图数据（或网络结构数据）是一种常见的由顶点和边组成的数据类型，例如人与人的社交网络，计算机网络架构。对于网络数据的可视化通常有矩阵（matrix）和点边图(node-link graph)两种形式。本文[1]专注分析无向图数据的矩阵可视化。包括分析两种矩阵的表现形式：方形矩阵(square matrix)和三角矩阵(triangular matrix)，以及基于三角矩阵的三种并列排布方式：并排(side-by-side)，背靠背(back-to-back)，互补拼接(complementary) 对用户的影响。并且基于分析的结论提出了用于时变（time-varying），多属性（multi-faceted），带权重（weighted）的无向图数据的可视化设计—— TileMatrix。 继续阅读 »
想象你是一个大型公司的人力资源部经理，你需要从几千名职员中挑选一群人组成一个项目团队。除了相互熟悉以外，他们也必须具备特定的能力。当有人退出时，你还需要快速地找到替代者，以保证团队的运营。在数据挖掘领域，类似的任务又被称作分组挖掘（Group Mining）。而事实上，每个职员都具备不同的能力，他们之间又有错综复杂的社会关系。你所面对的，其实是一张大规模的多变量图（Large-scale Multivariate Graph）。如何帮助用户在这种图上快速地进行分组数据挖掘，就是g-Miner这一工具 [1] 所要解决的问题。
这是一篇简短而有趣的文章，作者是来自AutoDesk Research的Justin Matejka，Fraser Anderson和George Fitzmaurice，发表于CHI 2015 [1]。文章试图解决一个常见而棘手的问题：当散点图的数据量过大时，数据的重叠会引起严重的视觉遮挡，影响用户对数据结构和分布的理解。比如图一这种情况，我们已经很难从散点图上看出数据分布的特征。
解决这种视觉拥挤或者说过度渲染的方法主要有以下几种方法：降低数据规模，减小数据点尺寸，改变数据点形状，移除填充色，使用半透明色。使用半透明色是实践中最主要和有效的手段，但透明的选择需要用户的经验进行反复调节，当有很多散点图并行展示时（比如散点图矩阵），用户设置就会显得单调而低效。因此作者希望通过搜集一系列的用户设置数据，寻找一个简单的模型来描述数据特征和渲染透明度的关系，进而能够自动调整散点图的渲染透明度。
继续阅读 »
随着大数据时代的来临，可视化技术的运用越来越广泛。媒体人、政治家纷纷利用可视化图片表述自己的观点，以赢得大众的支持。尽管这些可视化图片可以直观的传达大量信息，但他们同时也会扭曲信息，误导大众。许多时候这种误导的故意的：可视化图片的制作者会故意通过扭曲可视化结果来增强其效果。也有时候，这种误导是无意的：制作者可能对可视化技术并不熟悉而错误的使用了某些技术。在CHI2015会议上，来自美国纽约大学（NYU）的几名研究者报道了他们在这方面进行的实证研究工作[1]。他们将这类误导性的可视化成为欺骗性可视化（Deceptive Visualization）。从图1中的一些典型的案例出发，它们对相关的技术进行了分类，并通过实验研究了其中一些技术对人理解图片含义造成的影响。此外，他们还研究了不同类型的人对欺骗性可视化的反应。
这篇工作来自于2014年CHI会议，由法国INRIA实验室与美国哈佛大学联合完成。
本文针对的数据是足球联赛的排行榜数据。图1展示的就是某足球联赛中一轮比赛结束后的排行榜情况，其中主要包含各个足球队队伍信息（队名，队徽），积分、胜负平场数、进球失球数等数据，以及根据积分的排名和排名变化情况。而在足球联赛中，通常会有若干轮比赛，这样就能得到数张类似的排行榜。从一系列的排行榜的演变中，读者能够获取到各支队伍的积分变化情况、排名变化情况等等。具体到这篇工作所使用的数据，该联赛有20支队伍，共进行38轮比赛，每支队伍含有10项属性信息。同时，排行榜的读者可以针对其中某一个属性定义一个排序函数，并应用于各个轮次的排行榜数据上，用于理解数据。
事件序列数据是我们生活中很常见的一类数据。它由一系列带有时间戳的事件组成，往往与人们的活动息息相关，因此对这类数据的分析也成为了许多领域的研究热点。这里面一个重要的分析任务就是不同时间段和不同人群之间的比较。例如，网站日志记录了用户访问网页并在不同网页之间跳转的过程，作为网站分析人员，他们可能想知道有多少用户访问了一个特定的网页，用户在他们网站的停留时间以及主要的访问路径。尽管现在也有一些诸如辛基图(Sankey Diagram)等针对这类数据的可视化技术，但是涉及到视觉比较方面的工作却非常少。因此这篇文章就提出了一种可视化的设计，MatrixWave[1]，不仅可以对大而密集的单一事件序列数据进行可视化呈现，还可用于两个相关事件序列数据的比较分析。
发展心理学专家在研究儿童的社会和交流行为时，通常关注于他们在相近时间上的行为表现，例如婴儿对自己名字的反应。心理学家希望通过这些行为的分析来来提前发现儿童的自闭症、发育障碍等问题。
继续阅读 »
近期评论