas con el análisis de datos computacionales, se pueden aplicar al razonamiento analítico para respaldar el proceso de creación de sentido.
Temas
Alcance
La analítica visual es un campo multidisciplinario que incluye las siguientes áreas de enfoque: [2]
- Técnicas de razonamiento analítico que permiten a los usuarios obtener conocimientos profundos que respaldan directamente la evaluación, la planificación y la toma de decisiones.
- Representaciones y transformaciones de datos que convierten todo tipo de datos dinámicos y en conflicto de manera que respalden la visualización y el análisis.
- Técnicas para apoyar la producción, presentación y difusión de los resultados de un análisis para comunicar información en el contexto apropiado a una variedad de audiencias.
- Representaciones visuales y técnicas de interacción [6] que aprovechan la vía del ancho de banda del ojo humano hacia la mente para permitir que los usuarios vean, exploren y comprendan grandes cantidades de información a la vez.
Técnicas de razonamiento analítico
Las técnicas de razonamiento analítico son el método mediante el cual los usuarios obtienen conocimientos profundos que respaldan directamente la evaluación de la situación, la planificación y la toma de decisiones. La analítica visual debe facilitar el juicio humano de alta calidad con una inversión limitada del tiempo de los analistas. Las herramientas de análisis visual deben permitir diversas tareas analíticas como: [2]
- Entender rápidamente situaciones pasadas y presentes, así como las tendencias y eventos que han producido las condiciones actuales.
- Identificar posibles futuros alternativos y sus señales de advertencia
- Monitoreo de eventos actuales para la aparición de señales de advertencia, así como eventos inesperados.
- Determinar indicadores de la intención de una acción o de un individuo
- Apoyar al tomador de decisiones en tiempos de crisis.
Estas tareas se llevarán a cabo mediante una combinación de análisis individual y colaborativo, a menudo bajo una presión de tiempo extrema. El análisis visual debe permitir técnicas analíticas basadas en hipótesis y escenarios, proporcionando apoyo para que el analista razone sobre la base de la evidencia disponible. [2]
Representaciones de datos
Las representaciones de datos son formas estructuradas adecuadas para transformaciones basadas en computadora. Estas estructuras deben existir en los datos originales o ser derivables de los propios datos. Deben conservar el contenido de información y conocimiento y el contexto relacionado dentro de los datos originales en la mayor medida posible. Las estructuras de las representaciones de datos subyacentes generalmente no son accesibles ni intuitivas para el usuario de la herramienta de análisis visual. Con frecuencia son de naturaleza más compleja que los datos originales y no son necesariamente más pequeños que los datos originales. Las estructuras de las representaciones de datos pueden contener cientos o miles de dimensiones y ser ininteligibles para una persona, pero deben ser transformables en representaciones de dimensiones inferiores para su visualización y análisis. [2]
Teorías de visualización
Las teorías de visualización incluyen: [3]
- Jacques Bertin 's semiología de Gráficos (1967)
- Los lenguajes del arte de Nelson Goodman (1977)
- Jock D. Mackinlay 's diseño automatizado de la visualización óptima (APT) (1986)
- Leland Wilkinson 's Gramática de Gráficos (1998)
Representaciones visuales
Las representaciones visuales traducen los datos a una forma visible que resalta características importantes, incluidos los puntos en común y las anomalías. Estas representaciones visuales facilitan que los usuarios perciban rápidamente los aspectos más destacados de sus datos. Aumentar el proceso de razonamiento cognitivo con razonamiento perceptivo a través de representaciones visuales permite que el proceso de razonamiento analítico se vuelva más rápido y más enfocado. [2]
Proceso
La entrada para los conjuntos de datos utilizados en el proceso de análisis visual son fuentes de datos heterogéneas (es decir, Internet, periódicos, libros, experimentos científicos, sistemas expertos ). A partir de estas fuentes ricas, se eligen los conjuntos de datos S = S 1 , ..., S m , mientras que cada S i , i ∈ (1, ..., m) consta de atributos A i1 , ..., A ik . La meta o salida del proceso es la comprensión I . La percepción se obtiene directamente del conjunto de visualizaciones creadas V o mediante la confirmación de hipótesis H como resultado de métodos de análisis automatizados. Esta formalización del proceso de análisis visual se ilustra en la siguiente figura. Las flechas representan las transiciones de un conjunto a otro.
Más formalmente, el proceso de análisis visual es una transformación F: S → I , mientras que F es una concatenación de funciones f ∈ {D W , V X , H Y , U Z } definidas de la siguiente manera:
D W describe la funcionalidad básica de preprocesamiento de datos con D W : S → S y W ∈ {T, C, SL, I} incluidas las funciones de transformación de datos D T , funciones de limpieza de datos D C , funciones de selección de datos D SL e integración de datos funciones D I que son necesarias para que las funciones de análisis sean aplicables al conjunto de datos.
V W , W ∈ {S, H} simboliza las funciones de visualización, que son o bien funciones de visualización de datos V S : S → V o funciones visualizar hipótesis V H : H → V .
H Y , Y ∈ {S, V} representa el proceso de generación de hipótesis. Se distingue entre funciones que generan hipótesis a partir de los datos H S : S → H y funciones que generan hipótesis de visualizaciones H V : V → H .
Además, las interacciones del usuario U Z , Z ∈ {V, H, CV, CH} son una parte integral del proceso de análisis visual. Las interacciones del usuario pueden afectar solo las visualizaciones U V : V → V (es decir, seleccionar o hacer zoom), o pueden afectar solo las hipótesis U H : H → H generando una nueva hipótesis a partir de las dadas. Además, la penetración puede concluir de visualizaciones U CV : V → I o de hipótesis U CH : H → I .
El preprocesamiento de datos típico que aplica funciones de limpieza de datos, integración de datos y transformación de datos se define como D P = D T (D I (D C (S 1 , ..., S n ))) . Después del paso de preprocesamiento, ya sea métodos de análisis automatizados H S = {f s1 , ..., f sq } (es decir, estadísticas, extracción de datos, etc.) o métodos de visualización V S : S → V, V S = {f v1 , ..., f vs } se aplican a los datos para revelar patrones como se muestra en la figura anterior. [7]
En general, se utiliza el siguiente paradigma para procesar los datos:
Analice primero - Muestre lo importante - Amplíe, filtre y analice más a fondo - Detalles a pedido [8]
Ver también
Temas relacionados
- Cartografía
- Visualística computacional
- Pensamiento crítico
- Toma de decisiones
- Google analitico
- Diseño de interacción
- Análisis visual interactivo
- Interactividad
- Software de análisis de redes sociales
- Visualización de software
- Sistema de visualización de información Starlight
- Analítica de texto
- Análisis de tráfico
- Razonamiento visual
Científicos relacionados
- Cecilia R. Aragón
- Robert E. Horn
- Daniel A. Keim
- Theresa-Marie Rhyne
- Lawrence J. Rosenblum
- Ben Shneiderman
- John Stasko
- Jim Thomas
Referencias
- ^ Pak Chung Wong y J. Thomas (2004). "Analítica visual". en: IEEE Computer Graphics and Applications , Volumen 24, Número 5, septiembre-octubre. 2004 Página (s): 20–21.
- ↑ a b c d e f g h James J. Thomas y Kristin A. Cook (Ed.) (2005). Iluminando el camino: la agenda de I + D para el análisis visual Centro Nacional de Visualización y Análisis.
- ↑ a b Robert Kosara (2007). Analítica visual . ITCS 4122/5122, otoño de 2007. Consultado el 28 de junio de 2008.
- ^ Kielman, J. y Thomas, J. (Eds. Invitados) (2009). "Número especial: Fundamentos y fronteras de la analítica visual". en: Visualización de información , Volumen 8, Número 4, Invierno de 2009 Página (s): 239-314.
- ^ Stuart Card, JD Mackinlay y Ben Shneiderman (1999). "Lecturas en visualización de información: usar la visión para pensar". Editorial Morgan Kaufmann, San Francisco.
- ^ A. Kerren y F. Schreiber. Hacia el papel de la interacción en el análisis visual. En Actas de la Conferencia de simulación de invierno de 2012 (WSC '12), páginas 420: 1-420: 13, Berlín, Alemania, 2012. IEEE Computer Society Press.
- ^ Daniel A. Keim, Florian Mansmann, Jörn Schneidewind, Jim Thomas y Hartmut Ziegler (2008). "Analítica visual: alcance y desafíos"
- ^ Keim D. A, Mansmann F, Schneidewind J, Thomas J, Ziegler H: Análisis visual: alcance y desafíos . Minería de datos visual: 2008, S. 82.
Otras lecturas
- Boris Kovalerchuk y James Schwing (2004). Análisis visual y espacial: avances en la minería de datos, el razonamiento y la resolución de problemas
- Guoping Qiu (2007). Avances en Sistemas de Información Visual: IX Congreso Internacional (VISUAL).
- Personal de IEEE, Inc. (2007). Ciencia y tecnología de análisis visual (VAST), un simposio del IEEE 2007.
- May Yuan, Kathleen y Stewart Hornsby (2007). Computación y visualización para comprender la dinámica en dominios geográficos.
- Daniel Keim, Gennady Andrienko, Jean-Daniel Fekete, Carsten Görg, Jörn Kohlhammer y Guy Melançon (2008). Analítica visual: definición, proceso y desafíos . En Andreas Kerren, John T. Stasko, Jean-Daniel Fekete y Chris North (Eds.), Visualización de la información: cuestiones y perspectivas centradas en el ser humano, páginas 154-175, Lecture Notes in Computer Science 4950, Springer Berlin Heidelberg.
- Dominar la era de la visualización: resolver problemas con el análisis visual (2010) (pdf)
- Kawa Nazemi (2014). Visualización de semántica adaptativa. Asociación Eurographics [1] . Disertación TU Darmstadt. Eurographics.
enlaces externos
- Medios relacionados con la analítica visual en Wikimedia Commons