Визуализация информации

Визуализация информации — это использование интерактивных визуальных представлений абстрактных данных для усиления человеческого понимания, помогающее людям исследовать, анализировать и передавать информацию.

Definition

Визуализация информации — это разработка интерактивных визуальных представлений абстрактных данных, выбранных и расположенных таким образом, чтобы использовать человеческое зрительное восприятие для выявления закономерностей, взаимосвязей и выбросов, а также для рассуждений о них.

Scope

Эта область охватывает визуальное представление абстрактных, непространственных данных во взаимодействии человека с компьютером: как данные отображаются на визуальные метки и каналы, как восприятие определяет эффективность, методы взаимодействия, которые делают визуализации доступными для исследования, визуализацию графов и сетей, а также интеграцию визуализации с анализом в визуальной аналитике. Она не охватывает научную визуализацию изначально пространственных физических данных, а также сами статистические методы анализа данных, которые относятся к статистике.

Sub-topics

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

Core questions

• Как абстрактные данные отображаются на визуальные метки и каналы?
• Почему некоторые визуальные кодировки передают информацию более эффективно, чем другие?
• Как методы взаимодействия поддерживают исследование больших наборов данных?
• Как визуализация сочетается с вычислениями для поддержки анализа?

Key concepts

• визуальное кодирование (метки и каналы)
• перцептивная эффективность
• обзор, масштабирование, фильтрация, детали по запросу
• взаимодействие в визуализации
• визуализация графов и сетей
• визуальная аналитика
• соотношение данных и чернил (data-ink ratio)
• исследовательский анализ данных

Key theories

Использование зрения для мышления

Визуализация информации переводит данные во внешнюю визуальную форму, чтобы высокопроизводительная зрительная система человека могла обнаруживать закономерности и разгружать когнитивные процессы, превращая восприятие в инструмент для рассуждений об абстрактной информации.

Мантра визуального поиска информации

Принцип Шнейдермана — сначала обзор, затем масштабирование и фильтрация, а затем детали по запросу — организует то, как интерактивные визуализации позволяют пользователям переходить от общего представления к конкретным деталям, структурированным таксономией задач по типу данных.

Эффективность визуальных кодировок

Выбор визуальных кодировок может быть ранжирован по тому, насколько точно люди их считывают, а принципиальный дизайн, такой как максимизация отображаемых данных относительно чернил, создает более четкие и правдивые представления.

Clinical relevance

Визуализация информации помогает людям осмысливать большие и сложные данные в различных областях, от науки и финансов до общественного здравоохранения и журналистики; хорошо разработанные визуализации способствуют более быстрому и точному пониманию и принятию решений, в то время как плохо разработанные могут вводить в заблуждение.

History

Опираясь на статистическую графику и картографию, визуализация информации выделилась в самостоятельную область в 1990-х годах, что было закреплено сборником Readings 1999 года и таксономией задач Шнейдермана. Работы Тафти сформировали принципы графического превосходства, а более поздние тексты, такие как работы Мунцнер, систематизировали дизайн, в то время как визуальная аналитика возникла в 2000-х годах для объединения визуализации с автоматизированным анализом.

Key figures

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

Seminal works

• card1999
• shneiderman1996
• tufte2001

Frequently asked questions

Чем визуализация информации отличается от научной визуализации?

Визуализация информации имеет дело с абстрактными данными, которые не имеют присущей им пространственной формы, такими как финансовые записи или социальные сети, поэтому дизайнер должен изобрести пространственное отображение. Научная визуализация изображает данные, которые уже являются пространственными или физическими, такие как медицинские сканирования или потоки жидкости, где геометрия в значительной степени задана.

Почему выбор типа диаграммы так важен?

Различные визуальные кодировки считываются человеческой зрительной системой с разной точностью; положение и длина оцениваются точно, в то время как площадь и цвет — менее точно. Выбор кодировки, соответствующей данным и задаче, облегчает выявление закономерностей и снижает риск неправильного толкования.