Visuaalinen analyysi - Käyttäjän sillanma kuva

Visuaalinen analyysiVisualisointien joustavaa ja tehokasta käyttöä tukevattoiminnallisuudetHeer, J. & Shneiderman, B. 2012. Interactive dynamics for visual analysis.Communications of the ACM, 55(4), 45 – 54. DOI: http://dx.doi.org/10.1145/2133806.2133821Hypermedian jatko-opintoseminaari 31.5.2013Anne-Maritta TervakariIntelligent Information Systems Laboratory (IISLab)

Visuaalista analyysia tukevat keskeisetvuorovaikutteiset toiminnallisuudetTaxonomy 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 Manipulation5. 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 sekätarkoituksenmukaisen visualisointitavan (esitysmuodon, glyyfien)valinta• Käyttäjälle esitetään valikoima tarjolla olevista kaaviotyypeistä(chart typology) (vrt. excelin kaaviotyökalut).• Tieteellisen visualisoinnin järjestelmät (scientific visualizationsystems): data-flow graphs - ”sarja” funktioita tai alijärjestelmiä,jotka tuottavat halutunlaisen visualisoinnin (edellyttää useinohjelmointia)• Formaaleihin kieliin (formal grammars) perustuvat lähestymistavat(hyödynnetään usein erilaisissa visualisointijärjestelmissä kutenProtovis), joissa määritellään miten data kuvataan visuaalisesti.• Voidaan yhdistää useita puoliautomaattisia toimintoja → voituottaa 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 visualisoitavastadatasta) → tietyn rajatun datajoukon valintavisualisoitavaksi ja edelleen tarkastelun kohteeksi.• Suora manipulointi (kohteiden tai datajoukkojenvalitseminen ”lassoamalla”).• Erilaisten käyttöliittymäelementtien ja dynaamistenkyselyvimpainten (dynamic query widgets) käyttö datansuodatuksessa.• Yksinkertaisimmillaan radionapit, valintaruudut taivalintalistat.• Erilaiset liukuvalinnat, avainsanahaku,monimutkaisemmat hakutoiminnot jne.Intelligent Information Systems Laboratory (IISLab)

Google Hotel Finder: https://www.google.com/hotelfinderIntelligent Information Systems Laboratory (IISLab)

3. Lajittelu, järjestäminen(Sort items to expose patterns)• Visualisoitavan datan järjestäminen voi tuoda esiinmielenkiintoisia trendejä tai klustereita sekä helpottaa datantulkintaa (esim. järjestäminen käyttäjille tuttujen muuttujienmukaan, kuten kellonaika, viikonpäivä jne.)• Useimmiten: datajoukon järjestäminen yhden tai useammanmuuttujan arvojen mukaan.• Moniulotteisen datan tai verkostodatan lajittelu edellyttäämonimutkaisempia lajittelumenetelmiä, jotta datan”sisältämät” tyypilliset rakenteet ja mallit sekä poikkeavuudetsaadaan näkyviin.Intelligent Information Systems Laboratory (IISLab)

1. 2.3.Victor Hugo: Kurjat. Henkilöidenesiintyminen kirjan samassa kappaleessa (mitäväri sitä useampi esiintyminen).1. Aakkosjärjestys2. 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 käyttötarkoitukseensoveltumattomaksi.• Muuttujien arvojen muuntaminen tai uusien muuttujienmuodostaminen aiempien pohjalta• Esimerkiksi summamuuttujien, keskilukujen taihajontalukujen sekä monimutkaisempien tilastollistenanalysointimenetelmien hyödyntäminen visualisointientuottamisessa.• Esimerkiksi visualisointien yhteydessä käyttäjille käyttäjälleesitettään 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 datajoukkojenvalitseminen/poimiminen esim. lähempää tarkastelua varten.• Yleisimpiä tapoja on hiirellä osoittaminen ja valitseminen sekäryhmittely, ”lassoaminen” tai alueen ”maalaaminen”.• Monimutkaisempien ja ilmaisuvoimaisempien valintojamahdollistaminen.• Esim. sellaisen datajoukon valitseminen, joka täyttää useitaeri (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 liikkumiseneritasoisten näkymien välillä informaatioavaruudessa.• Perussääntö: ”Overview first, zoom and filter, then detailson-demand”.• Toisaalta yleisnäkymän tarjoaminen ensin ei aina oletarkoituksenmukaista: ”Search, show context, expand ondemand.”• Edistyneempiä menetelmiä (focus plus context methods), jotkaauttavat käyttäjää hahmottamaan mitä osaainformaatiosisällöstä 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 ofHuman-Computer Interaction, 2nd Ed.". Aarhus, Denmark: TheInteraction Design Foundation.http://www.interaction-design.org/encyclopedia/bifocal_display.htmlIntelligent Information Systems Laboratory (IISLab)

Cassie Thomas. 2002.Fisheye Strategy.http://www.cs.umd.edu/class/fall2002/cmsc838s/tichi/fisheye.htmlJeffrey Heer, Stuart K. Card. 2004.DOITrees Revisited: Scalable,Space-Constrained Visualization ofHierarchical Data Advanced VisualInterfaces, 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 tarkastelukulmiadataan.• Lisäksi tehokkaampi esitystapa kuin pyrkiä esittämään yhdessävisualisoinnissa 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 erilaisiavisualisointitapoja.Intelligent Information Systems Laboratory (IISLab)

Small multiples. CatherineMulbrandon. Change in homeprices 2001-2008. New York TimesEconomix 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 yhdelläsilmäyksellä• Välilehtiä (tabs)• Trellised views (small multiples)• Mahdollisuus zoomata, panoroida, kiertää visualisointia• Haasteena mobiililaitteille soveltuvien visualisointientoteuttaminen.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-chartIntelligent 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 hypoteesientestaamisessa, rinnakkaisten analysointitehtävientoteuttamisessa, analyysiprosessin arvioinnissa?• Käyttäjän vuorovaikutteiset toiminnot tulisi nauhoittaa/tallentaa lokitietoihin sekä visualisoida, jotta käyttäjäpystyisi hahmottamaan analysointiprosessin vaiheet.• Palaaminen aiempiin aiheisiin (minimissään undo/redo -toiminto).• Metadatan (avainsanojen, arvioiden, kommenttien)lisääminen)Intelligent Information Systems Laboratory (IISLab)

Lähde: Heer & Schneiderman 2012, 52Lähde: TTY-PiiriIntelligent Information Systems Laboratory (IISLab)

10. Annotointi(Annotate pattern to document findings.)• Analyysitulosten ja tulkintojen arkistointia, järjestämistä jajakamista voidaan tukea esim. mahdollistamalla• Muistiinpanojen liittäminen visualisointeihin tai prosessinhistoriatietoihin (annotointi, kommentointi)• Visuaaliset annotoinnit (rajaukset, ympyröinnit, nuoletyms.)• Konstekstuaaliset (tai data-aware) muistiinpanot jaannotoinnitIntelligent 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 jakaminenkäyttäen kirjanmerkkejä (application bookmark) taijaettavaa verkko-osoitetta.• Työtilan jakaminen.• Yhteistyön mahdollistaminen (samanaikainen,eriaikainen).• Analyysitulosten ja visualisointien vieminen jajulkaiseminen esim. verkkosivulla.Intelligent Information Systems Laboratory (IISLab)

a) interaktiivinen visualisointib) annotointityökaluc) kirjanmerkki (tallennettu näkymä)d) kommentointi-ikkunae) näkymään liittyvät kommentitf) jaettava URLLähde. 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 vaiheeltaprosessin läpi) – soveltuu yksinkertaisiin ja lineaarisestieteneviin analyysitehtäviin (vrt. Guided Tour)• Monimutkaisempien prosessien ohjaamisessa voidaanhyödyntää esim. esittämällä tyypillisenanalysointiprosessin eteneminen, mutta sallimallapoikkeamat.• Visuaalinen tarinankerronta (narrative visualization) puolestaanohjaa katsojaa analyysitulosten tarkastelussa ja ymmärryksenmuodostamisessa.Intelligent Information Systems Laboratory (IISLab)

Lähde: Heer & Schneiderman 2012, 52Lähde: TTY-PiiriIntelligent Information Systems Laboratory (IISLab)

Visuaalista analyysia tukevat keskeisetvuorovaikutteiset toiminnallisuudetTaxonomy 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 Manipulation5. 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 keskeisettoiminnallisuudet. à Keskustelujen pohjaksi.Tukee visuaalisen analyysiprosessin vaiheiden hahmottamisessa.Tarkistuslista kehitettäessä visuaalisen analyysin työkalujen toimintojen jaominaisuuksien kehittämisessä.Nostaa esiin kiinnostavia tutkimus- ja kehittämiskohteita esim.● Tilastollisten laskentamenetelmien/algoritmien integroiminen osaksianalyysiprosessia.● Kehittyneempien ja käytettävämpien vuorovaikutusmenetelmien ja -tapojen (multimodaaliset käyttöliittymät) kehittäminen.● Dynaamisten kyselyvimpainten (dynamic query widgets) kehittäminen.● Visuaalisen analyysin työkalujen kehittäminen mobiilaitteille.● Guided analytics -työprosessien (workflow) mallintaminenIntelligent Information Systems Laboratory (IISLab)

Lähteet●●●Gershon, N., Eick, S.G. & Card, S. 1998. Information visualization.Interaction, 5(2), 5 – 15. http://dx.doi.org/10.1145/274430.274432Heer, J. & Shneiderman, B. 2012. Interactive dynamics for visualanalysis. Communications of the ACM, 55(4), 45 – 54. DOI:http://dx.doi.org/10.1145/2133806.2133821Voigt, R. 2002. An Extended Scatterplot Matrix and Case Studies inInformation Visualization, Master's thesis, Hochschule Magdeburg-Stendal.http://old.vrvis.at/via/resources/DA-RVoigt/DA.pdfIntelligent Information Systems Laboratory (IISLab)