信息可視化

(2011-07-23 13:08:18)

標籤：

校園

分類：工作篇

可視化分析論

規模可伸縮型推理系統：用於支持知識傳輸和合作探索的技術必須要讓其用戶能夠有效地解釋協作者們所建立的知識結構^[1]。

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

地圖可視化是現代地圖學的一個核心內容。它將數據或者數據分析的結果形象化地表現在數字地圖上，幫助使用者理解數據的規律和趨勢。地圖可視化是數據可視化的一個分支。

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

旨在反映英國基層醫療基金（英語：Primary_Care_Trust）病人等候時間變化的矩形式樹狀結構圖。該圖由Incito有限公司（Incito Ltd）按創作共用方式發佈。

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

Google周圍的網絡

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]：

編譯器等各種程序的內部數據結構，或者大規模並行程序的蹤跡信息；
WWW 網站內容；
操作系統文件空間；
從各種數據庫查詢引擎那裏所返回的數據，如數字圖書館。

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

Linux發行版本家族樹

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：

科學可視化處理的是那些具有天然幾何結構的數據（比如，MRI數據、氣流）。
信息可視化處理的是抽象數據結構，如樹狀結構或圖形。
可視化分析論尤其關注的是意會和推理^[9]。

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

正態分佈N(0,1σ²)的箱形圖和概率密度函數圖

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]。

最後，用戶界面領域終於迎來了圖形學硬件方面爲新一代用戶界面帶來可能的各種進展^[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。