החזיית מידע
הַחְזָיַת מידע (באנגלית: Information Visualization) מתמקדת בייצוג מידע מופשט באופן ויזואלי כדי לשפר את עיבוד המידע האנושי של המשתמש בו.
מבחינים בין:
- החזיית מידע לניתוח מידע כמותי כשהמשתמש חותר לתובנות העשויות לעלות מהניתוח.
- החזיית מידע להצגה כשמשתמש מבקש לתקשר מסר מסוים העולה מהמידע.
המחקר בהחזיית מידע ויישומו מתרכז בהצגה גרפית ממוחשבת של מידע. התחום מתפתח במהירות בעיקר בגלל הצורך בניתוח והצגת נתונים מרובים בעידן ה-Big data ובמקביל, לאור ההתפתחויות בכלים ממוחשבים לניתוח נתונים והצגת התוצאות בצורה גרפית המובנת למשתמש.
החזיית מידע מובחנת מוויזואליזציה מדעית[1].
רקע והיסטוריה
התחום של החזיית מידע התפתח ממגוון של תחומי מחקר כגון מדעי המחשב, אינטראקציית אדם מחשב, גרפיקה, עיצוב חזותי, מדעים התנהגותיים ובמיוחד פסיכולוגיה, סטטיסטיקה ומדעי הניהול. ההשלכות המעשיות של החזיית מידע ניכרות לא רק במחקר מדעי אלא גם בטכניקות המיושמות בספריות דיגיטליות, כריית נתונים, קבלת החלטות, חקר שווקים, ניהול התפעול ומחקר ופיתוח רפואי[2].
עיקר הפיתוח והשימוש כיום הוא בהחזיית מידע אינטראקטיבית (Interactive information Visualization) אשר משלבת את האפשרות לעבודה הידודית בין המשתמש למערכת הממוחשבת בניתוח והצגת נתוני עתק (Big Data) בצורה מיטבית. הפן האינטראקטיבי שימושי במיוחד בהחזיית מידע לניתוח נתונים אשר דורשת לעיתים תהליך ממושך של ניסוי וטעיה על מנת למצוא פתרון.
הבסיס הפסיכולוגי של החזיית נותנים נשען על ההבנה ביכולת התפיסתית הרחבה של עין האדם כדי לקלוט מידע רב במבט אחד וביכולות הקוגניטיבית לבחון ולהסיק תובנות ממידע שמוצג באופן אינטואיטיבי[3].
שיטות ספציפיות להצגת מידע
טכניקות של החזיית מידע כוללות תרשימים להצגת נתונים כמותיים המאורגנים לפי ממדים מופשטים כמו גיל או מגדר ותרשימים אחרים כמו מפות וקרטוגרמות (Cartogram) הממפות נתונים ממרחב מסוים. מטבע הדברים, תחומי מחקר שונים פיתחו מפות שונות (כמו מפות גאוגרפיות) לייצוג מרחבים שונים אשר מאפשרות ניתוח נתונים ייעודי ולכן פירוט הטכניקות הללו מצוי בתחום הרלוונטי. תרשימים כלליים להצגת נתונים כמותיים כוללים דיאגרמת עמודות, תרשים פיזור (Scatter diagram), תרשים משטחים (Surface plot), תרשים עץ (Tree map), דיאגרמת עוגה, תרשים פארטו, תרשים Q-Q ועוד. חלק מהתרשימים הללו מתבסס על שיטות לניתוח נתונים השאובות מסטטיסטיקה, כריית נתונים, ולמידה ממוחשבת המאופשרות בכלים ממוחשבים תכנה להחזיית מידע.
לאור המגוון של שיטות להצגת מידע מתבקש לדעת באיזו לבחור. אחד הקריטריונים לבחירת השיטה היא סוג הנתונים שאותם יש לייצג, למשל האם הנתונים הם קטגוריים (כמו מגדר) או אינטרווליים (כמו גיל). הטבלה הבאה[4] משקפת תובנות מהפרקטיקה, אם כי הנושא עדיין נחקר.
סוג ההשוואה | הגרף המומלץ |
---|---|
השוואת רכיבים | גרף עוגה, אם מספר הרכיבים קטן או שווה ל 6
גרף עמודות אם יותר מ 6 |
השוואת פריטים | גרף מוטות |
השוואת סדרות עיתיות | גרף עמודות, אם מספר הרכיבים קטן או שווה ל 8
גרף קווי אם יותר מ 8 |
השוואת התפלגויות | גרף עמודות, אם הטווח קטן או שווה ל 8
גרף קווי אם יותר מ 8 |
השוואת מתאמים | גרף פיזור עם חישוב מגמה |
כלים ממוחשבים ושילוב של אדם ומחשב
החזיית מידע נתמכת על ידי כלים ממוחשבים ונחקרת במספר תחומים הקשורים למחשבים. ב-1987 הופיע גיליון מיוחד של "Computer Graphics", שהוקדש לוויזואליזציה ב"מדעי המחשב"[5]. מאז, מתקיימים כנסים וסדנאות בנושא. למשל, כאלה המאורגנים על ידי ה-Institute of Electrical and Electronics Engineers ו-ACM SIGGRAPH. החזיית מידע בהקשר הכללי יותר (לאו דווקא בהקשר המדעי) מניחה בדרך כלל שילוב של אדם ומחשב בתהליך של ניתוח והצגת מידע על מנת לגלות תופעות ותובנות חדשות, לבחון השערות, לפתור בעיות ולקבל החלטות, ולתקשר תוצאות. היא נשענת על שיטות סטטיסטיות ואחרות של ניתוח נתונים והצגתם המיושמות בעזרת כלים ממוחשבים.
בנוסף לשיטות ניתוח ממוחשבות, החזיית המידע נשענת על יכולות של תפיסה ועיבוד מידע אנושי לצורך קליטה והבנה של מידע חזותי ולצורך הסקת תובנות מהמידע ופתרון בעיות. אי לכך, מתבקשת התאמה בין שני המרכיבים, ממוחשב ואנושית ולכן השאיפה להציג מידע קליט, מובן ואינטואיטיבי[3]. לכן, גם האופי הבין-תחומי של החזיית מידע אשר התפתחה מתוך מחקר במדעי המחשב, גרפיקה, סטטיסטיקה, למידה חישובית, עיצוב חזותי, פסיכולוגיה, קבלת החלטות, ואינטראקציה בין אדם למחשב. האופי הבין-תחומי של החזיית מידע מתחזק גם כתוצאה מהיישומים הרבים בתחומים וכרכיב קריטי במחקר מדעי, ספריות דיגיטליות, כריית נתונים, קבלת החלטות עסקיות, וגילוי סמים[2].
תכנות רבות לתמיכה בעבודה כמו גיליון אלקטרוני כללו פונקציות להחזיית מידע כמו למשל התרשימים גרף עמודות, גרף קווי, גרף בועות וכו'. כיום ניתן למצוא תוכנות ייעודיות להחזיית מידע עם מגוון גדול של תרשימים ושיטות לניתוח שמאפשרות ניתוח והצגה של נתונים רבים ומורכבים יותר מבעבר. תוכנות אלו מדריכות את המשתמש לבחור בתרשימים וטכניקות מתאימים לסוג הנתונים וסוג הבעיה שיש לבחון.
תחומים משיקים או חופפים
- הדמיית נתונים (Data visualization) היא אוסף שיטות שמשתמשות בייצוגים חזותיים (גרפים) לצורך ניתוח, הבנה והעברת נתונים כמותיים.
- תקשורת חזותית (באנגלית Visual Communication) ענף של תקשורת המתמקד בתקשורת של מידע ורעיונות באמצעות עזרים חזותיים ובוחן את השפעת התקשורת על הבנה, שכנוע וקשרים.
- אינפוגרפיקה (באנגלית Infographics)
- החזיית מידע אינטראקטיבית (Interactive visualization)
לקריאה נוספת
- Ben Bederson and Ben Shneiderman, (2003).The Craft of Information Visualization: Readings and Reflections. Morgan Kaufmann.
- Stuart K. Card, Jock D. Mackinlay and Ben Shneiderman (1999)Readings in Information Visualization: Using Vision to Think, Morgan Kaufmann Publishers.
- Jeffrey Heer, Stuart K. Card, James Landay (2005)."Prefuse: a toolkit for interactive information visualization". In: ACM Human Factors in Computing Systems CHI 2005.
- Andreas Kerren, John T. Stasko, Jean-Daniel Fekete, and Chris North (2008).Information Visualization - Human-Centered Issues and Perspectives. Volume 4950 of LNCS State-of-the-Art Survey, Springer.
- Riccardo Mazza (2009).Introduction to Information Visualization, Springer.
- Robert Spence, Information Visualization: Design for Interaction (2nd Edition), Prentice Hall, 2007 מסת"ב 0-13-206550-9.
- Colin Ware (2000).Information Visualization: Perception for design. San Francisco, CA: Morgan Kaufmann.
- Kawa Nazemi (2014).Adaptive Semantics Visualization Eurographics Association.
- B.H. McCormick, T.A. Defanti, and M.D. Brown, “Visualization in Scientific Computing,” special issue, Computer Graphics, Vol. 21, No. 6., Nov. 1987.
קישורים חיצוניים
הערות שוליים
- ^ http://www.cs.ubc.ca/labs/imager/tr/2008/pitfalls/
- ^ 2.0 2.1 Benjamin B. Bederson and Ben Shneiderman, The Craft of Information Visualization, Morgan Kaufmann, 2003
- ^ 3.0 3.1 James J. Thomas and Kristin A. Cook (Ed.) (2005). Illuminating the Path: The R&D Agenda for Visual Analytics. National Visualization and Analytics Center. p.30
- ^ Te'eni, Carey and Zang, Human Computer Interaction, Wiley, 2007
- ^ G. Scott Owen (1999). History of Visualization. Accessed Jan 19, 2010.
33596238החזיית מידע