情報可視化

情報可視化とは、抽象的なデータをインタラクティブな視覚表現を用いて人間の理解を増幅させ、人々が情報を探索し、分析し、伝達するのを助けるものです。

Definition

情報可視化とは、人間の視覚知覚を利用してパターン、関係性、外れ値が認識され、推論できるように、抽象的なデータのインタラクティブな視覚表現を設計し、選択・配置することです。

Scope

この分野は、ヒューマンコンピュータインタラクションにおける抽象的で非空間的なデータの視覚的表現を扱います。具体的には、データがどのように視覚的なマークやチャネルにマッピングされるか、知覚がどのように機能するかを支配するか、可視化を探索可能にするインタラクション技術、グラフやネットワークの可視化、そして視覚分析における可視化と分析の統合などが含まれます。本分野は、本質的に空間的な物理データの科学的視覚化や、統計学に属するデータ分析の統計的手法そのものは扱いません。

Sub-topics

• Graph and Network Visualization
• Interaction Techniques for Visualization
• Visual Analytics
• Visual Encoding and Perception

Core questions

• 抽象データはどのように視覚的なマークやチャネルにマッピングされるのでしょうか？
• なぜ一部の視覚的エンコーディングは他のものよりも効果的に情報を伝達するのでしょうか？
• インタラクション技術は大規模なデータセットの探索をどのように支援するのでしょうか？
• 可視化は計算とどのように組み合わされて分析を支援するのでしょうか？

Key concepts

• 視覚的エンコーディング（マークとチャネル）
• 知覚的有効性
• 概要、ズーム、フィルタリング、オンデマンドの詳細
• 可視化におけるインタラクション
• グラフとネットワークの可視化
• 視覚分析
• データインク比
• 探索的データ分析

Key theories

視覚を使って考える

情報可視化はデータを視覚形式に外部化することで、高帯域幅の人間の視覚システムがパターンを検出し、認知負荷を軽減し、知覚を抽象的な情報について推論するためのツールに変えます。

視覚的情報探索の基本原則

Shneidermanの原則である「まず概要、次にズームとフィルタリング、そしてオンデマンドの詳細」は、インタラクティブな可視化がユーザーに広範な視点から特定の詳細へとナビゲートさせる方法を整理し、タスクとデータタイプによる分類によって構造化されています。

視覚的エンコーディングの有効性

視覚的エンコーディングの選択は、人々がそれらをどれだけ正確に読み取るかによってランク付けされることがあり、データインク比を最大化するなどの原則に基づいた設計は、より明確で真実性の高い表示を生み出します。

Clinical relevance

情報可視化は、科学や金融から公衆衛生やジャーナリズムに至るまで、さまざまな分野における大規模で複雑なデータを人々が理解するのに役立ちます。適切に設計された可視化は、より迅速で正確な洞察と意思決定を支援しますが、不適切なものは誤解を招く可能性があります。

History

統計グラフィックスと地図作成を基盤として、情報可視化は1990年代に独立した分野として台頭し、1999年のReadingsコレクションとShneidermanのタスク分類によって確立されました。Tufteの著作はグラフィックの卓越性の原則を形成し、Munznerなどの後のテキストは設計を体系化しました。一方、視覚分析は2000年代に可視化と自動分析を結合するために登場しました。

Key figures

• Stuart K. Card
• Jock D. Mackinlay
• Ben Shneiderman
• Tamara Munzner
• Edward R. Tufte

Seminal works

• card1999
• shneiderman1996
• tufte2001

Frequently asked questions

情報可視化は科学的視覚化とどう違うのですか？

情報可視化は、金融記録やソーシャルネットワークなど、固有の空間形式を持たない抽象的なデータを扱います。そのため、設計者は空間マッピングを考案する必要があります。科学的視覚化は、医療スキャンや流体の流れなど、すでに空間的または物理的なデータを描写するもので、その幾何学的形状は大部分が与えられています。

なぜチャートタイプの選択がそれほど重要なのでしょうか？

異なる視覚的エンコーディングは、人間の視覚システムによって異なる精度で読み取られます。位置と長さは正確に判断されますが、面積と色はそれほどではありません。データとタスクに合ったエンコーディングを選択することで、パターンをより見つけやすくなり、誤読のリスクが軽減されます。