Visuelle Analytik

Visuelle Analytik ist ein Ergebnis der Felder von Informationsvisualisierung und Wissenschaftliche Visualisierung das konzentriert sich auf analytisch Argumentation erleichtert durch interaktiv visuelle Schnittstellen.[1]

Überblick

Visuelle Analytik ist "die Wissenschaft des analytischen Denkens, die durch interaktive visuelle Schnittstellen erleichtert wird".[2] Es kann bestimmte Probleme angreifen, deren Größe, Komplexität und Bedürfnis nach eng gekoppelter Mensch- und Maschinenanalyse sie ansonsten unlösbar machen können.[3] Visuelle Analytics fördert die Entwicklungen der Wissenschaft und Technologie im analytischen Denken, Interaktion, Datentransformationen und -darstellungen für Berechnung und Visualisierung, analytische Berichterstattung und Technologieübergang.[4] Als Forschungsagenda vereint visuelle Analyse mehrere wissenschaftliche und technische Gemeinschaften aus Informatik, Informationsvisualisierung, kognitiven und wahrnehmungswissenschaftlichen Wissenschaften, interaktivem Design, Grafikdesign und Sozialwissenschaften.

Visual Analytics integriert neue rechen- und theoretische Tools mit innovativen interaktiven Techniken und visuelle Darstellungen Um den Menschen-Informationsdiskurs zu ermöglichen. Das Design der Werkzeuge und Techniken basiert auf kognitiv, Entwurf, und Wahrnehmung Prinzipien. Diese Wissenschaft des analytischen Denkens liefert den Argumentationsrahmen, auf den man sowohl strategische als auch taktische visuelle Analysetechnologien für Bedrohungsanalyse, Prävention und Reaktion aufbauen kann. Das analytische Denken ist von zentraler Bedeutung für die Aufgabe des Analysten, menschliche Urteile anzuwenden, um Schlussfolgerungen aus einer Kombination von Beweisen und Annahmen zu erreichen.[2]

Visuelle Analytik hat einige überlappende Ziele und Techniken mit Informationsvisualisierung und Wissenschaftliche Visualisierung. Derzeit gibt es keinen klaren Konsens über die Grenzen zwischen diesen Feldern, aber im Großen und Ganzen können die drei Bereiche wie folgt unterschieden werden:

  • Die wissenschaftliche Visualisierung befasst sich mit Daten mit einer natürlichen geometrischen Struktur (z. B. MRT -Daten, Windströmen).
  • Informationsvisualisierung behandelt abstrakte Datenstrukturen wie Bäume oder Grafiken.
  • Die visuelle Analytik befasst sich besonders mit der Kopplung interaktiver visueller Darstellungen mit zugrunde liegenden analytischen Prozessen (z. B. statistische Verfahren, Data Mining Techniken), so dass hochrangige, komplexe Aktivitäten effektiv durchgeführt werden können (z. B. Sinnesherstellung, Argumentation, Entscheidungsfindung).

Visuelle Analytik versucht, Techniken aus der Informationsvisualisierung mit Techniken aus der Computertransformation und der Analyse von Daten zu heiraten. Informationsvisualisierung ist Teil der direkten Schnittstelle zwischen Benutzer und Maschine und verstärkt menschliche kognitive Funktionen auf sechs grundlegende Weise:[2][5]

  1. Durch Erhöhen der kognitiven Ressourcen, beispielsweise durch die Verwendung einer visuellen Ressource, um das Arbeitsgedächtnis des Menschen zu erweitern,
  2. Durch die Reduzierung der Suche, beispielsweise durch die Darstellung einer großen Datenmenge in einem kleinen Raum,
  3. Durch die Verbesserung der Erkennung von Mustern, z. B. wenn Informationen im Weltraum nach zeitlichen Beziehungen organisiert werden,
  4. durch die Unterstützung der einfachen Wahrnehmungsschließung von Beziehungen, die ansonsten schwieriger zu induzieren sind,
  5. durch Wahrnehmungsüberwachung einer großen Anzahl potenzieller Ereignisse und
  6. Durch die Bereitstellung eines manipulierbaren Mediums, das im Gegensatz zu statischen Diagrammen die Erforschung eines Parameterraums ermöglicht

Diese Funktionen der Informationsvisualisierung, kombiniert mit der Analyse der Rechendaten, können auf analytische Argumentation angewendet werden, um den Sinneszubehör zu unterstützen.

Themen

Zielfernrohr

Visual Analytics ist ein multidisziplinäres Feld, das die folgenden Fokusbereiche enthält:[2]

  • Analytische Argumentationstechniken, mit denen Benutzer tiefe Erkenntnisse erhalten können, die die Bewertung, Planung und Entscheidungsfindung direkt unterstützen
  • Datendarstellungen und Transformationen, die alle Arten von widersprüchlichen und dynamischen Daten auf eine Weise konvertieren, die die Visualisierung und Analyse unterstützt
  • Techniken zur Unterstützung der Produktion, Präsentation und Verbreitung der Ergebnisse einer Analyse zur Übermittlung von Informationen im entsprechenden Kontext für eine Vielzahl von Publikum.
  • Visuelle Darstellungen und Interaktionstechniken[6] Dies nutzt den breiten Bandbreitenweg des menschlichen Auges in den Geist, damit Benutzer große Mengen an Informationen gleichzeitig sehen, erforschen und verstehen können.

Analytische Argumentationstechniken

Analytische Argumentationstechniken sind die Methode, mit der Benutzer tiefe Erkenntnisse erhalten, die die Bewertung, Planung und Entscheidungsfindung der Situation direkt unterstützen. Die visuelle Analytik muss ein hohes Qualitätsurteil mit einer begrenzten Investition der Zeit der Analysten erleichtern. Visuelle Analysetools müssen verschiedene analytische Aufgaben ermöglichen, wie z. B.:[2]

  • Vergangene und gegenwärtige Situationen schnell zu verstehen sowie die Trends und Ereignisse, die aktuelle Bedingungen hervorgebracht haben
  • Identifizierung möglicher alternativer Futures und ihrer Warnzeichen identifizieren
  • Überwachung aktueller Ereignisse zur Entstehung von Warnzeichen sowie unerwarteten Ereignissen
  • Bestimmung von Indikatoren für die Absicht einer Aktion oder einer Person
  • Unterstützung des Entscheidungsträgers in Krisenzeiten.

Diese Aufgaben werden durch eine Kombination aus individueller und kollaborativer Analyse durchgeführt, häufig unter extremem Zeitdruck. Visuelle Analytik muss hypothesenbasierte und szenariobasierte analytische Techniken ermöglichen und dem Analysten die Grundlage für die verfügbaren Nachweise unterstützen.[2]

Datendarstellungen

Datendarstellungen sind strukturierte Formen, die für computergestützte Transformationen geeignet sind. Diese Strukturen müssen in den ursprünglichen Daten vorhanden oder von den Daten selbst abgeleitet sein. Sie müssen den Informations- und Wissensinhalt und den damit verbundenen Kontext innerhalb der Originaldaten so weit wie möglich behalten. Die Strukturen der zugrunde liegenden Datendarstellungen sind im Allgemeinen weder zugänglich noch intuitiv für den Benutzer des visuellen Analyse -Tools. Sie sind häufig komplexer als die ursprünglichen Daten und sind nicht unbedingt kleiner als die ursprünglichen Daten. Die Strukturen der Datendarstellungen können Hunderte oder Tausende von Dimensionen enthalten und für eine Person unverständlich sein, müssen jedoch für die Visualisierung und Analyse in niedrigerdimensionale Darstellungen umgewandelt werden.[2]

Theorien der Visualisierung

Die Visualisierungstheorien umfassen:[3]

Visuelle Darstellungen

Visuelle Darstellungen übersetzen Daten in eine sichtbare Form, die wichtige Merkmale hervorhebt, einschließlich Gemeinsamkeiten und Anomalien. Diese visuellen Darstellungen machen es den Benutzern leicht, herausragende Aspekte ihrer Daten schnell wahrzunehmen. Durch die Erweiterung des kognitiven Argumentationsprozesses mit Wahrnehmungsbescheid durch visuelle Darstellungen können der analytische Argumentationsprozess schneller und fokussierter werden.[2]

Verfahren

Die Eingabe für die im Prozess der visuellen Analyse verwendeten Datensätze sind heterogen Datenquellen (d. H. Internet, Zeitungen, Bücher, wissenschaftliche Experimente, Expertensysteme). Aus diesen reichhaltigen Quellen sind die Datensätze aus S = s1, ..., Sm werden ausgewählt, während jeweils Si , i ∈ (1, ..., m) besteht aus Attribute AI1, ..., EINich k. Das Ziel oder die Ausgabe des Prozesses ist Insight I. Einsicht wird entweder direkt aus dem Satz erstellter Visualisierungen erhalten V oder durch Bestätigung von Hypothesen H als Ergebnisse automatisierter Analysemethoden. Diese Formalisierung des visuellen Analyseprozesses ist in der folgenden Abbildung dargestellt. Pfeile repräsentieren die Übergänge von einem eingestellt zu einem anderen.

Formell ist der visuelle Analyseprozess a Transformation F: s → i, wohingegen F ist eine Verkettung von Funktionen f ∈ {dW, VX, HY, UZ} definiert wie folgt:

DW beschreibt die grundlegenden Daten Vorverarbeitung Funktionalität mit DW: S → s und w ∈ {t, c, sl, i} Einbeziehung von Datenumwandlungsfunktionen DT, Datenreinigungsfunktionen DC, Datenauswahlfunktionen DSl und Datenintegrationsfunktionen DI Diese sind erforderlich, um Analysefunktionen für den Datensatz anwendbar zu machen.

VW, W ∈ {s, H} symbolisiert die Visualisierungsfunktionen, bei denen es sich entweder um Funktionen visualisierten Daten VS: S → v oder Funktionen, die Hypothesen visualisieren VH: H → v.

HY, Y ∈ {s, v} repräsentiert den Hypothesen -Erzeugungsprozess. Wir unterscheiden zwischen Funktionen, die Hypothesen von Daten generieren HS: S → h und Funktionen, die Hypothesen aus Visualisierungen erzeugen HV: V → h.

Darüber hinaus sind Benutzerinteraktionen UZ, Z ∈ {v, h, cv, ch} sind ein wesentlicher Bestandteil des visuellen Analyseprozesses. Benutzerinteraktionen können entweder nur Visualisierungen beeinflussen UV: V → v (d. H. Auswahl oder Zoomen) oder kann nur Hypothesen bewirken UH: H → h Durch die Erzeugung neuer Hypothesen aus gegebenen. Darüber hinaus können Einblicke aus Visualisierungen abgeschlossen werden ULebenslauf: V → i oder von Hypothesen UCH: H → i.

Die typischen Daten, die die Datenreinigung, die Datenintegration und die Datenumwandlungsfunktionen vorbereiten, wird definiert als DP = DT(DI(DC(S1, ..., Sn))). Nach dem Vorverarbeitungsschritt entweder automatisierte Analysemethoden HS = {fS1, ..., fsq} (d. H. Statistik, Data Mining usw.) oder Visualisierungsmethoden VS: S → v, vS = {fv1, ..., fvs} werden auf die Daten angewendet, um Muster anzuzeigen, wie in der obigen Abbildung gezeigt.[7]

Im Allgemeinen wird das folgende Paradigma verwendet, um die Daten zu verarbeiten:

Analysieren Sie zuerst - Zeigen Sie den wichtigen - Zoom, filtern und analysieren Sie weiter - Details der Nachfrage[8]

Siehe auch

Verwandte Themen

Verwandte Wissenschaftler

Verwandte Software

Verweise

  1. ^ Pak Chung Wong und J. Thomas (2004). "Visuelle Analytik". in: IEEE -Computergrafiken und Anwendungen, Band 24, Ausgabe 5, September-Okt. 2004 Seite (n): 20–21.
  2. ^ a b c d e f g h James J. Thomas und Kristin A. Cook (Hrsg.) (2005). Illumination des Weges: Die F & E -Agenda für visuelle Analysen Nationales Visualisierungs- und Analysezentrum.
  3. ^ a b Robert Kosara (2007). Visuelle Analytik. ITCS 4122/5122, Herbst 2007. Abgerufen am 28. Juni 2008.
  4. ^ Kielman, J. und Thomas, J. (Gast Eds.) (2009). "Sonderausgabe: Grundlagen und Grenzen der visuellen Analytik". in: Informationsvisualisierung, Band 8, Nummer 4, Winter 2009 Seite (n): 239-314.
  5. ^ Stuart Card, J. D. Mackinlay und Ben Shineiderman (1999). "Lesungen in der Informationsvisualisierung: Verwenden Sie Vision zum Denken". Morgan Kaufmann Publishers, San Francisco.
  6. ^ A. Kerren und F. Schreiber. In Richtung der Rolle der Interaktion in der visuellen Analyse. In Proceedings of the 2012 Winter Simulation Conference (WSC '12), Seiten 420: 1-420: 13, Berlin, Deutschland, 2012. IEEE Computer Society Press.
  7. ^ Daniel A. Keim, Florian Mansmann, Jörn Schneidewind, Jim Thomas und Hartmut Ziegler (2008). "Visuelle Analytik: Umfang und Herausforderungen"
  8. ^ Keim D. A, Mansmann F, Schneidewind J, Thomas J, Ziegler H: Visuelle Analytik: Umfang und Herausforderungen. Visual Data Mining: 2008, S. 82.

Weitere Lektüre

  • Boris Kovalerchuk und James Schwing (2004). Visuelle und räumliche Analyse: Fortschritte beim Data Mining, Argumentation und Problemauflagen
  • Guoping Qiu (2007). Fortschritte in visuellen Informationssystemen: 9. Internationale Konferenz (visuell).
  • IEEE, Inc. Staff (2007). Visual Analytics Science and Technology (riesig), ein Symposium der IEEE 2007.
  • Mai Yuan, Kathleen und Stewart Hornsby (2007). Berechnung und Visualisierung zum Verständnis der Dynamik in geografischen Domänen.
  • Daniel Keim, Gennady Andrienko, Jean-Daniel Fekete, Carsten Görg, Jörn Kohlhammer und Guy Melançon (2008). Visuelle Analytik: Definition, Prozess und Herausforderungen.In Andreas Keren, John T. Stasko, Jean-Daniel Fekete und Chris North (Hrsg.), Information Visualisierung-Menschen-zentrierte Probleme und Perspektiven, Seiten 154-175, Vorlesungshinweise in Informatik 4950, Springer Berlin Heidelberg.
  • Beherrschen des Visualisierungsalters: Lösen von Problemen mit visueller Analyse (2010) (PDF)
  • Kawa Nazemi (2014).Adaptive Semantikvisualisierung.Eurographics Association [1].Tu Darmstadt Dissertation.Eurographie.

Externe Links

  • Medien im Zusammenhang mit visuellen Analysen bei Wikimedia Commons