1. No category

Visuaalinen analyysi
Visualisointien joustavaa ja tehokasta käyttöä tukevat
toiminnallisuudet
Heer, J. & Shneiderman, B. 2012. Interactive dynamics for visual analysis.
Communications of the ACM, 55(4), 45 – 54. DOI: http://dx.doi.org/
10.1145/2133806.2133821
Hypermedian jatko-opintoseminaari 31.5.2013
Anne-Maritta Tervakari
Intelligent Information Systems Laboratory (IISLab)
Visualisoinnista visuaaliseen
analyysiin
● 
● 
Visualisoinnilla tarkoitetaan yleensä prosessia, jossa data
(informaatio tai tieto) muunnetaan visuaaliseksi
esitykseksi, joka voidaan havaita näköaistin avulla.
Visuaalisessa analytiikassa kysymys eräänlaisesta
iteratiivisesta, vuorovaikutteisesta prosessista (näkymän
luominen, tutkiminen ja informaation jalostaminen), joka
tuottaa (uutta) tietoa datan ”sisältämistä” merkityksistä ja
niiden välisistä yhteyksistä, auttaa tulkitsemaan
informaatiota kontekstissaan sekä havaitsemaan
syysuhteita.
(Gershon, Eick & Card 1998; Heer & Shneiderman 2012)
Intelligent Information Systems Laboratory (IISLab)
Visuaalista analyysia tukevat keskeiset
vuorovaikutteiset toiminnallisuudet
Taxonomy of interactive dynamics for visual analysis.
Data and View Specification
1. Visualize data by choosing visual encoding.
2. Filter out data to focus on relevant items.
3. Sort items to expose patterns.
4. Derive values or models from source data.
View Manipulation
5. Select items to highlight, filter, or manipulate them.
6. Navigate to examine high-level patterns and low-level detail.
7. Coordinate views for linked, multidimensional exploration.
8. Organize multiple windows and workspaces.
Process and Provenance
9. Record analysis histories for revisitation, review, and sharing.
10. Annotate pattern to document findings.
11. Share views and annotations to enable collaboration.
12. Guide users through analysis tasks or stories.
(Heer & Shneiderman 2012)
Intelligent Information Systems Laboratory (IISLab)
Visualisointinäkymien ”luominen”
(Data and View Specification)
Intelligent Information Systems Laboratory (IISLab)
1. Visualisointi
(Visualize data by choosing visual encoding)
• 
Visualisoitavan datan (tietoalueen) osoittaminen tai valinta sekä
tarkoituksenmukaisen visualisointitavan (esitysmuodon, glyyfien)
valinta
• 
Käyttäjälle esitetään valikoima tarjolla olevista kaaviotyypeistä
(chart typology) (vrt. excelin kaaviotyökalut).
• 
Tieteellisen visualisoinnin järjestelmät (scientific visualization
systems): data-flow graphs - ”sarja” funktioita tai alijärjestelmiä,
jotka tuottavat halutunlaisen visualisoinnin (edellyttää usein
ohjelmointia)
• 
Formaaleihin kieliin (formal grammars) perustuvat lähestymistavat
(hyödynnetään usein erilaisissa visualisointijärjestelmissä kuten
Protovis), joissa määritellään miten data kuvataan visuaalisesti.
• 
Voidaan yhdistää useita puoliautomaattisia toimintoja → voi
tuottaa useita visualisointiehdotuksia samanaikaisesti.
Intelligent Information Systems Laboratory (IISLab)
Lähde: Heer & Shneiderman 2012, 46. Tableau http://www.tableausoftware.com/
Intelligent Information Systems Laboratory (IISLab)
2. Suodatus
(Filter out data to focus on relevant items)
• 
Kokonaiskuvan tarkastelu (yleiskäsitys visualisoitavasta
datasta) → tietyn rajatun datajoukon valinta
visualisoitavaksi ja edelleen tarkastelun kohteeksi.
• 
Suora manipulointi (kohteiden tai datajoukkojen
valitseminen ”lassoamalla”).
• 
Erilaisten käyttöliittymäelementtien ja dynaamisten
kyselyvimpainten (dynamic query widgets) käyttö datan
suodatuksessa.
• 
Yksinkertaisimmillaan radionapit, valintaruudut tai
valintalistat.
• 
Erilaiset liukuvalinnat, avainsanahaku,
monimutkaisemmat hakutoiminnot jne.
Intelligent Information Systems Laboratory (IISLab)
Google Hotel Finder: https://www.google.com/hotelfinder
Intelligent Information Systems Laboratory (IISLab)
3. Lajittelu, järjestäminen
(Sort items to expose patterns)
• 
Visualisoitavan datan järjestäminen voi tuoda esiin
mielenkiintoisia trendejä tai klustereita sekä helpottaa datan
tulkintaa (esim. järjestäminen käyttäjille tuttujen muuttujien
mukaan, kuten kellonaika, viikonpäivä jne.)
• 
Useimmiten: datajoukon järjestäminen yhden tai useamman
muuttujan arvojen mukaan.
• 
Moniulotteisen datan tai verkostodatan lajittelu edellyttää
monimutkaisempia lajittelumenetelmiä, jotta datan
”sisältämät” tyypilliset rakenteet ja mallit sekä poikkeavuudet
saadaan näkyviin.
Intelligent Information Systems Laboratory (IISLab)
1.
3.
2.
Victor Hugo: Kurjat. Henkilöiden
esiintyminen kirjan samassa kappaleessa (mitä
väri sitä useampi esiintyminen).
1. Aakkosjärjestys
2. Esiintymiskertojen lukumäärän mukaan.
3. Klustereiden perusteella.
http://bost.ocks.org/mike/miserables/
Intelligent Information Systems Laboratory (IISLab)
4. Johtaminen
(Derive values or models from source data)
• 
• 
Visuaalinen analysointi on iteratiivinen prosessi.
Käyttäjä saattaa havaita alkuperäisen datan käyttötarkoitukseen
soveltumattomaksi.
• 
Muuttujien arvojen muuntaminen tai uusien muuttujien
muodostaminen aiempien pohjalta
• 
Esimerkiksi summamuuttujien, keskilukujen tai
hajontalukujen sekä monimutkaisempien tilastollisten
analysointimenetelmien hyödyntäminen visualisointien
tuottamisessa.
• 
Esimerkiksi visualisointien yhteydessä käyttäjille käyttäjälle
esitettään automaattisesti laskettuja tunnuslukuja.
Intelligent Information Systems Laboratory (IISLab)
Visualisoinnin käsittely
(View Manipulation)
Intelligent Information Systems Laboratory (IISLab)
5. Valitseminen
(Select items to highlight, filter, or manipulate them)
• 
• 
Olennainen osa visuaalista analyysia on datajoukkojen
valitseminen/poimiminen esim. lähempää tarkastelua varten.
Yleisimpiä tapoja on hiirellä osoittaminen ja valitseminen sekä
ryhmittely, ”lassoaminen” tai alueen ”maalaaminen”.
• 
Monimutkaisempien ja ilmaisuvoimaisempien valintoja
mahdollistaminen.
• 
Esim. sellaisen datajoukon valitseminen, joka täyttää useita
eri (haku)ehtoja (selection as queries over the data).
Intelligent Information Systems Laboratory (IISLab)
(Lähde: Heer & Shneiderman 2012,47)
Intelligent Information Systems Laboratory (IISLab)
6. Navigointi
(Navigate to examine high-level patterns and low-level detail)
• 
• 
Vuorovaikutteisia toimintoja, jotka mahdollistavat liikkumisen
eritasoisten näkymien välillä informaatioavaruudessa.
• 
Perussääntö: ”Overview first, zoom and filter, then detailson-demand”.
• 
Toisaalta yleisnäkymän tarjoaminen ensin ei aina ole
tarkoituksenmukaista: ”Search, show context, expand on
demand.”
Edistyneempiä menetelmiä (focus plus context methods), jotka
auttavat käyttäjää hahmottamaan mitä osaa
informaatiosisällöstä hän kulloinkin tarkastelee.
• 
Esimerkiksi yhdistetty yleinen ja yksityiskohtainen näkymä
(overview and detail displays), erilaiset kalansilmänäkymät,
semanttinen tarkennus (details on demand, semantic zoom)
Intelligent Information Systems Laboratory (IISLab)
Crimespotting http://oakland.crimespotting.org /
Lähde: Spence, Robert and Apperley, Mark (2013): Bifocal Display.
In: Soegaard, Mads and Dam, Rikke Friis (eds.). "The Encyclopedia of
Human-Computer Interaction, 2nd Ed.". Aarhus, Denmark: The
Interaction Design Foundation.
http://www.interaction-design.org/encyclopedia/bifocal_display.html
Intelligent Information Systems Laboratory (IISLab)
Cassie Thomas. 2002.Fisheye Strategy.
http://www.cs.umd.edu/class/fall2002/cmsc838s/tichi/
fisheye.html
Jeffrey Heer, Stuart K. Card. 2004.
DOITrees Revisited: Scalable,
Space-Constrained Visualization of
Hierarchical Data Advanced Visual
Interfaces, 421–424.
http://vis.berkeley.edu/papers/
doitree/
Intelligent Information Systems Laboratory (IISLab)
7. Näkymien yhdistäminen
(Coordinate views for linked, multidimensional exploration.)
• 
• 
• 
Erilaisten näkymien yhdistäminen → erilaisia tarkastelukulmia
dataan.
Lisäksi tehokkaampi esitystapa kuin pyrkiä esittämään yhdessä
visualisoinnissa useita ulottuvuuksia. Esimerkiksi
• 
Yhdessä näkymässä tehty valinta suodattaa, järjestää,
korostaa tms. toisessa näkymässä esitettyä informaatiota
(brushing and linking).(Vrt.Voigt 2002)
• 
Toistokuviot (small multiples) mahdollistavat vertailun
(useampia näkymiä, samat muuttujat) .
Eri näkymissä voidaan myös hyödyntää erilaisia
visualisointitapoja.
Intelligent Information Systems Laboratory (IISLab)
Small multiples. Catherine
Mulbrandon. Change in home
prices 2001-2008. New York Times
Economix blog.
http://visualizingeconomics.com/
blog/2009/01/04/change-in-homeprices-2001-2008-nytimes
(Heer & Schneiderman 2012, 51)
Intelligent Information Systems Laboratory (IISLab)
8. Työtilojen hallinta ja järjestäminen
(Organize multiple windows and workspaces.)
• 
• 
• 
Erilaisten näkymien, ohjaimien ym. tehokas hallinta hyödyntäen
• 
”Tiled layout” näkymää (kaikki olennainen yhdellä
silmäyksellä
• 
Välilehtiä (tabs)
• 
Trellised views (small multiples)
Mahdollisuus zoomata, panoroida, kiertää visualisointia
Haasteena mobiililaitteille soveltuvien visualisointien
toteuttaminen.
Intelligent Information Systems Laboratory (IISLab)
Lähde: rdougan/barebones-tileddataview.
http://rdougan.github.io/barebonestiled-dataview/
Lähde: Description- Tellis Charts.
2013.
http://trellischarts.com/what-is-atrellis-chart
Intelligent Information Systems Laboratory (IISLab)
Analyysiprosessin tukeminen
(Process and Provenance)
Intelligent Information Systems Laboratory (IISLab)
9. ”Nauhoittaminen”
(Record analysis histories for revisitation, review, and sharing)
• 
• 
Visuaalinen analyysi on iteratiivinen prosessi.
Miten tuetaan käyttäjää esim. useiden eri hypoteesien
testaamisessa, rinnakkaisten analysointitehtävien
toteuttamisessa, analyysiprosessin arvioinnissa?
• 
Käyttäjän vuorovaikutteiset toiminnot tulisi nauhoittaa/
tallentaa lokitietoihin sekä visualisoida, jotta käyttäjä
pystyisi hahmottamaan analysointiprosessin vaiheet.
• 
Palaaminen aiempiin aiheisiin (minimissään undo/redo toiminto).
• 
Metadatan (avainsanojen, arvioiden, kommenttien)
lisääminen)
Intelligent Information Systems Laboratory (IISLab)
Lähde: Heer & Schneiderman 2012, 52
Lähde: TTY-Piiri
Intelligent Information Systems Laboratory (IISLab)
10. Annotointi
(Annotate pattern to document findings.)
• 
Analyysitulosten ja tulkintojen arkistointia, järjestämistä ja
jakamista voidaan tukea esim. mahdollistamalla
• 
Muistiinpanojen liittäminen visualisointeihin tai prosessin
historiatietoihin (annotointi, kommentointi)
• 
Visuaaliset annotoinnit (rajaukset, ympyröinnit, nuolet
yms.)
• 
Konstekstuaaliset (tai data-aware) muistiinpanot ja
annotoinnit
Intelligent Information Systems Laboratory (IISLab)
11. Jakaminen
(Share views and annotations to enable collaboration)
• 
• 
Visuaalinen analyysi on usein myös sosiaalinen prosessi
• 
Esim. tutkijatriangulaatio → eri näkökulmia, tulkintoja,
iteraatiokierroksia.
• 
Analysoinnin tulosten jakaminen
Useita eri tapoja:
• 
Analyysiprosessin eri vaiheiden/näkymien ja jakaminen
käyttäen kirjanmerkkejä (application bookmark) tai
jaettavaa verkko-osoitetta.
• 
Työtilan jakaminen.
• 
Yhteistyön mahdollistaminen (samanaikainen,
eriaikainen).
• 
Analyysitulosten ja visualisointien vieminen ja
julkaiseminen esim. verkkosivulla.
Intelligent Information Systems Laboratory (IISLab)
a) interaktiivinen visualisointi
b) annotointityökalu
c) kirjanmerkki (tallennettu näkymä)
d) kommentointi-ikkuna
e) näkymään liittyvät kommentit
f) jaettava URL
Lähde. Heer & Schneiderman 2012, 52.
Intelligent Information Systems Laboratory (IISLab)
12. Opastus
(Guide users throught analysis tasks or stories.)
• 
• 
Käyttäjien opastaminen visuaalisen analyysin toteuttamisessa
• 
Guided analytics (käyttäjän ohjaaminen vaihe vaiheelta
prosessin läpi) – soveltuu yksinkertaisiin ja lineaarisesti
eteneviin analyysitehtäviin (vrt. Guided Tour)
• 
Monimutkaisempien prosessien ohjaamisessa voidaan
hyödyntää esim. esittämällä tyypillisen
analysointiprosessin eteneminen, mutta sallimalla
poikkeamat.
Visuaalinen tarinankerronta (narrative visualization) puolestaan
ohjaa katsojaa analyysitulosten tarkastelussa ja ymmärryksen
muodostamisessa.
Intelligent Information Systems Laboratory (IISLab)
Lähde: Heer & Schneiderman 2012, 52
Lähde: TTY-Piiri
Intelligent Information Systems Laboratory (IISLab)
Visuaalista analyysia tukevat keskeiset
vuorovaikutteiset toiminnallisuudet
Taxonomy of interactive dynamics for visual analysis.
Data and View Specification
1. Visualize data by choosing visual encoding.
2. Filter out data to focus on relevant items.
3. Sort items to expose patterns.
4. Derive values or models from source data.
View Manipulation
5. Select items to highlight, filter, or manipulate them.
6. Navigate to examine high-level patterns and low-level detail.
7. Coordinate views for linked, multidimensional exploration.
8. Organize multiple windows and workspaces.
Process and Provenance
9. Record analysis histories for revisitation, review, and sharing.
10. Annotate pattern to document findings.
11. Share views and annotations to enable collaboration.
12. Guide users through analysis tasks or stories.
(Heer & Shneiderman 2012)
Intelligent Information Systems Laboratory (IISLab)
Yhteenvetoa
● 
● 
● 
● 
Taksonomia kattaa visuaalisen analyysin kannalta keskeiset
toiminnallisuudet. à Keskustelujen pohjaksi.
Tukee visuaalisen analyysiprosessin vaiheiden hahmottamisessa.
Tarkistuslista kehitettäessä visuaalisen analyysin työkalujen toimintojen ja
ominaisuuksien kehittämisessä.
Nostaa esiin kiinnostavia tutkimus- ja kehittämiskohteita esim.
● 
Tilastollisten laskentamenetelmien/algoritmien integroiminen osaksi
analyysiprosessia.
● 
Kehittyneempien ja käytettävämpien vuorovaikutusmenetelmien ja tapojen (multimodaaliset käyttöliittymät) kehittäminen.
● 
Dynaamisten kyselyvimpainten (dynamic query widgets) kehittäminen.
● 
Visuaalisen analyysin työkalujen kehittäminen mobiilaitteille.
● 
Guided analytics -työprosessien (workflow) mallintaminen
Intelligent Information Systems Laboratory (IISLab)
Lähteet
● 
● 
● 
Gershon, N., Eick, S.G. & Card, S. 1998. Information visualization.
Interaction, 5(2), 5 – 15. http://dx.doi.org/10.1145/274430.274432
Heer, J. & Shneiderman, B. 2012. Interactive dynamics for visual
analysis. Communications of the ACM, 55(4), 45 – 54. DOI:
http://dx.doi.org/10.1145/2133806.2133821
Voigt, R. 2002. An Extended Scatterplot Matrix and Case Studies in
Information Visualization, Master's thesis, Hochschule MagdeburgStendal.http://old.vrvis.at/via/resources/DA-RVoigt/DA.pdf
Intelligent Information Systems Laboratory (IISLab)