Unidimensional (x)Bidimensionais (x,y)Tridimensionais (x,y,z)Multidimensionais (x,y,z ... n)

Frederico Corrêa da Silva

História da Visualização de Dados Conceito de Planos Espaciais [SIT07] Conceitos de Visualização de

Informações◦ Classificações (taxonomias)

Segundo [BOY93] Segundo [SHN96] Segundo [CAR99]

Conceito Exemplo de Técnica de Visualização Curiosidades

◦ Dados Lineares

* Este assunto será abordado pela colega Bianca, na última apresentação.

Conceito Algumas Técnicas de Visualização Curiosidades

◦ Pixel

Conceito Algumas Técnicas de Visualização Curiosidades

◦ Voxel

Conceito Algumas Técnicas de Visualização Curiosidades

◦ Base de Dados Relacionais◦ É um conceito abstrato que define maneiras de armazenar, manipular

e recuperar dados estruturados unicamente na forma de tabelas.

◦ Dados Multivariados

[ALP91] ALPERN, B., CARTER, L., The Hyperbox, Proceedings IEEE Visualization 1991, pp 133-139, 1991.

[BOY93] BOYLE, J., EICK, S., HEMMJE, M., KEIM, D., LEE, J. P., SUMNER, E. , Database Issues for Data Visualization: Interaction, User Interfaces, and Presentation, Proceedings Database Issues for Data Visualization ‘93, Lee, J.P., Grinstein, G.G. (eds), 1993

[CAR91] CARD, S. K., ROBERTSON, G. G., MACKINLAY, J. D., The Information Visualizer, an Information Workspace, Proceedings of CHI´91, 1991.

[CAR99] CARD, S. K., MACKINLAY, J. D., SHNEIDERMAN, B., Readings in Information Visualization Using Vision to Think, Morgan Kaufmann Publishers, Inc. 1999  

[CHE73] CHERNOFF, H. The use of faces to represent points in k-dimensional space graphically. Journal of the American Statistical Association, 68:361–368. 1973.

[CHU95] CHUAH, M. C., ROTH, S. F., MATTIS, J., and KOLOJEJCHICK, J. SDM: Selective dynamic manipulation of visualizations. In Proceedings of the ACM Symposium on User Interface Software and Technology, 3D User Interfaces, pages 61–70. 1995.

[FER04] FERNANDO ROSA VAZ, CEDRIC LUIZ DE CARVALHO. Visualização de Informações, Relatório Técnico, outubro de 2004.

[FUR81] FURNAS, G. W. (1981). The FISHEYE view: A new look at structured files. Technical Report #81-11221-9, Bell Laboratories, Murray Hill, New Jersey 07974, U.S.A.

[HOL97] HOLMQUIST, L. E. Focus+Context Visualization with Flip Zooming and the Zoom Browser. In: EXTENDED ABSTRACT OF CONFERENCE ON HUMAN FACTORS IN COMPUTER SYSTEMS, p. 263–264. ACM Press, 1997.

[HUG03] HUGO A. D. do Nascimento e CRISTIANE B. R. Ferreira, Visualização de Informações – Uma Abordagem Prática, 2003, CAP 2, Universidade Federal de Goiás, Instituto de Informática, Bloco do IMF I - Sala 239, Campus II, Caixa Postal 131, CEP 74001-970, Goiânia, GO. Fone: (62) 521-1181, Fax: (62) 521-1182. E-mail: {hadn,cristiane}@inf.ufg.br .

[INS90] INSELBERG, A. and DIMSDALE, B. (1990). Parallel coordinates: a tool for visualizing multidimensional geometry. In VIS ’90: Proceedings of the 1st conference on Visualization ’90, pages 361–378, Los Alamitos, CA, USA. IEEE Computer Society Press.

[INS97] INSELBERG, A. (1997). Multidimensional detective. In IEEE Symposium on Information Visualization (InfoVis ’97), pages 100–107,Washington - Brussels - Tokyo. IEEE. October.

[KEI02] KEIM, D., HAO, M.C., DAYAL, U. (2002) ”Hierarchical Pixel Bar Charts.” IEEE Transactions on Visualization and Computer Graphics, v.8, N.3, July/Sep. 2002. p.255-269.

[KIR04] KIRNER, C., KIRNER, Tereza Gonçalves, CALONEGO JR, Nivaldi, BUK, Carolina Valim. Uso de Realidade Aumentada em Ambientes Virtuais de Visualização de Dados In: 7th Symposium on Virtual Reality, 2004, São Paulo.  Proceedings of the 7th Symposium on Virtual Reality - SVR2004. São Paulo: Editora SENAC, 2004. v.1. p.149 - 160.

[LEE03] LEE, M. D., REILLY, R. E., and BUTAVICIUS, M. E. (2003). An empirical evaluation of chernoff faces, star glyphs, and spatial visualizations for binary data. In CRPITS ’24: Proceedings of the Australian symposium on Information visualisation, pages 1–10, Darlinghurst, Australia, Australia. Australian Computer Society, Inc.

[LUZ03] LUZZARDI, P. R. G. Critérios de Avaliação de Técnicas de Visualização de Informações Hierárquicas. Tese de doutorado, UFRGS, Porto Alegre, 2003.

[MAC91] MACKINLAY, J. D., ROBERTSON, G. G., CARD, S. K., The Perspective Wall: Detail and Context Smoothly Integrated, Proceedings of ACM CHI'91, 1991.

[MAR03] MARIA BEATRIZ CARMO, Visualização de Informação Modelo Integrado para o Tratamento de Filtragem e Múltiplas Representações, Departamento de Informática Faculdade de Ciências da Universidade de Lisboa Campo Grande, MAY 2003, 1749-016 Lisboa Portugal.

[MCC87] MCCORMICK, B. H., DEFANTI, T. A., BROWN, M. D., Visualization in Scientific Computing, Computer Graphics, vol. 21, nº 6, Nov. 1987.

[MICXX] MICHAEL FRIENDLY and DANIEL J. DENIS. ”Milestones in the History of Thematic Cartography, Statistical Graphics, and Data Visualization” An illustrated chronology of innovations. York University, Canada. Tradução e Organização, Mário Kanno, Marcos na História da Visualização de Dados.

[REK93] REKIMOTO, J. ; GREEN, M. The Information Cube: Using Transparency in 3D Information Visualization. In: THIRD ANNUAL WORKSHOP ON INFORMATION TECHNOLOGIES & SYSTEMS, 1993. Proceedings... [S.l.:s.n.], 1993. p. 125-132. Disponível em: <http://www.csl.sony.co.jp/person/rekimoto/cube.html>. Acesso em: 29out.2000.

[ROB91] ROBERTSON, G.G., MACKINLAY, J. D., CARD, S. K., Cone Trees: Animated 3D Visualizations of Hierarchical Information, ACM Proceedings of CHI'91, 1991

[RUSXX] RUSSO, C. dos Santos, GROS, P. ABEL, P. VISUALIZAÇÃO TRIDIMENSIONAL DE GRANDES VOLUMES DE INFORMAÇÃO, Institut Eurecom, Multimedia Communications Dept. BP 193 - 06904 Sophia-Antipolis Cedex – France.

[SHN96] SHNEIDERMAN, B. The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations. Technical Report CS-TR-3665, University of Maryland College Park, 1996.

[SIT07] SITES. http://www.silvestre.eng.br/astronomia/artigos/bigbang/01/ , http://blog.uncovering.org/archives/2007/09/metodos_de_visu.html . Estes foram os sites utilizados para algumas pesquisas, em outubro de 2007, de 01 à 04 do referido mês.

[SPE99] SPENCE, R; APPERLEY, M. Data base navigation: an office environment for the professional. p. 333–340, 1999.

[WEB01] WEBER, M., ALEXA, M., MULLER, W., Visualizing Time-Series on Spirals, Proceedings of the IEEE Symposium on Information Visualization 2001 (InfoVis’01), San Diego, 2001.

[WON97] WONG, P. C., BERGERON, R. D., 30 Years of Multidimensional Multivariate Visualization, Scientific Visualization: Overviews, Methodologies & Techniques, IEEE Computer Society Press, Nielson, G.M., Mueller, H., Hagen, H. (eds), Los Alamitos, California 1997.

Obrigado

As origens da visualização estão nos diagramas geométricos, nas tabelas de posição das estrelas e nos mapas [MICXX].

No século 16, com expansão marítima da Europa, novas técnicas e instrumentos foram desenvolvidos e, com eles, novas, e mais precisas, formas de apresentação visual do conhecimento [MICXX].

Zero Dimensões (ponto) Uma Dimensão (linha) Duas Dimensões (área) Três Dimensões (volume) N Dimensões (x,y,z ... n)

A visualização, enquanto campo de investigação, é definida em [MCC87] como “o estudo de mecanismos nos computadores e nos seres humanos que lhes permitem concertadamente perceber, utilizar e comunicar informação visual.”

A Visualização de Informação, começou a ganhar forma a partir de um conjunto de trabalhos desenvolvidos por Card, Mackinlay e Robertson apresentados na conferência CHI’91 [CAR91] [MAC91] [ROB91].

Visualização da informação pode, assim, ser definida como “o uso de representações visuais e interativas de dados abstratos, suportadas por computador, para amplificar a cognição" [KEI02].

Modelo de Classificação [LUZ03].

Visualização de dados unidimensional, compreende tipos de dados dispostos linearmente, incluindo documentos textuais, códigos fonte de programas, listas seqüenciais de nomes em ordem alfabética, e outros exemplos similares [KIR04].

Cada item do conjunto de dados é uma linha de texto, contendo uma lista de características [KIR04].

Além disso, pode ser necessário haver uma linha adicional contendo atributos de interesse como, por exemplo, data da última atualização dos dados, nome do autor , etc. [KIR04].

Para este tipo de visualização de dados, é importante que a interface utilizada mostre características como tipos de fontes de letras, cores, tamanho, etc. [KIR04].

Os problemas normalmente enfrentados pelos usuários, ao interagir com este tipo de visualização referem-se a encontrar determinado dado e/ou seus atributos, e enxergar um item de dado com todos os seus atributos [KIR04].

* Este assunto será abordado pela colega Bianca, na última apresentação.

Visualização de dados bi-dimensional, inclui mapas geográficos, plantas de prédios, ou layouts de jornais e similares [KIR04].

Cada item da coleção de dados cobre uma porção da área total, podendo ser uma área retangular ou não [KIR04].

Cada um desses itens possui atributos relacionados tanto ao domínio da tarefa (como nome, proprietário, valor, etc.) quanto características relativas ao domínio da interface (como tamanho, cor, brilho, etc.) [KIR04].

Os principais problemas enfrentados pelos usuários, ao interagirem com este tipo de visualização, referem-se a identificar itens adjacentes, sobreposições e itens contidos dentro de outros [KIR04].

A realidade virtual é usada para este tipo de visualização, devido à facilidade de representação de uma grande quantidade de dados, que podem ser apresentados, por exemplo, sob a forma de gráficos de barras, que são mostrados dentro das cenas do mundo virtual [KIR04].

Visualização de dados tri-dimensional, incluem objetos do mundo real, tais como moléculas, corpo humano, prédios, etc., que possuem itens com volume e, além disso, apresentam relacionamento entre itens ou características [KIR04].

Neste tipo de visualização, é essencial que o usuário tenha possibilidade de explorar o espaço tridimensional, o que requer o sentido de posicionamento no cenário tridimensional e a capacidade de orientação no cenário considerado [KIR04].

Para tanto, o uso de realidade virtual é muito apropriado e altamente justificável [KIR04].

Visualização de dados multidimensional, na maioria dos bancos de dados relacionais e estatísticos são manipulados adequadamente como multidimensionais, uma vez que comportam itens com muitos atributos em um espaço n-dimensional [KIR04].

As principais dificuldades, neste caso, são encontrar padrões, agrupamentos, correlações entre pares de variáveis, etc. [KIR04].

Dados multidimensionais podem ser representados sob a forma tri-dimensional, acrescida por técnicas de apresentação de múltiplos pontos de vista, sendo importante a incorporação de quatro ou mais atributos para os dados (três dados de espaço, além de cor, sombra, forma, etc.) [KIR04].

Os ambientes virtuais são especialmente úteis neste tipo de visualização de dados, uma vez que permitem ao usuário navegar dentro dos mundos virtuais e interagir com as representações de dados [KIR04].

Fisheye View

* Este assunto será abordado pela colega Bianca, na última apresentação.

Fish-eye Bifocal Display Hyperbox Map display Information Mural Tree Maps

A técnica de visualização Fish-eye, como o próprio nome diz, produz um efeito semelhante ao de um olho de peixe ou de uma lente de aumento [HUG03] .

Ela permite uma visão mais detalhada de uma região de interesse sem haver perda de seus arredores, através de uma taxa maior de ampliação no centro da região de interesse e decrescente no sentido da periferia da imagem [HUG03] .

Apesar da idéia do Fish-eye ser intuitiva para imagens 2D, a técnica é muito mais geral e foi primeiramente proposta por Furnas [FUR81] como uma abordagem de visualização para texto.

Na técnica Bifocal Display [SPE99], itens de informação (documentos, figuras, gráficos, etc.) são apresentados em três áreas distintas, sendo a central aquela que contém a informação em foco, em destaque, e as outras informações do contexto geral são apresentados nas laterais da região focal.

A parte central com o foco ocupa uma área maior que as laterais preenchidas pela informação contextual que, por isso, é exibida de forma distorcida [HOL97].

Esta distorção é basicamente na direção X podendo ser aplicada também na direção Y (Figura ) [HOL97].

A técnica Bifocal Display possui uma vantagem na representação de dados, porque ela permite acesso a grande quantidade de informações. Entretanto, não é facilmente integrada a detalhes e ao contexto por ser bidimensional [HOL97].

A hyperbox [ALP91] pode igualmente usar nuvens de pontos para visualizar dados multivariados.

Uma hyperbox é uma representação 2D de um sólido com n dimensões em que há arestas com n direções diferentes. Na figura, extraída de [WON97], mostra-se um exemplo de uma hyperbox com 5 dimensões. Cada variável é associada a uma direção das arestas.

Em cada face é representado o comportamento das duas variáveis associadas às direções das suas arestas através de uma nuvem de pontos, ou de outra forma de visualizar duas variáveis [MAR03].

As limitações encontradas na matriz de nuvens de pontos verificam-se também na hyperbox [MAR03].

Cityscapes Conetrees Camtrees 3D rooms Information Cube Hélice de Dados

Cityscapes são uma técnica de visualização 3D que utiliza como metáfora o aspecto dos arranha-céus numa cidade [CHU95]

De fato, cityscapes são a transposição para três dimensões dos conhecidos gráficos de barras em 2D [CHU95]

Podemos também ver estas visualizações como uma forma particular dos gráficos de superfície, mas com uma granularidade superior [CHU95] apud [RUSXX].

Nas visualizações através de cityscapes, os valores dos dados são mapeados nos atributos das barras 3D, os “arranha-céus”, e colocadas num plano 2D horizontal (Figura) [RUSXX].

Os valores dos dados podem ser mapeados nos atributos dos “arranha-céus” como altura, cor, transparência, ou ainda em características como o estilo arquitetural [RUSXX].

A técnica de visualização Information Cube [REK93] é uma técnica aplicada em três dimensões.

Essa técnica faz uso de cubos aninhados e translúcidos para representar informação hierárquica [REK93].

O cubo que está posicionado mais “para fora” corresponde ao nível superior da hierarquia, e os cubos que estão dentro desse cubo representam o próximo nível de dados abaixo do topo [REK93].

Cada cubo de segundo nível é composto de cubos do terceiro nível da hierarquia e assim sucessivamente [REK93].

Os cubos possuem texturas descritivas em suas superfícies, enquanto que os dados terminais (representando o nível mais baixo da hierarquia) são representados por rótulos [REK93].

Em [WEB01] são usadas também espirais para a representação de dados que refletem variações ao longo do tempo.

Para ajudar a identificar qual a periodicidade da informação é usada animação, variando o intervalo de tempo associado a cada ciclo [WEB01].

Estes autores propõem a construção de uma hélice tridimensional para mostrar grandes volumes de dados [WEB01].

Através da hélice é dada uma visão de conjunto de toda a informação e, interativamente, pode selecionar-se uma zona da hélice para visualizar mais detalhadamente com uma espiral bidimensional [WEB01].

Coordenadas Paralelas Starplot Faces Chernoff Table Lens Gráficos de Barras

A técnica Coordenadas Paralelas foi proposta por Inselberg [INS90, INS97]. Essa técnica, mapeia um espaço n-dimensional em uma estrutura

bidimensional que usa n eixos paralelos verticais eqüidistantes, denominados coordenadas.

Os eixos verticais representam as dimensões ou atributos dos dados. Uma linha representando cada item de dado conecta os eixos nos seus

respectivos valores, o que permite a observação de padrões.

Na Starplot [LEE03], os eixos irradiam em forma de estrela a partir de um ponto de origem comum.

Essa técnica ilustrada na Figura, visualiza a quantidade de atividades acadêmicas de um grupo de professores de uma universidade.

Cada ícone-estrela representa um professor. As pontas das estrelas são os tipos de atividades acadêmicas.

É bem visível agora que alguns professores produzem mais do que outros em diversas atividades.

As faces Chernoff são um modo de visualizar dados multidimensionais, desenvolvido por Chernoff [CHE73], que tira partido da capacidade humana inata para distinguir características faciais.

Chernoff mapeou atributos dos dados em características faciais com a intenção de utilizar conhecimentos comuns, uma vez que as pessoas estão habituadas a distinguir expressões faciais na vida diária.

O problema das faces Chernoff é que embora sejam bastante úteis para mostrar tendências em dados multidimensionais, os valores dos dados propriamente ditos têm que ser apresentados adicionalmente, uma vez que aquelas não transmitem qualquer informação sobre os reais valores com as quais se relacionam.