Consideraes sobre o uso de Visualizao de Informao no

auxlio gesto de informao

Celmar Guimares da Silva
Instituto de Computao Universidade Estadual de Campinas (Unicamp)
Caixa Postal 6176 13084-971 Campinas SP Brasil
celmar@ic.unicamp.br

Abstract. One of the grand challenges in Computer Science research in Brazil

for the years 2006 to 2016 is the challenge of management of information over
massive volumes of data. This paper aims to present how the objectives of
Information Visualization field are close to the objectives of this challenge,
detailing the data visualization process and exemplifying analysis situations
that gain with the use of Information Visualization techniques and concepts.
This paper also presents some Information Visualization challenges as a way
of pointing steps to promote the field development and the interdisciplinary
use of its results, by which its advantages can be disseminated through distinct
social, economical and cultural contexts.
Resumo. Um dos grandes desafios de pesquisa de Cincia da Computao
brasileira para os anos 2006 a 2016 o desafio da gesto de informao
relativa a grandes volumes de dados. Este artigo visa apresentar como os
objetivos da rea de Visualizao de Informao vo ao encontro dos
objetivos desse desafio. Para tanto, o artigo detalha o processo de
visualizao de dados e exemplifica situaes de anlise que se beneficiam do
uso de tcnicas e conceitos de Visualizao de Informao. O artigo tambm
apresenta alguns desafios na rea de Visualizao de Informao, como
forma de indicar passos a serem tomados para promover o desenvolvimento
da rea e a utilizao interdisciplinar de seus resultados, pela qual seus
benefcios podem ser disseminados em diferentes contextos scio-econmicoculturais.

1. Introduo
Sistemas computacionais de informao esto cada vez mais presentes em diversos
aspectos da vida humana, coletando e armazenando volumes de dados heterogneos que
crescem exponencialmente e de maneira distribuda. Essas caractersticas em conjunto
dificultam consideravelmente a obteno de informao relevante nesses dados. Nesse
sentido, pesquisadores brasileiros apontam como um grande desafio de pesquisas em
Cincia da Computao no Brasil at 2016 a integrao de diferentes reas da
Computao para desenvolver aplicaes que beneficiem o contexto scio-econmicocultural do pas, provendo solues para tratar, recuperar e disseminar informao
relevante a partir desses volumes de dados [Carvalho et al. 2006].
Esse objetivo consoante com os objetivos da rea de Visualizao de
Informao, que visa facilitar o processo de derivao e entendimento de informao a

2070

partir da anlise visual de conjuntos de dados. Diferentes tcnicas de Visualizao de

Informao utilizam recursos computacionais para representar esses dados de maneira
grfica e interativa, procurando otimizar o uso das capacidades visuais humanas para
compreender fenmenos que no possuem em si mesmos uma representao espacial
prpria [Card et al. 1999; Chen 2002].
Detalhando essa consonncia de objetivos (Seo 2), este artigo procura
exemplificar reas que fazem uso de Visualizao de Informao (ainda que de forma
restrita), em diferentes cenrios nos quais necessrio obter informaes relevantes em
grandes volumes de dados (Seo 3). Este artigo tambm apresenta alguns desafios
atuais de Visualizao de Informao, cuja soluo ter impacto na forma como a rea
pode contribuir com atividades de gesto de informao (Seo 4).

2. Consonncia de objetivos
Para apresentar como os objetivos de Visualizao de Informao esto em harmonia
com os objetivos do desafio de gesto de informao, importante primeiramente
detalhar o que se compreende por tratar, recuperar e disseminar informao relevante a
partir de volumes de dados. A relevncia de uma informao contida em um conjunto
de dados est relacionada tarefa de anlise sendo executada, a qual normalmente
envolve examinar caractersticas dos dados em questo. Recuperar informao relevante
exige, assim, tratar esse conjunto de dados sob anlise, visando sua organizao em
entidades, atributos e relacionamentos que sejam relevantes tarefa de anlise, e que
possam ser consultados e comparados com relao s suas caractersticas. Recuperar
informao relevante exige ainda que esses dados sejam apresentados de maneira clara
e no ambgua s pessoas envolvidas na anlise, de modo que elas possam interpret-los
corretamente e abstrair informao relevante a ser posteriormente compartilhada e
disseminada.
Esse processo de tratamento, recuperao e disseminao de informao pode
ser comparado com o processo pelo qual Visualizao de Informao procura
transformar em uma representao grfica e interativa um conjunto de dados brutos.
Este processo est representado no diagrama da Figura 1, obtido pela sumarizao de
alguns diagramas representativos do processo de Visualizao de Informao [Card et
al. 1999; Ware 2004; Spence 2001].
Nessa figura, um indivduo possui em mente a tarefa de estudar uma situao
particular e obter informaes relevantes sobre ela. Para tanto, necessrio inicialmente
coletar dados sobre essa situao, a partir dos quais se deseja obter as informaes
necessrias. A coleta desses dados pode ser feita por sistemas computacionais, por
diferentes dispositivos como sensores e cmeras, ou manualmente pelo prprio
indivduo. O conjunto de dados brutos coletados pode ser heterogneo, contendo datas,
medidas, quantidades, cdigos, descries, coordenadas espaciais, imagens, vdeos,
arquivos diversos, endereos de sites da Internet, entre outros. Diferentes entidades,
atributos e relacionamentos podem estar representados nesse conjunto de dados.

2071

Situao sob
estudo

Pessoa
cognio
Interaes

Controles interativos
Coleta
de
dados
Transformaes
de dados

Tarefa
Mapa cognitivo
Relaes visuais
Inferncias
Abstraes
Padres
Etc.

Mapeamento visual e
transformaes de viso
viso

Dados brutos

Estruturas
de Dados

Estruturas
Visuais

Dispositivo de
exibio

Figura 1. Diagrama representando o processo de Visualizao de Informao.

Dada essa multiplicidade e heterogeneidade de dados, recuperar informao

exige primeiramente a tarefa de organizar esses dados, de forma que alguma informao
possa ser obtida pela consulta e comparao de entidades similares, de suas
caractersticas e dos relacionamentos entre diferentes entidades. Esta tarefa de
tratamento de dados envolve organizar esses dados em estruturas (ou tabelas), e
denominada transformao de dados [Card et al. 1999]. Quando os dados a serem
tratados esto armazenados em um SGBD, essa transformao pode ser desnecessria,
pois a organizao do prprio banco de dados pode ser utilizada. Por outro lado, h
casos em que essas transformaes so necessrias, pois a situao estudada apresenta
muitos dados dispersos e sem relacionamento aparente (como pode ocorrer na coleta
manual de dados), exigindo organizao para ser mais bem compreendido.
Esse primeiro nvel de organizao de dados pode no ser suficiente para que o
indivduo obtenha informaes relevantes sobre a situao estudada. Nesses casos,
ordenao, clculo de mdias e classificao de caractersticas so algumas operaes
que podem ser aplicadas sobre as estruturas de dados obtidas. Essas novas
transformaes de dados permitem classificar e agregar entidades que compartilham
caractersticas semelhantes, possibilitando a sumarizao e abstrao do conjunto de
dados coletado [Card et al. 1999]. Algoritmos de recuperao de informao, como os
utilizados para clculo de similaridades entre imagens [Torres et al. 2003], tambm
podem ser usados para, a partir dos dados brutos, extrair dados que sejam mais
relevantes com relao tarefa de anlise.
Mesmo aps diferentes operaes de classificao e de agregao de dados, o
conjunto de dados disponvel pode ser ainda suficientemente grande (em quantidade de
dados e em nmero de dimenses) para se conseguir obter informao relevante. Isso
acontece porque a representao de dados em formato textual exige que se faa um
processamento visual controlado [Card et al. 1999] desses dados, um processo que
detalhado, serial, lento e de baixa capacidade de dados. Informaes representadas

2072

graficamente, por outro lado, tendem a ser processadas de maneira mais automtica pela
viso, em um processo mais superficial, paralelo (no sentido de obter vrias
informaes simultaneamente), rpido e de capacidade elevada. Dessa forma,
representar graficamente os dados a serem analisados interessante do ponto de vista da
obteno de informao, pois faz com que no apenas mecanismos computacionais
sejam usados para a anlise de dados, mas tambm recursos da viso e da cognio
humana.
Nesse sentido, um estudo de Larkin e Simon (1987) estendido por Card et al.
(1999) aponta diferentes aspectos pelos quais visualizaes podem possibilitar uma
ampliao cognitiva (ou seja, uma maior facilidade no uso e aquisio de
conhecimento): (1) aumentando os recursos de memria e de processamento disponveis
para usurios, atravs do uso direto dos recursos do sistema visual e da memria de
trabalho externa e visual; (2) reduzindo a busca por informao, de diversas formas:
agrupando ou relacionando visualmente informaes, compactando-as, exibindo uma
viso geral ou mesmo mostrando detalhes sob demanda; (3) usando representaes
visuais para melhorar a deteco de padres; (4) habilitando operaes de inferncia
perceptiva, como tornar bvia a resposta de um problema atravs de uma representao
visual; (5) usando mecanismos de ateno perceptiva para efetuar monitoramento de
uma grande quantidade de eventos potenciais; e (6) codificando informao numa mdia
manipulvel.
Para que essa ampliao cognitiva possa ocorrer, importante definir de
maneira apropriada o modo como as estruturas de dados so transformadas em
estruturas visuais, processo este chamado de mapeamento visual. Esse processo deve
levar em conta quais as caractersticas dos dados a serem representados, das
propriedades visuais que podem ser usadas para representar esses dados, da interface
humano-computador envolvida no processo (no caso, a tela de exibio dos dados e os
dispositivos de recebimento de interaes do usurio), e da viso e cognio humana.
Essas caractersticas so detalhadas a seguir.
Cada atributo armazenado nas estruturas de dados pode ser classificado de
acordo com sua semntica e com suas dependncias funcionais em relao a outros
atributos. Diferentes autores classificam de forma semelhante a semntica de atributos
(ou variveis) e de seus dados [Spence 2001; Card et al. 1999; Ware 2004], embora com
nomenclaturas ligeiramente diferentes. Generalizando as diferenas, eles consideram a
existncia de trs categorias bsicas de atributos:

Nominais (ou categricos): conjunto de elementos sem ordem especfica, como

uma lista de ttulos de filmes ou de nomes de pessoas;

Ordinais: conjunto de elementos que apresentam necessariamente uma relao

de ordem entre si, como classificaes em faixas etrias, ou uma lista de datas
histricas (neste caso, um atributo ordinal temporal);

Quantitativos (ou numricos): conjunto de elementos que apresentam um escopo

numrico, sendo possvel aplicar operaes aritmticas sobre eles. Por exemplo,
distncia entre cidades (atributo quantitativo espacial) ou quantidade de tempo
que um usurio leva para ir de uma pgina Web para outra em um site (atributo
quantitativo temporal).

2073

Cada atributo tambm pode ser classificado de acordo com sua dependncia
funcional relativa aos demais atributos. De acordo com essa caracterstica, os atributos
de uma estrutura de dados podem ser divididos em atributos de entrada e atributos de
sada, de tal forma que os primeiros determinam funcionalmente os ltimos (de modo
anlogo a uma funo matemtica).
Ao definir o mapeamento visual dos dados, o que se procura fazer estabelecer
como cada atributo ser representado, ou seja, quais propriedades grficas e espaciais
podem ser utilizadas para sua representao. Por exemplo, um grfico bidimensional
contendo crculos e tringulos de diferentes cores pode ser usado para representar ao
menos quatro atributos: dois deles mapeados para os eixos X e Y do grfico, outro para
as formas das marcas usadas (tringulo ou retngulo), e outro para as cores dessas
marcas, como exemplificado na Figura 2. Neste exemplo, ficam evidentes alguns
elementos com os quais se pode trabalhar em um mapeamento visual: espao, marcas e
propriedades grficas dessas marcas [Card et al. 1999]. Alm destes, uma representao
visual pode utilizar ainda o tempo como uma forma de mapear outros atributos dos
dados analisados. Para tanto, o indivduo que efetua a anlise pode utilizar controles
interativos que filtram quais dados desses atributos devem ser considerados. Ao
modificar os valores considerados e desconsiderados por esses filtros, esse indivduo
pode observar como so afetados os demais atributos j representados.
MC202

Aluno

Aluno
Disciplina Nota Vinculao
Augusto
MC538
9
especial
Carlos
MC538
4,5
regular
Carlos
MC750
8,9
regular
Mrio
MC202
4,8
regular
Mrio
MC750
8,5
especial
Pedro
MC750
7,2
regular
Pedro
MC538
6
regular
Tiago
MC538
9,2
especial
Tiago
MC750
7,6
especial
Ulisses
MC202
9,7
regular
...
...
...
...

Disciplina
MC538

Augusto
Carlos
Mrio
Pedro
Tiago
Ulisses
...

(a)

Legendas
MC750
Notas
de 0 a 4,9
de 5 a 7,5
de 7,6 a 10
Vinculao
aluno especial
aluno regular

(b)

Figura 2. (a) Tabela representando notas de alunos regulares e de alunos

especiais cursando disciplinas. (b) Representao visual dos atributos e dos
dados de (a), evidenciando o uso de espao, marcas e propriedades grficas
para representar dados.

Um dos fatores que dificulta a definio de um mapeamento visual a

quantidade de propriedades grficas disponveis, como cores (e suas diferentes
componentes, como tonalidade, saturao e brilho), formas (como diferentes polgonos
ou cones), tamanho, textura e orientao, dentre outros (Tabela 1). Com diversas
possibilidades de combinar essas e outras propriedades grficas para definir o
mapeamento visual, torna-se necessrio escolher um mapeamento que expresse de
maneira efetiva os dados. Os conceitos de expressividade e de efetividade de Mackinlay
(1986) auxiliam neste sentido, indicando que: (1) estruturas visuais devem expressar
todos os dados presentes na estrutura de dados, e somente eles; e (2) estruturas visuais
devem ser efetivas, no sentido de permitirem rpida interpretao dos dados
representados, e fcil distino entre eles, levando menor quantidade possvel de erros
de interpretao. A tabela de efetividade de propriedades retinais de Card et al. (1999)
permite comparar a efetividade de propriedades grficas com relao a cada categoria
semntica de atributo (nominal, ordinal ou quantitativa), auxiliando, assim, a escolher

2074

quais categorias de atributos se deve representar por quais propriedades grficas. Por
outro lado, anlises dos relacionamentos existentes entre eixos espaciais, marcas e suas
propriedades grficas tambm podem auxiliar na definio do mapeamento visual com
relao sua expressividade. Dada uma estrutura visual, a observao desses
relacionamentos (que podem ser compreendidos como dependncias funcionais)
permite verificar se uma estrutura visual consegue expressar exatamente as mesmas
dependncias funcionais dos dados a serem representados [Silva 2006].
Tabela 1. Exemplos de propriedades espaciais e grficas.
Adaptado de Silva (2006).
Propriedades

Exemplo

Propriedades

Posio espacial

Cor

Tamanho

Textura

Brilho

Forma

Exemplo

Orientao

Entre a representao visual dos dados e a viso humana encontra-se uma das
partes que possibilitam a interao humano-computador desse processo de visualizar
informao: os dispositivos de exibio de dados. Estes podem ser os mais diversos,
variando em tamanho fsico (por exemplo, telas de projeo e monitores tradicionais),
em resoluo (como monitores, PDAs e celulares), em dimensionalidade (bidimensional
na maioria dos casos, mas pode ser tridimensional com o uso de capacetes de viso
tridimensional ou de mecanismos de projees tridimensionais), em quantidade de cores
disponveis, e mesmo em presena ou ausncia de interatividade (por exemplo,
representao em papel ou em monitor). Essa variedade de caractersticas dificulta a
tarefa de definir um mapeamento visual, pois caractersticas distintas de dois
dispositivos podem exigir mapeamentos visuais distintos, os quais explorem cada um a
efetividade das propriedades grficas, espaciais e temporais disponveis em seu
respectivo dispositivo de exibio.
No menos importante, outra parte da interao humano-computador envolvida
nesse processo a atuao humana na modificao das estruturas de dados e das
estruturas visuais do processo. Controles dispostos na tela (como listas de seleo e
range-sliders) podem permitir que o indivduo que efetua a anlise modifique o
conjunto de atributos e de dados a serem considerados na representao visual, ou
mesmo a forma como o mapeamento visual representa esses dados. Por exemplo, o
usurio pode escolher elementos em uma lista, definir intervalos de tempo, selecionar
dados, etc., e essas aes podem afetar quais dados sero exibidos na estrutura visual,
funcionando dessa forma como transformaes de viso. Com isso, o usurio pode
modificar dinamicamente qual a fatia do conjunto de dados a ser exibida, reduzindo o
excesso de dados e auxiliando seu processo de obteno de informao. Diferentes
tcnicas como consultas dinmicas [Shneiderman 1994], detalhes-sob-demanda,
manipulao direta [Ahlberg e Shneiderman 1994], seleo direta, viso geral +
detalhes, movimento de cmera e aproximao (zoom) podem ser utilizadas para
possibilitar a interao do usurio com as estruturas do processo de visualizao [Card
et al. 1999]. Toda essa interao depende dos dispositivos pelos quais as aes do
usurio so recebidas pelo computador; apesar da predominncia do mouse e do

2075

teclado, tambm se deve estudar a interao por meio de outros dispositivos, como telas
sensveis a toque, canetas (como as utilizadas em PDAs) e mesmo por comandos de
voz.
Com relao a caractersticas da viso e cognio humana nesse processo,
alguns aspectos j foram cobertos nesta seo, como processamento automtico de
determinadas propriedades grficas e efetividade de propriedades grficas para
representar categorias semnticas de dados. No entanto, importante ressaltar que
aspectos de acessibilidade tambm devem ser estudados em Visualizao de
Informao, levando em conta deficincias de viso como miopia, hipermetropia,
presbiopia, dificuldade para distinguir cores (daltonismo), ou mesmo ausncia parcial
ou total de viso. No sentido de superar essas dificuldades, pode-se procurar prover
representaes sonoras dos dados, as quais procurem compensar de alguma forma as
deficincias para visualizar informao. Essas representaes sonoras so providas por
uma rea de estudo denominada Sonificao de Informao [Hermann e Ritter 1999],
que por algumas vezes complementa representaes visuais, e por outras prov
representaes completamente sonoras para dados.
Pela noo geral do processo apresentado nesta seo, considera-se que tratar e
recuperar informao so atividades que podem ser fortemente auxiliadas por conceitos
e tcnicas da rea de Visualizao de Informao. Integrando os recursos visuais e
cognitivos humanos aos recursos grficos e interativos computacionais, Visualizao de
Informao pode ser usada no processo de gesto de informao como uma forma de
pessoas interagirem diretamente com um conjunto de dados representativo de uma
situao, com o objetivo de compreender melhor esses dados e de obter vises
esclarecedoras sobre a situao estudada.

3. Alguns usos de Visualizao de Informao

Considerando, pelo exposto na Seo 2, que os objetivos de Visualizao de Informao
convergem para os objetivos mais gerais do desafio de gesto de informao
apresentado por Carvalho et al. (2006), conveniente apresentar exemplos de como
Visualizao de Informao utilizada atualmente na tentativa de facilitar essa gesto
em diferentes atividades e reas de conhecimento.
Em Educao a Distncia (EaD), Visualizao de Informao utilizada para
auxiliar a compreenso de diferentes aspectos sociais, cognitivos e comportamentais de
estudantes de cursos a distncia. Nesse sentido, diferentes trabalhos utilizam estruturas
visuais como grficos de disperso, grficos de barras, grafos, espirais e diagramas de
Venn, dentre outros, para representar dados armazenados em ambientes de EaD [Silva
2006]. A ttulo de exemplificao, os sistemas GISMO e CourseVis [Mazza e Milani
2005; Mazza e Dimitrova 2005] usam histogramas e grficos de disperso para
representar dados de cursos a distncia, como: acessos de estudantes ao curso e a
contedos disponveis, participao em discusses, resolues de tarefas e respectivas
notas. A Figura 3 exibe um exemplo de grfico de disperso do GISMO que representa
a quantidade de mensagens de cada estudante em um frum de discusso, distinguindo
por cores as mensagens postadas, as mensagens lidas e os tpicos de discusso iniciados
pelo estudante ao longo do tempo. A sumarizao de dados feita por essa figura indica
que a grande maioria dos estudantes acessava as mensagens postadas no frum de
discusso, e que 10 alunos no postaram nenhuma mensagem nesse frum.

2076

Figura 3. Visualizao de participao de estudantes em um frum de

discusso ao longo do tempo na ferramenta GISMO [Mazza e Milani 2005].

Outro exemplo de uso de Visualizao de Informao em EaD a ferramenta

InterMap [Romani 2000], que utiliza grafos, grficos de disperso e grafos orientados a
fora (como os propostos por Eades (1984)) para representar graficamente as interaes
ocorridas entre participantes de cursos em algumas ferramentas de comunicao do
ambiente de EaD TelEduc [Rocha et al. 2002]. No exemplo da Figura 4, os vrtices de
um grafo representam participantes de um curso oferecido via TelEduc, e as arestas
representam o envio de mensagens entre esses participantes na ferramenta de correio
eletrnico desse ambiente em um perodo determinado. Essa figura traz tona a
informao de que quase todas as trocas de mensagens entre participantes do curso
nesse perodo esto centradas no professor (vrtice no centro do grafo), um indcio de
que colaboraes entre estudantes podem no estar ocorrendo no curso.

Figura 4. Visualizao via ferramenta InterMap da interao entre participantes

de um curso em um perodo determinado [Silva 2006].

2077

Ainda em EaD, a pesquisa de Silva (2006) aponta uma soluo mais genrica
para que usurios de ambientes de EaD se beneficiem do uso de tcnicas de
Visualizao de Informao para atender s suas demandas de informao sobre os
dados armazenados por esses ambientes. Essa pesquisa procura possibilitar que usurios
de ambientes de Educao a Distncia, com diferentes demandas de anlises de dados,
definam diferentes combinaes de dados a serem analisadas, em vez de utilizar apenas
consultas predefinidas pelo sistema. Essa soluo utiliza conceitos de modelo de relao
universal de Bancos de Dados para possibilitar aos usurios escolherem atributos da
base de dados a serem consultados, sem que esses usurios conheam internamente a
base de dados do ambiente consultado. Alm disso, esses conceitos so usados para
executar na base de dados do ambiente de EaD a consulta referente a essa escolha. Os
resultados dessa consulta so convertidos automaticamente em representaes grficas
interativas, escolhidas com o auxlio de conceitos de expressividade de estruturas
visuais e efetividade de propriedades grficas, e construdas com base em tcnicas de
consultas dinmicas. Dessa forma, evita-se que o usurio precise se preocupar com a
maneira de construir um grfico adequado anlise desses dados.
Como exemplo dessa pesquisa, a Figura 5 mostra um usurio definindo uma
consulta relativa a Fruns de Discusso de um curso oferecido via TelEduc,
selecionando os atributos Fruns de Discusso, Datas de mensagens dos fruns de
discusso e Quantidade de mensagens de fruns de discusso. Aps o usurio
encerrar essa seleo de atributos, o sistema efetua na base de dados do TelEduc uma
consulta relacionada aos atributos escolhidos; em seguida, mostra o resultado dessa
consulta como um grfico de disperso, tal como apresentado na Figura 6. Essa figura,
um grfico de disperso, tem como eixos X e Y os dois primeiros atributos, e representa
por cor o terceiro atributo. Resumindo visualmente os dados dos atributos escolhidos, a
Figura 6 permite observar que a maior parte das mensagens de fruns de discusso
foram enviadas entre 30/03/2005 e 19/04/2005, e que os dois fruns de discusso
apresentados na parte inferior da figura tiveram uma participao pequena e
concentrada em um nico dia de curso. A Figura 7 apresenta o resultado de outra
consulta aos dados do ambiente TelEduc, dessa vez relacionada ferramenta Portflio,
que armazena itens (contedos) postados por participantes de um curso e comentrios
postados sobre esses itens. Essa figura, obtida por uma consulta definida pelos atributos
Usurios donos de itens de portflio, Usurios que comentaram itens de portflio e
Quantidade de comentrios de itens de portflio, permite observar que apenas trs
participantes (o professor, seu monitor e um aluno) estavam efetivamente postando
comentrios nos itens postados pelos demais colegas, como indicado pelas trs linhas
verticais observadas na figura. Uma tnue linha diagonal aponta ainda que alguns
participantes comentavam seus prprios itens, o que provavelmente era feito para
responder aos comentrios que eles recebiam nesses itens.
Em Biologia Computacional, Visualizao de Informao pode auxiliar o
processo de montagem de genomas. Nesse sentido, a ferramenta Hawkeye [Schatz et al.
2007] procura auxiliar a identificar e corrigir erros de montagem de genomas, utilizando
Visualizao Cientfica e de Informao para facilitar a inspeo de dados de montagem
de larga escala, enquanto minimiza o tempo necessrio para detectar erros de montagem
e para fazer julgamentos apurados sobre a qualidade da montagem. Utiliza para isso
vises gerais sobre dados, filtragem dinmica e clusterizao automatizada, visando
focar a ateno do usurio e destacar anomalias nos dados.

2078

Figura 5. Exemplo de uso do prottipo de Silva (2006) para consultar dados de

ambientes de EaD. Usurio selecionando atributos da base de dados do
ambiente TelEduc para definir sua consulta.

Figura 6. Representao visual e interativa feita pelo prottipo de Silva (2006)

para o resultado da consulta definida na Figura 5.

Em Medicina, podem ser citados exemplos de uso de Visualizao de

Informao no estudo de dados neurais. Walter et al. (2004) utilizam um tnel
tridimensional como estrutura visual para representar a atividade de neurnios ao longo
do tempo, possibilitando que analistas detectem visualmente a sincronia de atividades
entre neurnios e o acoplamento entre eles. Outro exemplo interessante o uso da
ferramenta LifeLines [Plaisant et al. 1996], que resume de maneira grfica e interativa
registros mdicos sobre o histrico de um paciente, relatando a ocorrncia de diferentes
eventos ao longo do tempo, como: consultas, manifestaes de doenas, tratamentos,
hospitalizaes, entre outros.

2079

Figura 7. Representao visual feita pelo prottipo de Silva (2006) para

resultado de consulta relativa quantidade de comentrios postados em itens
de portflios do ambiente TelEduc em um curso.

Visualizao de Informao tambm pode ser de grande valor em atividades

relacionadas deteco de fraudes. Nesse sentido, Spence (2001) apresenta uma
situao de uso da ferramenta Netmap [Westphal e Blaxton 1998 apud Spence 2001]
para acelerar a deteco de fraudes pela identificao de padres em relaes entre
entidades. A ferramenta utiliza grafos interativos em formato circular que representam a
conectividade entre entidades; no caso estudado, essas entidades so pessoas que
emprestam dinheiro, que compram ou vendem casas, e as casas em si. Spence reporta
que, com o uso dessa ferramenta, um analista conseguiu em quatro semanas identificar
uma fraude que, para ser identificada na vida real, demandou o trabalho de oito pessoasano analisando documentos.
Os exemplos apresentados tornam evidente que interdisciplinaridade uma
caracterstica intrnseca da rea de Visualizao de Informao, uma vez que essa rea
pode auxiliar a atender a demandas por informao vindas de diferentes reas de
conhecimento. Por outro lado, esse atendimento a demandas por informao propicia
que tcnicas e conceitos de Visualizao de Informao sejam desenvolvidos, avaliados
e refinados. Como uma rea jovem e em pleno desenvolvimento, muitos so ainda os
desafios a serem vencidos, como apresentado pela prxima seo.

4. Alguns desafios da rea

Visualizao de Informao apresenta uma srie de desafios a serem superados, seja na
consolidao de suas tcnicas e conceitos, seja na utilizao de seus resultados por
outras reas. Efetuar pesquisas na direo desses desafios implica o aperfeioamento da
rea e, por conseqncia, traz melhorias ao processo de gesto de informao.
Nesse sentido, uma abordagem para apresentar os problemas da rea listar seus
maiores problemas ainda no resolvidos. Chen (2005) aponta o que ele considera os dez
maiores problemas no resolvidos de Visualizao de Informao, sumarizados na lista
a seguir:

2080

1. Acelerar e incentivar estudos de usabilidade e avaliaes empricas na rea, os

quais consigam propor e validar sistemas de Visualizao de Informao de
acordo com metas especficas da rea, como a de possibilitar que o usurio
reconhea padres e tendncias nos dados visualizados;
2. Entender tarefas perceptivo-cognitivas, relacionadas a identificar e decodificar
objetos visualizados, bem como identificar agrupamentos e tendncias de pontos
em uma representao visual.
3. Definir sistemas de Visualizao de Informao que se adaptem ao nvel de
conhecimento prvio que o usurio possui para entender a informao
visualizada.
4. Investir em diferentes aspectos relativos pesquisa em Visualizao de
Informao, como: aprendizado de conhecimentos de Semitica e de
Comunicao Visual; solidificao dos fundamentos tericos da rea pela
constante comparao com exemplos e novos sistemas; tornar bvio a pessoas
de outras reas o potencial de Visualizao de Informao; e tomar conscincia
de problemas de outras disciplinas que podem ser resolvidos com o auxlio de
Visualizao de Informao.
5. Definir medidas intrnsecas de qualidade, ou seja, medidas que consigam
responder a perguntas como quo fiel e eficientemente um sistema de
Visualizao de Informao representa os dados subjacentes, ou at que ponto
esse sistema preserva as propriedades intrnsecas dos fenmenos subjacentes.
6. Prover diferentes nveis de escalabilidade nos sistemas de Visualizao de
Informao, tanto nos softwares desenvolvidos quanto no hardware que os
suporta.
7. Estudar a esttica de uma representao visual, e seu impacto no processo de
compreenso dos dados representados.
8. Acoplar a sistemas de Visualizao de Informao mecanismos de deteco de
tendncias, com colaboraes das comunidades de Minerao de Dados e de
Inteligncia Artificial.
9. Prover mecanismos que possibilitem a observao de causalidade, formulao
de hipteses (por exemplo, por inferncias visuais) e avaliao de evidncias
existentes em um conjunto de dados, em especial desenvolvendo algoritmos que
resolvam evidncias conflitantes e removam rudos de fundo existentes nos
dados.
10. Prover meios de visualizar todo um domnio de conhecimento.
Cook e Thomas (2005) complementam o que Chen indica como problema de
escalabilidade. Eles apontam que as tecnologias atuais no suportam a escala e a
complexidade de crescentes desafios de anlises de dados, dando origem a cinco
problemas de escalabilidade:

Escalabilidade de informao. Esta questo envolve a capacidade de extrair

informao relevante de conjuntos massivos de dados, por meio de mtodos para
filtrar, reduzir e abstrair dados, e sua adaptao para diferentes audincias.

2081

Escalabilidade visual. Esta questo se relaciona capacidade de efetivamente

representar conjuntos de grande quantidade e/ou dimensionalidade de dados.
Considera as metforas utilizadas nessa representao, as tcnicas usadas para
interagir com essa representao, e as capacidades perceptivas humanas.

Escalabilidade de exibio. Esta questo envolve o desenvolvimento de tcnicas

de visualizao e interao consistentes e efetivas que independam da rea de
exibio disponvel para representar os dados, considerando os diferentes
tamanhos de telas de dispositivos como celulares, PDAs e monitores
convencionais, por exemplo.

Escalabilidade humana. Esta questo considera que, apesar de as capacidades

humanas no serem escalveis, o desenvolvimento de tcnicas colaborativas de
visualizao pode permitir que a quantidade de pessoas envolvidas em um
processo de anlise visual seja escalvel.

Escalabilidade de software. Esta questo se relaciona capacidade de se

desenvolver softwares capazes de manipular conjuntos cada vez maiores de
dados, e evitando custos de reimplementao e de manuteno de softwares de
visualizao monolticos e no escalveis.

O conjunto de problemas apresentados nesta seo no esgota os problemas de

Visualizao de Informao, mas indica caminhos pelos quais a rea pode evoluir e, por
conseqncia, melhorar seu suporte gesto de informao.

5. Consideraes finais
Este artigo procurou apresentar uma viso geral da rea de Visualizao de Informao,
ressaltando como os seus objetivos esto em harmonia com os propostos para o grande
desafio de gesto de informao proposto para a Computao no Brasil at 2016.
Detalhando o processo de converso de dados em estruturas visuais interativas, foi
possvel apresentar onde se encaixam nesse processo os desafios de tratar grandes
volumes de dados e de recuperar informao, considerando a capacidade de anlise
visual humana e a possibilidade de interao em diferentes etapas desse processo graas
a mecanismos interativos providos por sistemas computacionais.
O artigo ressalta, em alguns pontos, que a interdisciplinaridade um fator
importante de Visualizao de Informao, uma vez que essa rea auxilia outras reas e
delas se beneficia para seu auto-aprimoramento. Essa interdisciplinaridade pode ser
praticada dentro da prpria Computao, aproveitando resultados de reas como
Interfaces Humano-Computador, Minerao de Dados, Recuperao de Informao
(Information Retrieval) e Bancos de Dados, dentre outras. Por outro lado, pode ser
praticada tambm externamente Computao, interagindo com outras reas como
Biologia e Psicologia, e estendendo suas aplicaes para beneficiar diferentes atividades
e reas de pesquisa.
Considera-se, por fim, que lidar com o grande desafio de gesto de informao
uma oportunidade mpar para se investir no potencial de Visualizao de Informao
como rea de pesquisa, incentivando pesquisas nesta rea e utilizando seus resultados
de maneira interdisciplinar para trazer benefcios scio-econmico-culturais para o pas
e para o mundo.

2082

Agradecimentos
O autor agradece Professora Doutora Helosa Vieira da Rocha, ao Ncleo de
Informtica Aplicada Educao (Nied/Unicamp), ao Instituto de Computao
(IC/Unicamp) e ao Laboratrio de Administrao e Segurana de Sistemas
(LAS/IC/Unicamp) pelo apoio recebido direta ou indiretamente na elaborao deste
trabalho.

Referncias
Ahlberg, C.; Shneiderman, B. (1994). Visual Information Seeking: Tight Coupling of
Dynamic Query Filters with Starfield Displays. Proceedings of CHI'94, ACM
Conference on Human Factors in Computing Systems, New York, pp. 313-317.
Card, S. K.; Mackinlay, J. D.; Shneiderman, B. (1999) Readings in Information
Visualization: Using Vision to Think. Morgan Kaufman Publishers.
Carvalho, A. C. P. de L. F. et al. (2006). Grandes Desafios da Pesquisa em Computao
no Brasil 2006 2016. http://www.sbc.org.br/index.php?language=1&subject=8&
content=downloads&id=231 (20/Abril/2007).
Chen, C. (2002). Editorial Information Visualization. Information Visualization 1, pp.
1-4, Palgrave Macmillan.
Chen, C. (2005). Top 10 Unsolved Information Visualization Problems. IEEE
Computer Graphics and Applications 25 (4), pp. 12-16.
Eades, P. (1984). A heuristic for graph drawing. Congressus Numerantium 42, pp. 149160. http://www.cs.usyd.edu.au/~peter/old_spring_paper.pdf (15/Novembro/2006).
Hermann, T.; Ritter, H. (1999). Listen to your Data: Model-Based Sonification for Data
Analysis. Advances in intelligent computing and multimedia systems, Germany, pp.
189-194.
Larkin, J.; Simon, H. A. (1987). Why a Diagram is (Sometimes) Worth Ten Thousand
Words. Cognitive Science, 11(1), pp. 65-99. Apud Card et al. (1999), p. 15.
Mackinlay, J. D. (1986). Automating the Design of Graphical Presentations of
Relational Information. ACM Transactions on Graphics, 5(2), pp. 110-141.
Mazza, R.; Dimitrova, V. (2005). Generation of Graphical Representations of Student
Tracking Data in Course Management Systems. 9th IEEE International Conference
on
Information
Visualisation,
London,
pp.
253-258.
http://www.istituti.usilu.net/mazzar/Web/Web_area/Pubblicazioni/IV05/IV05_mazza
_dimitrova.pdf (16/Novembro/2006).
Mazza, R.; Milani, C. (2005). Exploring Usage Analysis in Learning Systems: Gaining
Insights From Visualisations. Workshop on Usage analysis in learning systems. 12th
International Conference on Artificial Intelligence in Education (AIED 2005).
Amsterdam, The Netherlands, pp. 65-72. http://www.istituti.usilu.net/mazzar/
Web/Web_area/Pubblicazioni/aied05/aied-ws2005.pdf (24/Maio/2007).
Plaisant, C.; Milash, B.; Rose, A.; Widoff, S.; Shneiderman, B. (1996). LifeLines:
Visualizing Personal Histories. Proceedings of CHI96, pp. 221-227.

2083

Rocha, H.V. et al. (2002). Projeto TelEduc: Pesquisa e Desenvolvimento de Tecnologia

para Educao a Distncia. IX Congresso Internacional de Educao a Distncia da
ABED
(Associao
Brasileira
de
Educao
a
Distncia).
http://teleduc.nied.unicamp.br/pagina/publicacoes/premio_abed2002.pdf
(15/Novembro/2006).
Romani, L. A. S. (2000). InterMap: Ferramenta para Visualizao da Interao em
Ambientes de Educao a Distncia na Web. Dissertao de Mestrado. Instituto de
Computao,
Universidade
Estadual
de
Campinas.
http://teleduc.nied.unicamp.br/pagina/publicacoes/lromani_disser.pdf
(15/Novembro/2006).
Schatz, M. C.; Phillippy, A. M; Shneiderman, B.; Salzberg, S. L. (2007). Hawkeye: an
interactive visual analytics tool for genome assemblies. Genome Biology 2007,
8:R34. http://genomebiology.com/2007/8/3/R34 (24/Maio/2007).
Shneiderman, B. (1994). Dynamic Queries for Visual Information Seeking. IEEE
Software, 11(6), pp. 70-77.
Silva, C. G. (2006). Explorao de bases de dados de ambientes de Educao a
Distncia por meio de ferramentas de consulta apoiadas por Visualizao de
Informao. Tese de Doutorado. Instituto de Computao, Universidade Estadual de
Campinas. http://www.ic.unicamp.br/~celmar/tese (20/Abril/2007).
Spence, R. (2001). Information Visualization. Addison-Wesley.
Thomas, J. J.; Cook, K. A. (Eds.) (2005). Illuminating the Path Research and
Development Agenda for Visual Analytics. National Visualization and Analytics
Center. IEEE Press.
Torres, R. S.; Silva, C. G.; Medeiros, C. M. B.; Rocha, H. V. (2003). Visual Structures
for Image Browsing. Proceedings of ACM CIKM03, Louisiana, USA, pp. 49-55.
Walter, M.; Stuart, L.; Borisyuk, R. (2004). The representation of neural data using
visualization. Information Visualization 3, pp. 245-256.
Ware, C. (2004). Information Visualization: Perception for Design. Morgan-Kaufmann
Publishers.

2084