2021年北京大学可视化发展前沿研究生暑期学校 – Day 1

2021年7月14日,第十二届北京大学可视化发展前沿研究生暑期学校开幕式在北京大学理科教学楼317举行。由于疫情的影响,今年的暑期学校采用线上线下融合的授课方式,向大家展现可视化的魅力。来自北京大学和其他国内高校、研究院所逾300名学员参加本次开幕式。

作为暑期学校的发起人,北京大学信息科学技术学院研究员、机器感知与智能教育部重点实验室副主任、大数据分析与应用国家工程实验室常务副主任、中国图象图形学学会理事、可视化与可视分析专业委员会主任袁晓如老师,首先满怀激情地回顾了暑期学校的发展历程。北京大学可视化暑期学校自2009年首次举办至今,已成功举办十一期,为可视化社区培养了大量杰出的人才,他们中的很多人已经成为国内学术界和工业界的中坚力量。

在致辞结束后,袁晓如老师向大家介绍了可视化的基础知识,包括可视化的出现和发展历程、 视觉通道的有效性,并结合若干典型案例诠释什么是好的可视化。在“美国供应链脆弱性的报告”中,一张基于元素周期表的可视化图表,直观地展示出中国过去30年各种资源产出占世界份额的变化,虽然形式简单却令人印象深刻,是数据可视化学习的优秀案例。

北京大学可视化与可视分析实验室开发的针对川普推文的可视分析系统,基于Trump Twitter的公开数据集,通过热度等高线图(Contour Map)进行可视化,支持对用户感兴趣的时间段和实体(关键词、提示用户、转推用户、事件标签)进行交互分析,剖析川普在社交媒体中独特的行为模式。 详情见
https://mp.weixin.qq.com/s/2-czOTDq-YfJYdhoh8CwYQ

北京大学暑期学校报名分布可视化通过地图的信息编码、地区来源和单位来源统计柱状图的交互排名,展示了本期学员的地域、注册类型、单位类型分布。袁晓如老师介绍,可视化需要解答用户提出的疑问,并通过交互探索为用户呈现更多细节。

在VAST Challenge 2017 中,鸟类学家通过交通监测站和车辆记录对保护区红冠蓝鹊减少的原因展开调查。袁晓如老师通过优秀案例介绍了数据转换、降维投影、细节展示和对比等方法,最终一步步发现问题谜底的可视化流程。

晚上7点,来自雪城大学的徐瑞鸽教授为我们带来了数据可视化中的可视化设计基础的课程。她站在艺术领域学者的角度,介绍概念驱动的可视化设计。概念驱动的流程是从最初的想法出发,寻找合适的数据集和确定可视化形式,最终增强结果的美观效果。

首先是数据可视化基础。这部分主要介绍两个有趣的练习。数字绘制练习,揭示了我们在进行可视化设计时倾向于采用已有的经验和方法,这称为Design Fixation。数据自画像练习让我们根据出生、外向/内向、喜狗/猫等情况绘制属于自己的小图标,指出数据无处不在。练习之后是可视化设计的介绍。在确定数据后,制作数据可视化涉及一系列规则,用于建立数据到可视化的映射关系。规则是定义在视觉通道(比如大小、颜色、形状)上的,需要考虑通道的视觉感知有效性。

然后是数据艺术和可视化设计。数据驱动的艺术中数据有两种类型,一种是作为灵感,另一种是作为素材,最终的目的都是说服观众或者呼吁。在介绍数据艺术前,徐瑞鸽教授按Utilirtarian和Sublime划分四种经典可视化类型,如图所示。

徐瑞鸽教授通过Maverick & Heretics、Coronavirus riskiest activities、Tōhoku Japenese Earthquake Visualization、London pie chart等案例,说明好的可视化形式可能非常简单,但在表达新颖的观点时却非常有效,让用户清晰地理解作者意图,鼓励大家在设计时要open-minded,将信息编码与生活元素紧密联系。

最后,徐瑞鸽教授进一步总结好的可视化应该包括哪些成分。首先需要数据,第二需要故事,第三需要目标,第四需要设计,如图所示。围绕这四个可视化成功的必要条件,徐老师向大家说明逐一说明其含义和重要性,让大家收获满满。

评论关闭。