Escolar Documentos
Profissional Documentos
Cultura Documentos
IHC
Computação
Gráfica
IBM Research
Industrial Systems of
Technology Engagement
and Science
and Insight
Social
São Paulo
IBM Data
Research Analytics
Rio de Janeiro
Brazil
Natural
Resources
Solutions
Introdução a Visualização
de Dados: Teoria e Prática
Teoria
Conhecimento que você vai levar
pra casa…
• Noção mínima da área para poder
continuar sua pesquisa individualmente…
– Visão geral das diferentes vertentes de
visualização
– Conceitos básicos de visualização de
informação
• Introdução a algumas ferramentas básicas
• Um pouco de inspiração J
Takeaway message…
Exige experiência!
MOTIVAÇÃO E INTRODUÇÃO
British Casualties in the Crimean War
Data
Lesão
Em campo
Doença
05/1854
0
95
105
06/1854
0
40
95
Ø Mês com maior numero de
07/1854
0
140
520
mortes em campo de
08/1854
20
150
800
batalha?
09/1854
220
230
740
10/1854
305
310
600
11/1854
480
290
820
12/1854
295
310
1100
Ø Meses em que o no mortes
01/1855
230
460
1440
por lesão excede mortes em
02/1855
180
520
1270
03/1855
155
350
935
campo?
04/1855
195
195
560
05/1855
180
155
550
06/1855
330
130
650
Ø Mês com o maior número de
07/1855
260
130
430
mortes no total?
08/1855
290
110
490
09/1855
355
100
290
10/1855
135
95
245
11/1855
100
140
325
Ø Meses em que a % de
12/1855
40
120
215
mortes por doença foi menor
01/1856
0
160
160
02/1856
0
100
100
que 50%?
03/1856
0
125
90
Ø Mês com maior numero de mortes em campo de batalha?
Ø Meses em que o no mortes por lesão excede mortes em
campo?
Ø Mês com o maior número de mortes no total?
Ø Meses em que a % de mortes por doença foi menor que
50%?
1. Visão tem alta performance
Tabela vs. Gráficos
Exige decodificação ß
à Decodificação imediata
Exige memória ß
à Informação
visualmente disponível
1 2 3 4
X Y X Y X Y X Y
“The power of the unaided mind is highly overrated. Without external aids, memory,
thought, and reasoning are all constrained. But human intelligence is highly flexible and
adaptable, superb at inventing procedures and objects that overcome its own limits.
The real powers come from devising external aids: it is things that make smart”
Norman, Donald A. "Things that make us smart." (1993).
Definindo Visualização de Dados
“The use of computer-supported, interactive, visual representations of data to
amplify cognition”.
Card, S. and Mackinlay, J. and Shneiderman, B., Readings in Information Visualization: Using Vision to Think
Morgan Kaufmann Publishers, 1999.
Visão Dado
Extremamente multidisciplinar!
– Forte acoplamento com dominios de aplicação;
– Conjunto vasto de perspectivas e diferentes áreas do
conhecimento:
• Ciências cognitivas
• Design
• Interação Humano-Computador
• Computação
• Estatística
• …
Caracterizando Visualização de Dados
EXPLANAÇÃO
EXPLORAÇÃO
• Contando histórias
• Adquirindo insight
Cairo, Alberto. The Functional Art: An introduction to information graphics and visualization. Baur, Dominikus, et al. "The streams of our lives: Visualizing listening histories in context."
New Riders, 2012.
Visualization and Computer Graphics, IEEE Transactions on 16.6 (2010): 1119-1128.
Principais sub-áreas
• Visualização Científica (SciVis)
– Dados de aplicação científica (geralmente 3D)
• Simulações físicas, dados de scanners médicos (RM, TC)…
• Visualização de informação (infoVis)
– Dados “abstratos” (i.e. sem “estrutura” pré-definida)
• Transações financeiras, tweets, conexões em redes sociais, valores de
ações, dados de censo…
• Visualização Analítica (Visual Analytics)
– Uso de ferramentas analíticas para “amplificação da cognição”
• “Parceria humano-computador”
• Datasets multidimensionais, aplicações em big data, foco em
correlações…
“This is your brain on Vis…”
FUNDAMENTOS DE PERCEPCÃO
A construção de visualizações é baseada no
mapeamento de dados em representações visuais.
Dados Gráficos
Símbolos “Arbitrários”:
Idéia da mente como uma “tela
em branco”
• Representações são
“aprendidas”
• Representações são
dependentes de cultura
e contexto
Símbolos “Sensoriais”:
Alguns elementos de
percepção são comuns a
todos nós
• Cérebro é pré-programado/
treinado para reconhecer
certos padrões
• É possível criar uma teoria
para representações visuais
20000
17000
15900
15000
Comprimento
9100
10000
10000
5000
0
Fox
Elantra
Firebird
Mustang
Posição no eixo x
Mapeando dados e variáveis visuais
Modelo
Tipo
CV
Preço
Airbag
Volkswagen
Fox
Pequeno
81
9100
0
(sem
airbag)
Hyundai
Elantra
Pequeno
124
10000
0
(sem
airbag)
PonHac
Firebird
Esporte
160
17000
2
(mot.
&
pass.)
Ford
Mustang
Esporte
105
15900
1
(motorista)
20000
Firebird
Posição no eixo Y
15000
Mustang
5000
0
0
50
100
150
200
Posição no eixo X
Mapeando dados e variáveis visuais
Modelo
Tipo
CV
Preço
Airbag
Volkswagen
Fox
Pequeno
81
9100
0
(sem
airbag)
Hyundai
Elantra
Pequeno
124
10000
0
(sem
airbag)
PonHac
Firebird
Esporte
160
17000
2
(mot.
&
pass.)
Cor
(Matiz)
Ford
Mustang
Esporte
105
15900
1
(motorista)
20000
Firebird
Posição no eixo Y
15000
Mustang
5000
0
0
50
100
150
200
Posição no eixo X
Mapeando dados e variáveis visuais
Modelo
Tipo
CV
Preço
Airbag
Volkswagen
Fox
Pequeno
81
9100
0
(sem
airbag)
Hyundai
Elantra
Pequeno
124
10000
0
(sem
airbag)
Cor
PonHac
Firebird
Esporte
160
17000
2
(mot.
&
pass.)
Tamanho
(Matiz)
Ford
Mustang
Esporte
105
15900
1
(motorista)
20000
Firebird
Posição no eixo Y
15000
Mustang
5000
0
0
50
100
150
200
Posição no eixo X
Princípios
da Expressividade e da Eficácia
Image from: Munzner, Tamara. Visualization Analysis and Design. CRC Press, 2014.
Cleveland, William S., and Robert McGill. "Graphical perception: Theory, experimentation, and application to the development of graphical methods."
Journal of the American statistical association 79.387 (1984): 531-554.
Heer, Jeffrey, and Michael Bostock. "Crowdsourcing graphical perception: using mechanical turk to assess visualization design." Proceedings of the SIGCHI
Conference on Human Factors in Computing Systems. ACM, 2010.
Cor
Tricromatismo
Bastonetes
- Visão periférica
- Extremamente
sensível a luz (100x +
cones) e movimento
- Não percebe cores
- Mais ativo no escuro
(visão noturna)…
ativação lenta
Cones
- Visão de alta definição
- Grande acuidade
visual
- Color sensitive 3D:
Mais L, Muitos M,
pouquíssimos S (2%)
Modelo do Processo Oponente
Image from: Colin Ware. Information visualization: perception for design. Elsevier, 2013.
• Luminância (luminosidade):
– Detecção de forma (shading), visão stereo,
detecção de movimento, e percepcão de detalhes
finos (e.g. texto)
• Matiz (Vermelho-Verde/Amarelo-Azul):
– Discernir objetos com diferentes atributos
Escalas de cinza
(ou como nossa percepção de cor é “relativa”)
• Percepção de luminosidade
nao é absoluta, e sim relativa
por contraste… e local!
• Discernir objetos
(foreground) do background
• Escalas de cor em cinza não
sao recomendadas para
mais de 5 segmentos…
impreciso demais para
informacão quantitativa
http://www.psy.ritsumei.ac.jp/~akitaoka/color11e.html
http://www.psy.ritsumei.ac.jp/~akitaoka/color11e.html
http://www.psy.ritsumei.ac.jp/~akitaoka/color12e.html
Mapas de cores
• Associação de cores a atributos:
– Categóricos (segmentado, por matiz),
– Ordinal (mapa segmentado)
– Quantitativo (mapa contínuo)
• Transparência:
– Mais ou menos independente…
• Acoplado a outros canais
(preferencialmente matiz…)
• Segmentado, com poucos níveis
• Frequentemente usado de forma
redundante
Mapas de cores
Atributos Categóricos
• Por matiz!
• Cores o mais distintas entre si quanto
possível; luminância constante;
– Luminancia pode interferir com
percepcao de forma (3D)
• Conseguimos perceber rapidamente
5-10 cores; 12 max.
– Muitas categorias… e agora?
http://colorbrewer2.org/
• Agregar!
• Filtrar!
• Associar com outros canais…
• Objetos não podem ser muito
pequenos
– Small-field color blindness
Mapas de cores
Atributos Numéricos
• Indicar ordem: estabelecer transição de cores
– Sequencial
– Divergente
– Contínua
• Cores em superfícies 3D (shaded):
– Não usar escalas de cinza!
• Interferência na detecção de forma, e profundidade.
• Usar escala com luminância uniforme, se possível
Escala Arco-Íris
• Não é perceptualmente linear;
– Sem ordem consistente;
– Variações drásticas em luminância;
– Detalhes finos não são bem percebidos
no canal de matiz;
• Mas…
– Funciona bem para dados categóricos:
– Alternativas mais “perceptuais”:
– OK para mapas de cores cíclicos;
• A Less-Angry Rainbow:
http://bl.ocks.org/mbostock/
310c99e53880faec2434
Images from: Munzner, Tamara. Visualization Analysis and Design. CRC Press, 2014.
https://mycarta.wordpress.com/2013/02/21/perceptual-rainbow-palette-the-method/
Daltonismo
• 8% (M), 0.5% (F) sofrem de algum tipo/grau de
daltonismo
– Tipicamente apresentam anomalias na escala
vermelho-verde, apesar de existirem outras;
• Recomendações
– Mapas de atributos categóricos com variação na
luminância/saturação;
– Evite escala vermelho-verde; se nao for possível,
garanta diferenças em luminância entre estes canais
– Usar um simulador de daltonismo:
http://www.rehue.net
http://www.color-blindness.com
CLASSIFICANDO VISUALIZAÇÕES ….
“O QUE, POR QUE, COMO?”
O que?
Os dados envolvidos (sejam eles originais
ou transformados)
Construção da visualização
Como?
através de “expressões” visuais,
com base na tarefa e nos dados
http://bl.ocks.org/mbostock/3887051
O que
2 atributos categóricos (chave) + 1 atributo quantitativo
Escala
Dezenas de combinações de atributos categoricos (nao mais que 7-8 cada)
Barras em pilha
stacked bar chart
http://bl.ocks.org/mbostock/3886208
O que
2 atributos categóricos (chave) + 1 atributo quantitativo
http://bl.ocks.org/mbostock/3886394
O que
2 atributos categóricos, 1 atributo quantitativo (como %)
<Place your
label here>
http://bl.ocks.org/mbostock/3887235 http://bl.ocks.org/mbostock/5681974
Como Porcentagem por áreas angulares; layout radial; frequentemente cor para categorias
http://www.businessinsider.com
• Comparação entre seções
é difícil
– Comparação por ângulo é
baixa no ranking perceptual
– Difícil comparar valores
similares
• Comparar vários gráficos
entre si é ainda pior!
https://www.stevefenton.co.uk
• Não escala
– Muitas categorias à seções
menores à dificuldade de
comparação
– Precisa de mais espaço que
um diagrama de barras
• Muito fácil de errar…
…mas nem sempre!
• Universal!
– Fácil de entender
https://dexvis.wordpress.com
– Metáfora de partes-
do-todo é imediata
• Overviews gerais e
rápidos
– Quando precisão
nao é um
problema…
• É bonitinho J
Diagrama de Área Circular
polar area chart
Como Divisão do espaço radial entre categorias; comprimento da seção denota valor quantitativo
Marcadores
http://bl.ocks.org/ZJONSSON/3918369
Como Posição no plano XY, com linhas. Chave usualmente no eixo X. Cores/marcadores p cat.
Cairo, Alberto. The Functional Art: An introduction to information graphics and visualization. New Riders, 2012.
Gráfico de Área
area chart
http://en.wikipedia.org/wiki/Area_chart
O que
1 atributo quantitativo, 1 atributo ordenado (chave)
http://nvd3.org/examples/stackedArea.html
Grafico de Area em pilha
Gráfico de Stream (Streamgraph)
Grafico de Area Normalizado
Como Organização do espaço vertical entre categorias, distancia por atr. auantitativo.
Como Posicao no eixo XY; atr. ordinal mapeado a tamanho do marcador; cor/forma atrs. cats.
Como Espaço retangular dividido entre categorias; mapeamento de cores a atr. Quantitativo.
Escala
> Milhares itens. Centenas de atributos categoricos; 3-11 níveis p atr. quantitativo.
Diagrama Estrela
(ou gráfico Radar)
Como Espaço radialà eixo atributos; comprimentoà valores; itens representados como linhas/área
Como Espaço radialà eixo atributos; comprimentoà valores; itens representados como linhas/área
Como Espaço radialà eixo atributos; comprimentoà valores; itens representados como linhas/área
Como Espaço horizontal à atributos; vertical à valores; itens representados como linhas.
Como Espaço horizontal à atributos; vertical à valores; itens representados como linhas.
McDonnell, Kevin T., and Klaus Mueller. "Illustrative parallel coordinates." Computer Graphics
Forum. Vol. 27. No. 3. Blackwell Publishing Ltd, 2008.
“Conjuntos” Paralelos
parallel sets
https://eagereyes.org/parallel-sets
http://srvac.uncc.edu/research/parallel-sets-visualization-and-reasoning
Kosara, Robert, Fabian Bendix, and Helwig Hauser. "Parallel sets: Interactive exploration and visual analysis of
categorical data." Visualization and Computer Graphics, IEEE Transactions on 12.4 (2006): 558-568.
Grafos e Árvores
Redes Nó-Link
node-link diagrams
http://bl.ocks.org/mbostock/4062045
http://www.caida.org/tools/visualization/walrus
O que
Grafo
Escala
Nós; até centenas; conexões: centenas. Densidade nó/conexão: C < 4N.
Asia Pacific
Europe/Middle East/Central Asia/
Africa
North America
http://www.dataversity.net/data-visualization-3-mistakes-avoid/
The Opte Project / Barrett Lyon (http://www.opte.org)
Latin American and Caribbean
RFC1918 IP Addresses
Unknown
http://cytoscape.org/manual/Cytoscape2_6Manual.html
http://www.kecl.ntt.co.jp/as/members/tatsushi/GALLERY/GRAPH/vsLGL.html
Posicionamento automático de nós
Force-directed Multi-nível
Posicionamento das
redes simplificadas, e
Não-determinístico
desenrolar da malha
http://gephi.github.io/
Metro Map
https://ia.net/know-how/wtm4
Metro Map
Stott, Jonathan M., et al. "Automatic layout of project plans using a metro map metaphor." Information Visualisation, 2005.
Proceedings. Ninth International Conference on. IEEE, 2005.
Diagramas de Rede Radiais
Circos
Radial Network Diagrams
http://mkweb.bcgsc.ca/schemaball/
http://bl.ocks.org/mbostock/7607999
Bundling - Feixes
O que Grafo
Como Elementos em layout radial (agrupados por cluster); conexões entre elementos
http://stackoverflow.com/questions/14599150/chord-diagram-in-r
http://bl.ocks.org/mbostock/4062006
Como
Elementos em layout radial, agregados por categoria; conexões entre elementos com linhas/
curvas/áreas (agregação)
Escala
>Milhares de itens; dezenas de categorias
Diagramas de Arco
arc diagram
http://homes.cs.washington.edu/~jheer/files/zoo/
Diagramas de Arco
arc diagram
Wattenberg, Martin. "Arc diagrams: Visualizing structure in strings." Information Visualization, 2002. INFOVIS 2002. IEEE Symposium
on. IEEE, 2002.
Diagramas de Arco
arc diagram
http://www.chrisharrison.net/index.php/Visualizations/BibleViz
Diagrama de Sankey
Sankey diagram
Como Largura nós é mapeada a magnitude do fluxo; posicionamento dependente de ordem no fluxo
Mis
hPp://upload.wikimedia.org/wikipedia/commons/7/76/Spindle_diagram.jpg
Matrizes de Adjacência
adjacency matrix
Meia matriz para
grafos bi-direcionais
Escala bem
hPp://bost.ocks.org/mike/miserables/
Reordenamento de colunas
Alper, Basak, et al. "Weighted graph comparison techniques for brain connectivity analysis." Proceedings
of the SIGCHI Conference on Human Factors in Computing Systems. ACM, 2013.
Como Eixos XY divididos entre elementos do grafo; interseções (coloridas) mapeiam status conexão.
http://bl.ocks.org/mbostock/4339607
O que Árvore
Como
Divisão recursiva do espaço por hierarquia; atr. Quant mapeado a espaço. Cores podem mapear categorias,
ou valores.
http://en.wikipedia.org/wiki/Pie_chart
O que
Árvore + atributo quantitativo (dimensao nó) + atributo categórico (tipo)
Como Divisão do espaço em layout radial. Angulo mapeado a dimensão; cor a categoria do nó.
Como Uso do espaço geográfico dado, pintura da área com mapa de cores sequencial/segmentado
http://bl.ocks.org/mbostock/9943478 http://homes.cs.washington.edu/~jheer/files/zoo/
Como Em cada posicao espacial dada é posto marcador (mapeado a cor, tamanho, forma…)
Hennig, Benjamin D., et al. "Re-Mapping the World’s Population." (2010): 66-69.
O que
Dado espacial + Atributo quantitativo (georeferenciado)
Hennig, Benjamin D., et al. "Re-Mapping the World’s Population." (2010): 66-69.
O que
Dado espacial + Atributo quantitativo (georeferenciado)
Como Pixel XY a cada posicao espacial mapeado a valor de atributo quantitativo; mapeado a cores
Como Traçar linhas nos pontos onde a propriedade tem mesmo valor
Como Superfícies denota contorno onde atributo tiver certo valor/propriedade. Construcão de malhas.
http://www.xmswiki.com
http://en.wikipedia.org/wiki/Streamlines,_streaklines,_and_pathlines
http://en.wikipedia.org/wiki/Streamlines,_streaklines,_and_pathlines
http://hint.fm/wind/
Composições e Interatividade
Facetar: Por que usar várias
visões/facetas?
• Várias perspectivas dos mesmos dados
• Acomodar várias dimensões e/ou variáveis
http://www.ivan3d.com/project_page_ten.html
• Objetivos:!
Expor padrões!
– Comparação
– Tendências
• Compartilhamento/
Independência de
dashboard-templates-bootstrap-keen-io/
http://www.webappers.com/2015/01/06/responsive-
– Codificação!
– Dados
– Navegação!
Pequenos múltiplos
Small multiples
Image by Dan Meth, in: http://danmeth.com/post/77471620/my-trilogy-meter-1-in-a-series-
http://bl.ocks.org/mbostock/1157787
Compartilhada
Dados
Particionados
of-pop-cultural
Como Particionamento dos dados: mesma escala, mesma representação eixos diferentes
Recomendações:!
• Organizar para refletir a ordem implícita
• Conservar eixos/dimensões entre facetas
• Respeitar limite da simplicidade (pode explodir rapidamente)
Treliça
https://docs.tibco.com/pub/spotfire/5.5.0-march-2013/UsersGuide/vis/vis_trellis_visualizations.htm
Trellis
http://netlib.bell-labs.com/cm/ms/departments/sia/project/trellis/images/bar.super.gif
Como
Diagramas de pontos alinhados em uma matriz 2D; particionados por quaisquer combinações
de atributos-chave em regiões.
Matrizes de scatterplots
scatterplot matrix
viewer.htm#a003155769.htm
http://support.sas.com/documentation/cdl/en/grstatproc/62603/HTML/default/
O que
Vários atributos quantitativos
http://blog.erikfigueiredo.com.br/wp-content/uploads/2014/10/
adminlte-dashboard.png
Superposição
• Objetivos:!
– Comparação
– Correlações
– Tendências
• Camadas
– Transparência/cores
– No limitado camadas
simultâneas
Superposição cartográfica
cartographic layering
http://colorbrewer2.org/
Como
Áreas para regiões, linhas para estradas. Camadas diferenciadas por saturação de cor,
luminância, e tamanho. Mapas de cores categóricos, com variância de luminância.
Superposição de gráficos de linha
vs. justaposição de pequenos múltiplos
Javed, Waqas, Bryan McDonnel, and Niklas Elmqvist. "Graphical perception of multiple time series." Visualization and Computer
Graphics, IEEE Transactions on 16.6 (2010): 927-934.
Mais superposições
Holten, Danny. "Hierarchical edge bundles: Visualization of adjacency relations in hierarchical data."
Visualization and Computer Graphics, IEEE Transactions on 12.5 (2006): 741-748.
Redução de dados
Big data!! Cuidado!!
• Muitos elementos;
•
Pode acabar
• Muitas dimensões.
removendo dados
importantes…
!
Filtragem Agregação Estratificação!
Filtragem
Filtragem de itens! Filtragem de
atributos!
for Exploration of High Dimensional Datasets.” In Proc. (InfoVis), pp. 105–112. 2003.
Jing Yang, et al. “Interactive Hierarchical Dimension Ordering, Spacing and Filtering
Ahlberg
and
Shneiderman
94
Queries dinâmicas
Ramik Sadana and John Stasko. 2014. Designing and implementing an interactive scatterplot visualization for a
tablet computer. In Proc. AVI '14. ACM, 265-272.
Filtragem
Scented widgets
Willett, Wesley, Jeffrey Heer, and Maneesh Agrawala. "Scented widgets: Improving navigation cues with embedded
visualizations." Visualization and Computer Graphics, IEEE Transactions on 13.6 (2007): 1129-1136.
Agregação
• Objetivos:!
– Reduzir dimensionalidade
– Reduzir desordem
– Overview
• Atributos derivados
– Contagem, min/max,
média…
• Nem sempre adequados!
Lembrar de Anscombe.
http://www.eia.gov/todayinenergy/detail.cfm?id=5410
• Agregação de:
– Itens!
– Atributos!
Agregação de Itens
Histogramas
http://bl.ocks.org/mbostock/3048450
http://bl.ocks.org/mbostock/1624660
O que
1 atributo quantitativo (segmentado) ou ordinal; contagem/frequência
http://bl.ocks.org/mbostock/1624660
http://trompelecode.com/blog/2012/04/how-to-create-an-image-histogram-using-csharp-and-wpf/
Extremos (outliers)
4o quartil
75-100% valores
3o quartil
50-75% valores
2o quartil
25-50% valores
1o quartil
0-25% valores
Mediana
Liu, Zhicheng, Biye Jiang, and Jeffrey Heer. "imMens: Real-‐Hme Visual Querying of Big Data." Computer Graphics Forum. Vol. 32. No. 3pt4. Blackwell Publishing Ltd, 2013.
Como Separar espaço XY em segmentos (tamanho fixo); escala cor mapeada a densidade
Bachthaler, Sven, and Daniel Weiskopf. "Continuous scatterplots." Visualization and Computer Graphics, IEEE Transactions on 14.6 (2008): 1428-1435.
Viégas, Fernanda B., and Martin Wattenberg. "Artistic data visualization: Beyond visual analytics."
Online Communities and Social Computing. Springer Berlin Heidelberg, 2007. 182-191.
Munzner, Tamara. Visualization Analysis and Design. CRC Press, 2014.
Agregação de Atributos
Redução de dimensionalidade
• Extrair features
representativas:
– Documentos, Imagens…
1. MDS (Multidimensional
scaling);!
2. Geração de clusters;
3. Explorar dimensões
reduzidas em matrizes
de scatterplots:
– Verificar correlações em
clusters, anotar, agregar
ainda mais dimensões…
Estratificação
Foco & Contexto
• Representação do todo (em baixa
resolução) e de uma região de
interesse (em maior resolução)
– Manter “senso de orientação”
durante exploração (situational
awareness)
Jeffrey Heer and Stuart K. Card. “DOITrees Revisited: Scalable, Space-Constrained Visualization of Hierarchical Data.” In
Proceedings of the International Working Conference on Advanced Visual Interfaces (AVI), pp. 421–424. ACM, 2004
Foco & Contexto
Superposições - Lentes interativas
Suprimir
Modificar
Distorções
Foco & Contexto
Distorção cartesiana
Distorção “Olho de peixe (fisheye)
Foco & Contexto
Distorções
Lente + distorção
Wang, Lujin, et al. "The magic volume lens: An interactive focus+ context technique for volume rendering."
Visualization, 2005. VIS 05. IEEE. IEEE, 2005.
Foco & Contexto
Distorções
http://www.olivierbau.com/sigmalenses.php
Cuidados com Distorções …
• Overhead interno para “normalizar” o
objeto
• Noção de distância/comprimento é
comprometida;
• Pode passar despercebido, sem as
indicações visuais adequadas;
Lambert, Antoine, et al. "Living flows: enhanced exploration of edge-bundled graphs based on GPU-intensive edge rendering." Information Visualisation (IV),
2010 14th International Conference. IEEE, 2010.
Manipulação de dados
• Seleção e Highlight
• Navegação/Mudança de viewpoint
• Transições Animadas
http://www.willsfamily.org/gwills/EDVguide/bb.html
Highlight correlations
Seleção e Highlight
Realce por Varredura (brushing & linking)
Markus Steinberger, Manuela Waldner, Marc Streit, Alexander Lex, and Dieter Schmalstieg. “Context-Preserving Visual Links.”
IEEE Transactions on Visualization and Computer Graphics (Proc. InfoVis 11) 17:12 (2011), 2249–2258. (page 253, 253)
Seleção e Highlight
Visgets
Dork, Marian, et al. "Visgets: Coordinated visualizations for web-based information exploration and discovery."
Visualization and Computer Graphics, IEEE Transactions on 14.6 (2008): 1205-1212.
Navegação/Mudança de Viewpoint
Zooming
Zooming Geométrico
Zooming Semântico
http://gtk3-matplotlib-cookbook.readthedocs.org/en/latest/zooming.html
http://www.infragistics.com/products/wpf/charts/data-chart
Dunsmuir, Dustin. "Selective Semantic Zoom of a Document Collection.” (Oct. 30, 2009) (2009): 1-9.
Navegação/Mudança de Viewpoint
Navegação Restrita
Navegação/Mudança de Viewpoint
Navegação Restrita - StyleCam
Burtnyk, Nicholas, et al. "StyleCam: interactive stylized 3D navigation using integrated spatial & temporal controls." Proceedings of
the 15th annual ACM symposium on User interface software and technology. ACM, 2002.
Transições Animadas
Wh
hPp
Quando usar
Quando evitar
min
Ordem
Sequencial
Atributos
Produzir
1 atributo
Vários atributos
Anotar
Gravar
Derivar
Distribuição
Dependência
Correlação
Localização
conhecida
Lookup
Browse
Grafos
Localização Topologia
Caminhos
Locate
Explore
nao conhecida
Perguntar
Identificar
Comparar
Resumir
Dados espaciais
Forma
Ordenar Alinhar
Tamanho, Ângulo,
Cor
Curvatura…
Matiz
Saturação
Brilho
Formato Movimento
on Visualization And Computer Graphics, Vol. 18, No. 12, December 2012.
2 Kandel et al. Enterprise Data Analysis and Visualization: An Interview Study. IEEE Transactions
Define a
Discover
story/focus
Alberto. The Functional Art: An introduction to information graphics and
Choose
graphics
Profile
Complete
research
Model
Define visual
style
visualization. New Riders, 2012.
Complete on Report
computer
1 Cairo,
http://cargocollective.com/oscarbejarano/PTSD-Skin-Re-design
• Não se comprometer
com uma solução de
imediato;
– Fácil de fazer, fácil de
descartar
• Prototipagem de idéias
em estágios iniciais.
• Compartilhe e discuta
seu design com outras
pessoas
Image by Nicoguaro in: http://en.wikipedia.org/wiki/Mind_map
Para organizar os pensamentos
Heurísticas
ü “Overview first, Zoom and filter, Details on
Demand”
ü Função primeiro, Forma a seguir
ü Foco na Tarefa
ü Poder do Plano
ü Poder do Espaço
ü Reduzir razão data-ink
ü Get it right in black and white
Munzner, Tamara. Visualization Analysis and Design. CRC Press, 2014.
The Visual Information Seeking Mantra
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
“Overview first, zoom and filter, then details-on-demand…”
Shneiderman, Ben. "The eyes have it: A task by data type taxonomy for information visualizations."
Visual Languages, 1996. Proceedings., IEEE Symposium on. IEEE, 1996.
Função primeiro, Forma a seguir
Uma ferramenta que serve bem para uma tarefa pode não
servir tão bem para outra, para o mesmo conjunto de
dados. A tarefa dos usuários é um critério tão importante
P
para designers de visualização quanto o tipo de dados i
que os usuários têm. [Munzner]
f
f
Sougata Mukherjea, Kyoji Hirata, and Yoshinori Hara. “Visualizing the Results of Multimedia Web Search Engines.” In Proceedings of the IEEE
Symposium on Information Visualiza- tion (InfoVis), pp. 64–65. IEEE Computer Society, 1996.
O Poder do Espaço
• Interfaces 3D + navegação interativa são
melhores para compreensão de forma (3D)
do que várias projeções 2D justapostas
http://www.visageimaging.de/image-gallery.html
Razão dado/tinta
data/ink ratio
• Maximizar dados, minimizar tinta (within
reason)
Tufte, Edward R., and P. R. Graves-Morris. The visual display of quantitative information. Vol. 2. Cheshire, CT:
Graphics press, 1983.
“Get it right in black and white”
http://www.stonesc.com/wordpress/2010/03/get-it-right-in-black-and-white/
AVALIANDO VISUALIZAÇÕES
Desafios
Dasgupta, Aritra, and Robert Kosara. "Pargnostics: Screen-space metrics for parallel coordinates." Visualization
and Computer Graphics, IEEE Transactions on 16.6 (2010): 1017-1026.
Métricas de Qualidade
Pargnostics
Dasgupta, Aritra, and Robert Kosara. "Pargnostics: Screen-space metrics for parallel coordinates." Visualization
and Computer Graphics, IEEE Transactions on 16.6 (2010): 1017-1026.
Métricas de Qualidade
Pargnostics
Max number crossings + min angles + axis inversion Min angle crossings + max parallelism
Dasgupta, Aritra, and Robert Kosara. "Pargnostics: Screen-space metrics for parallel coordinates." Visualization
and Computer Graphics, IEEE Transactions on 16.6 (2010): 1017-1026.
PONDO TUDO EM PRÁTICA
Bloom
Bernard Kerr, Li-Te Cheng, and Timothy Sweeney. 2006. Growing bloom: design of a visualization of project evolution. In CHI '06 Extended
Abstracts on Human Factors in Computing Systems (CHI EA '06). ACM, New York, NY, USA, 93-98.
The visual backchannel
Marian Dörk, Daniel Gruen, Carey Williamson and Sheelagh Carpendale. A Visual Backchannel for Large-Scale Events. IEEE Transactions on Visualization and
Computer Graphics (Proceedings Information Visualization 2010), 16(6):1129-38, November-December, 2010.
Parallel Tag Clouds
Collins, Christopher, Fernanda B. Viegas, and Martin Wattenberg. "Parallel tag clouds to explore and analyze faceted text
corpora." Visual Analytics Science and Technology, 2009. VAST 2009. IEEE Symposium on. IEEE, 2009.
Parallel Tag Clouds
Collins, Christopher, Fernanda B. Viegas, and Martin Wattenberg. "Parallel tag clouds to explore and analyze faceted text
corpora." Visual Analytics Science and Technology, 2009. VAST 2009. IEEE Symposium on. IEEE, 2009.
World Lines
Waser, Jurgen, et al. "World lines." IEEE Transactions on Visualization and Computer Graphics 16.6 (2010): 1458-1467.
Result-Driven Exploration of Simulation
Parameter Spaces for Visual Effects Design
Bruckner, Stefan, and Torsten Moller. "Result-driven exploration of simulation parameter spaces for visual effects design." Visualization and Computer Graphics, IEEE Transactions on 16.6 (2010): 1468-1476.
Result-Driven Exploration of Simulation
Parameter Spaces for Visual Effects Design
Bruckner, Stefan, and Torsten Moller. "Result-driven exploration of simulation parameter spaces for visual effects design." Visualization and Computer Graphics, IEEE Transactions on 16.6 (2010): 1468-1476.
Visualização Colaborativa
Colaboração Síncrona
Colaboração Assíncrona
Colaboração Local
Mendes, Daniel, et al. "Collaborative 3D Visualization on Large Screen Displays." Marée, Raphaël, et al. "A rich internet application for remote visualization and collaborative annotation of
Powerwall-International Workshop on Interactive, Ultra-High-Resolution Displays– digital slides in histology and cytology." Diagnostic Pathology 8.Suppl 1 (2013): S26.
ACM CHI. Vol. 2013. 2013.
Interfaces tangíveis para
visualização
Spindler, Martin, et al. "Tangible views for information visualization." ACM International Conference on Interactive Tabletops and Surfaces. ACM, 2010.
Martin Spindler, et al. PaperLens: advanced magic lens interaction above the tabletop. In Proceedings of the ACM International Conference on Interactive Tabletops
and Surfaces (ITS '09). ACM, New York, NY, USA, 2009.
Visualizações Tangíveis
Jansen, Yvonne, Pierre Dragicevic, and Jean-Daniel Fekete. "Evaluating the efficiency of physical visualizations."
Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, 2013.
Khot, Rohit Ashok, Larissa Hjorth, and Florian'Floyd Mueller. "Understanding physical activity through 3D
printed material artifacts." Procs CHI’14, ACM, 2014.
Para não esquecer
EM SUMA
Muitos exemplos
(Experiência)!
O que?
Por que?
Como?
Fundamentos
(Teoria)!
REFERÊNCIAS
Expandindo os horizontes
Consulta! Para refletir:!
Catálogos de visualizações
http://hint.fm/
F. Viégas & M. Wattenberg
www.datavis.ca
http://www.datavis.ca/milestones/
(histórico!)
www.edwardtufte.com/bboard
E. Tufte
www.infovis-wiki.net
http://fellinlovewithdata.com/
http://www.visual-literacy.org/ Fell in love with data
periodic_table/periodic_table.html
E. Bertini
Cores
http://datastori.es/ (podcasts)
http://colorbrewer2.org/
E. Bertini & M. Stefaner
Color Brewer
http://tools.medialab.sciences-po.fr/iwanthue/
http://junkcharts.typepad.com/
I Want Hue
Junk Charts (porque também se aprende com
o erro alheio!!)
Livro Texto de
Visualização de
dados
(1st of its kind)
Se só quiser/puder adquirir
1 livro, este é O livro!
Meirelles, Isabel. Design for Information: An Introduction to the Histories, Theories, and
Best Practices Behind Effective Information Visualizations. Rockport publishers, 2013.
Tudo o que quiser saber
sobre percepção.