信息可視化
(2011-07-23 13:08:18)可視化分析論
可視化分析論是信息可視化與科學可視化領域發展的產物,側重於藉助於交互式用戶界面而進行的分析推理[2]。
參考資料
- ^ Pacific Northwest National Laboratory (PNNL) Cognitive Informatics research and development in human information interaction. Retrieved 1 July 2008.
- ^ Pak Chung Wong and J. Thomas (2004). "Visual Analytics". in: IEEE Computer Graphics and Applications, Volume 24, Issue 5, Sept.-Oct. 2004 Page(s): 20 - 21.
地圖可視化
信息可視化
信息可視化(英文:Information visualization)是一個跨學科領域,旨在研究大規模非數值型信息資源的視覺呈現,如軟件系統之中衆多的文件或者一行行的程序代碼[2],以及利用圖形圖像方面的技術與方法,幫助人們理解和分析數據[3]。與科學可視化相比,信息可視化則側重於抽象數據集,如非結構化文本或者高維空間當中的點(這些點並不具有固有的二維或三維幾何結構)[4][5]。
|
概述
可以認爲,信息可視化這條術語囊括了數據可視化、信息圖形、知識可視化、科學可視化以及視覺設計方面的所有發展與進步。在這種層次上,如果加以充分適當的組織整理,任何事物都是一類信息:表格、圖形、地圖,甚至包括文本在內,無論其是靜態的還是動態的,都將爲我們提供某種方式或手段,從而讓我們能夠洞察其中的究竟,找出問題的答案,發現形形色色的關係,或許還能讓我們理解在其他形式的情況下不易發覺的事情。不過,如今在科學技術研究領域,信息可視化這條術語則一般適用於大規模非數字型信息資源的可視化表達[6]。
信息可視化致力於創建那些以直觀方式傳達抽象信息的手段和方法。可視化的表達形式與交互技術則是利用人類眼睛通往心靈深處的廣闊帶寬優勢,使得用戶能夠目睹、探索以至立即理解大量的信息[7]。
一些例子
各種各樣數據結構的可視化需要新的用戶界面以及可視化技術方法。現在,這已經發展成爲了一門獨立的學科,也就是“信息可視化”[8]。信息可視化與經典的科學可視化是兩個彼此相關的領域,但二者卻有所不同。在信息可視化當中,所要可視化的數據並不是某些數學模型的結果或者是大型數據集,而是具有自身內在固有結構的抽象數據。此類數據的例子包括[8]:
信息可視化領域的另一項特點就是,所要採用的那些工具有意側重於廣泛可及的環境,如普通工作站、WWW、PC機等等。這些信息可視化工具並不是爲價格昂貴的專業化高端計算設備而定製的[8]。
信息可視化與可視化分析在目標和技術之間存在着部分重疊。雖然在這兩個領域之間還沒有一個清晰的邊界,但大致有三個方面可以作以區分。科技可視化主要處理具有地理結構的數據,信息可視化主要處理像樹、圖形等抽象式的數據結構,可視化分析則主要挖掘數據背景的問題與原因。
與可視化分析論之間的聯繫
就目標和技術方法而言,信息可視化與可視化分析論之間存在着一些重疊。當前,關於科學可視化、信息可視化及可視化分析論之間的邊界問題,還沒有達成明確清晰的共識。不過,大體上來說,這三個領域之間存在着如下區別:
人類的認知能力
可視化分析論在試圖把信息可視化方面的技術方法與有關數據計算轉換與和分析方面的技術方法結合起來。目前,信息可視化本身已經成爲用戶與計算機之間的直接界面的組成部分。通過如下六種方式,信息可視化放大了人類的認知能力[9][10]:
- 增加認知資源:如利用某種可視資源來提高人類的工作記憶能力;
- 減少搜索:如利用較少的空間表達大量的數據;
- 加強對於各種模式的識別:比如,當按照信息自身的時間關係,在空間當中對信息加以組織的時候;
- 易化對於各種關係的知覺推理:否則,歸納起來會更加困難;
- 對大量的潛在事件加以知覺監控;
- 提高一種便於操作的,不同於靜態圖的媒介,從而成就對於參數取值空間的探索。
信息可視化的這些能力,在與計算型數據分析相結合的情況下,可以應用於分析推理過程,從而爲意會過程提供支持[9]。
歷史
自十八世紀後期數據圖形學誕生以來,抽象信息的視覺表達手段一直被人們用來揭示數據及其他隱匿模式的奧祕。二十世紀90年代期間新近問世的圖形化界面,則使得人們能夠直接與可視化的信息之間進行交互,從而造就和帶動了十多年來的信息可視化研究。信息可視化試圖通過利用人類的視覺能力,來搞清抽象信息的意思,從而加強人類的認知活動。籍此,具有固定知覺能力的人類就能駕馭日益增多的數據[11]。信息可視化的英文術語“information visualization”是由斯圖爾特·卡德(英語:Stuart K. Card)、約克·麥金利(英語:Jock D. Mackinlay)和喬治·羅伯遜(英語:George G. Robertson)於1989年創造出來的[12]。據斯圖爾特·卡德(英語:Stuart K. Card)1999年的報告稱,二十世紀90年代以來才興起的信息可視化領域,實際上源自其他幾個領域:
- 信息圖形領域的工作可以追溯到十八世紀末期威廉·普萊費爾(英語:William Playfair)的時代。威廉·普萊費爾乃是最早採用線和麪之類抽象的視覺資源來可視化地表達數據的人之一[13]。自從經典的繪圖方法建立以來,1967年,雅克·貝爾坦(英語:Jacques Bertin)率先發表了圖形學理論。該理論確定了構成圖形的基本要素,並且描述了一種關於圖形設計的框架。1983年,愛德華·塔夫特(英語:Edward Tufte)發表了關於數據圖形學的理論,強調有用信息密度的最大化問題[13]。後來,貝爾坦和塔夫特的這些理論在形形色色的領域當中變得聞名遐邇,且富於影響力,從而使得信息可視化發展成爲了一門學科[14]。
- 在統計學領域當中,1977年,美國著名統計學家約翰·圖基(英語:John Tukey)基於自己在“探索性數據分析(Exploring Data Analysis)”方面的工作,發起了一項影響整個數據圖形學領域的運動。這項工作的重點並不是圖形的質量,而是在於從統計學上利用圖片來迅速實現對於數據的深入洞察。例如,在統計分析過程中,箱形圖可使我們立即看到反映特定分佈的,最爲重要的四個數值。威廉·克利夫蘭在其1988的著作《Dynamic Graphics for Statistics》(意爲“統計學動態製圖法”)之中詳細闡述了這方面新的數據可視化手段。這裏,一個特殊的問題就是,如何對具有許多變量的數據集加以可視化;對此,可參閱比如英色伯格1999年的平行座標法[14]。
- 1986年,美國國家科學基金會基於布魯斯·麥考梅克(英語:Bruce H. McCormick)的工作成果,在科學可視化方面新發起了一項具有重要意義的首倡計劃。1990年舉辦了首屆IEEE可視化大會(Visualization Conference);此次會議初次組建起了一個由地球資源科學家、物理學家以及超級計算方面的計算機科學家組成的學術羣體[14]。
- 在人工智能領域,曾經有人關注過數據可視化呈現形式的自動化設計,而約克·麥金利(英語:Jock D. Mackinlay)的學位論文對此發揮了促進作用[15]。麥金利的這篇論文確定了貝爾坦的設計理論,並且添加了精神物理學數據以及採用了產生式的呈現方法[14]。
2003年,本·什內德曼(英語:Ben Shneiderman)指出,該領域已經由研究領域之中從稍微不同的方向上嶄露出頭角[16]。同時,他還提到了圖形學、視覺設計、計算機科學以及人機交互,以及新近出現的心理學和商業方法。
信息可視化方面的主題
可視化爲人們提供了深入洞察數據之結構的手段。目前,存在着諸如協同圖(coplots)、多通道點圖(multiway dot plots)以及等計數算法(equal count algorithm)之類的圖形工具。同時,還有諸如LOESS(局部加權迴歸散點修勻法)和雙平方(Bisquare)之類用於依據數據擬合方程、非參數曲線以及非參數曲面的擬合工具[18]。
具體的技術與方法
- 分支圖(系統發育)
- 色彩字母表(英語:Color alphabet)
- 樹狀圖(英語:Dendrogram)(分類)
- 信息可視化參考模型(英語:Information visualization reference model)
- 圖形繪製(英語:Graph drawing)
- 暈輪法(英語:Halo (visualization technique))
- 雙曲樹(英語:HyperbolicTree)
- 多維尺度分析(英語:Multidimensional scaling)
- 問題求解環境(英語:Problem Solving Environment)
- 矩形式樹狀結構繪圖法
軟件和工具箱
- Prefuse
- Prefuse[11]是一個基於Java的工具箱,用於構建交互式信息可視化應用程序。其支持豐富的一套功能特性,涉及數據建模、可視化以及交互。針對表、圖形、樹狀結構以及一系列佈局和視覺編碼技術,Prefuse對相應的數據結構進行了優化;並且,同時它還支持動畫、動態查詢、一體化搜索以及數據庫連接。
信息可視化的應用
信息可視化日益成爲不同領域方向的關鍵要素[16]:
另見:
- 美國陸軍的未來指揮所系統
- Informedia數字圖書館(Informedia Digital Library)
- 信息圖形
- Starlight信息可視化系統(Starlight Information Visualization System)
信息可視化專家
- 斯圖爾特·卡德
- 斯圖爾特·卡德(英語:Stuart K. Card)是一位美國研究人員。他是Xerox PARC的一位高級研究員,而且還是率先在人機交互方面運用人員因素的開拓者之一。在1983年他與托馬斯·莫蘭(英語:Thomas P. Moran)和艾倫·紐威爾(英語:]])合著的,名爲《The Psychology of Human-Computer Interaction》(意爲“人機交互心理學”)一書當中,部分地介紹了目標、操作符、方法及選擇規則(Goals, Operators, Methods, and Selection rules,GOMS)框架;該著作後來成爲這一領域當中極富影響力的一部書籍。當前,他的研究領域是建立和發展有關人-信息交互(human–information interaction)和可視化語義原型(visual-semantic prototypes)方面的支持性學科,從而爲意會提供幫助[19]。
- 喬治·福納斯
- 喬治·福納斯(英語:George Furnas)是美國密歇根大學信息學院的一名教授和學術戰略副院長。同時,福納斯還就職於貝爾實驗室;正是在這裏從事魚眼可視化工作的時候,他獲得了“魚眼福納斯”(Fisheye Furnas)的綽號。他是潛在語義分析(Latent semantic analysis)方面的一位開拓者。另外,福納斯教授還是反應性自適應系統嵌合體(Mosaic of Responsive Adaptive Systems,MoRAS)概念方面的一位開拓者。
- 詹姆斯·霍蘭
- 目前,詹姆斯·霍蘭(英語:James D. Hollan)擔負着美國聖地亞哥加利福尼亞大學分佈式認知與人機交互實驗室(Distributed Cognition and Human-Computer Interaction Laboratory)的領導工作。他的研究工作旨在探索基於計算機的介質的認知結果。其目標是理解那些作爲有效系統設計之基礎的,動態交互式表達形式在認知與計算方面的特性。他當前的工作重點包括認知人種學(cognitive ethnography)、計算機介導的通訊、分佈式認知、人機交互、信息可視化、跨尺度軟件(multiscale software)以及視頻數據分析工具。
- 更多相關的科學家
- 斯科特·邁爾斯(英語:Scott Meyers)
- 喬治·羅伯遜(英語:George G. Robertson)
- 皮埃爾·羅先斯戴(英語:Pierre Rosenstiehl)
- 本·什內德曼(英語:Ben Shneiderman)
信息可視化組織機構
- 組織機構