Visualisation d'informations
La visualisation d'informations est l'utilisation de représentations visuelles interactives de données abstraites pour amplifier la compréhension humaine, aidant les individus à explorer, analyser et communiquer des informations.
Definition
La visualisation d'informations est la conception de représentations visuelles interactives de données abstraites, choisies et agencées pour exploiter la perception visuelle humaine afin que les modèles, les relations et les valeurs aberrantes puissent être identifiés et analysés.
Scope
Ce domaine couvre la représentation visuelle de données abstraites et non spatiales dans le cadre de l'interaction homme-machine : comment les données sont cartographiées en marques et canaux visuels, comment la perception régit l'efficacité des représentations, les techniques d'interaction qui rendent les visualisations explorables, la visualisation de graphes et de réseaux, et l'intégration de la visualisation avec l'analyse dans l'analytique visuelle. Il ne couvre pas la visualisation scientifique de données physiques intrinsèquement spatiales, ni les méthodes statistiques d'analyse de données elles-mêmes, qui relèvent des statistiques.
Sub-topics
Core questions
- Comment les données abstraites sont-elles cartographiées en marques et canaux visuels ?
- Pourquoi certains encodages visuels transmettent-ils l'information plus efficacement que d'autres ?
- Comment les techniques d'interaction soutiennent-elles l'exploration de grands ensembles de données ?
- Comment la visualisation se combine-t-elle au calcul pour soutenir l'analyse ?
Key concepts
- encodage visuel (marques et canaux)
- efficacité perceptive
- aperçu, zoom, filtre, détails à la demande
- interaction en visualisation
- visualisation de graphes et de réseaux
- analytique visuelle
- ratio données-encre
- analyse exploratoire des données
Key theories
- Utiliser la vision pour penser
- La visualisation d'informations externalise les données sous forme visuelle afin que le système visuel humain à large bande passante puisse détecter des modèles et décharger la cognition, transformant la perception en un outil de raisonnement sur des informations abstraites.
- Le mantra de la recherche d'informations visuelles
- Le principe de Shneiderman, aperçu d'abord, zoom et filtre, puis détails à la demande, organise la manière dont les visualisations interactives permettent aux utilisateurs de naviguer d'une vue d'ensemble à un détail spécifique, structuré par une taxonomie tâche-par-type de données.
- Efficacité des encodages visuels
- Les choix d'encodage visuel peuvent être classés en fonction de la précision avec laquelle les individus les lisent, et une conception basée sur des principes, telle que la maximisation des données affichées par rapport à l'encre, produit des affichages plus clairs et plus fidèles.
Clinical relevance
La visualisation d'informations aide les individus à donner un sens à des données vastes et complexes dans des domaines allant de la science et de la finance à la santé publique et au journalisme ; des visualisations bien conçues favorisent une compréhension et une prise de décision plus rapides et plus précises, tandis que des visualisations de mauvaise qualité peuvent induire en erreur.
History
S'appuyant sur les graphiques statistiques et la cartographie, la visualisation d'informations est apparue comme un domaine distinct dans les années 1990, consolidée par la collection Readings de 1999 et la taxonomie des tâches de Shneiderman. Les écrits de Tufte ont façonné les principes de l'excellence graphique, et des textes ultérieurs tels que ceux de Munzner ont systématisé la conception, tandis que l'analytique visuelle (visual analytics) est apparue dans les années 2000 pour coupler la visualisation à l'analyse automatisée.
Key figures
- Stuart K. Card
- Jock D. Mackinlay
- Ben Shneiderman
- Tamara Munzner
- Edward R. Tufte
Related topics
Seminal works
- card1999
- shneiderman1996
- tufte2001
Frequently asked questions
- En quoi la visualisation d'informations diffère-t-elle de la visualisation scientifique ?
- La visualisation d'informations traite de données abstraites qui n'ont pas de forme spatiale inhérente, comme les registres financiers ou les réseaux sociaux ; le concepteur doit donc inventer une cartographie spatiale. La visualisation scientifique représente des données déjà spatiales ou physiques, telles que des scanners médicaux ou des flux de fluides, où la géométrie est en grande partie donnée.
- Pourquoi le choix du type de graphique est-il si important ?
- Différents encodages visuels sont lus avec une précision variable par le système visuel humain ; la position et la longueur sont jugées avec précision, tandis que la surface et la couleur le sont moins. Choisir un encodage adapté aux données et à la tâche facilite la détection des modèles et réduit le risque de mauvaise interprétation.