1 / 42

Visualisation d’information interactive

Visualisation d’information interactive. Jean-Daniel Fekete & Frédéric Vernier INRIA Futurs/LRI & LIMSI Jean-Daniel.Fekete@inria.fr & Frederic.Vernier@limsi.fr. Visualisation. The eye… the window of the soul, is the principal means by which the central sense can most completely and

keala
Download Presentation

Visualisation d’information interactive

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Visualisation d’informationinteractive Jean-Daniel Fekete & Frédéric Vernier INRIA Futurs/LRI & LIMSI Jean-Daniel.Fekete@inria.fr & Frederic.Vernier@limsi.fr

  2. Visualisation The eye… the window of the soul, is the principal means by which the central sense can most completely and abundantly appreciate the infinite works of nature. Leonardo da Vinci (1452 - 1519)

  3. Visualisationscientifique Cartographie Visualisationd’information • Communauté à part entière • 2000 ans d’histoire Visualisation : 3 domaines • Sous communauté de l’Informatique Graphique • 20 ans d’histoire • Sous communauté de l’Interaction Homme-Machine • 10 ans d’histoire

  4. Informatique • Algorithmes et structures de données • Géométrie • Infographie Design Psychologie Visualisation : 3 disciplines • Nouvelles représentation • Communication • Perception • Cognition • Interaction

  5. Visualisation d’information :Définition • Utilisation de l’informatique graphique interactive pour représenter visuellement de données abstraites afin d’amplifier la cognition

  6. Définition 2 / Objectifs • Représentation graphique compacte et interface utilisateur pour : • manipuler un grand nombre d’items (102 - 106) • éventuellement extraite d’une base de donnée plus grande • Permettant aux utilisateurs de • faire des découvertes • prendre des décisions, ou • trouver des explications • sur • des motifs (tendances, groupes, trous, points isolés) • des groupes d’items • des items individuels • Fouille de données visuelle • Données abstraites, généralement pas de représentation canonique

  7. Centres de recherche principaux • Xerox PARC • 3-D cone trees, perspective wall, spiral calendar • table lens, hyperbolic trees, document lens, butterfly • Univ. of Maryland • dynamic queries, range sliders, starfields, treemaps • zoombars, tight coupling, dynamic pruning, lifelines • IBM Yorktown, AT&T-Lucent Technologies • Georgia Tech, MIT Media Lab • Univ. of Wisconsin, Minnesota, Calif-Berkeley

  8. Web, livres, articles données scientifiques prix, liste de personnes, Cours de la bourse Informations Le problème Humain Données Transfert de données Comment ? Vision: 100 MB/s Audition: <100 b/s Télépathie Haptique/tactile Odorat Goût

  9. Propriétés de la vision • Sens ayant la plus grande bande passante • Rapide, parallèle • Reconnaissance de formes • Pré-attentif • Etend les capacités cognitives et mémorielles • (teste de multiplication) • On pense visuellement Super. Utilisons-la !

  10. Utilisons la vision !

  11. Utilisons la vision !

  12. Trouvez le rectangle vert !

  13. Perception préattentive (1)

  14. Perception préattentive (2)

  15. Perception préattentive • Beaucoup de caractéristiques visuelles peuvent être perçues préattentivement : • Orientation de ligne/blob, longueur, épaisseur, taille, courbure, cardinalité, terminaisons, intersections, inclusion, teinte, clignotement, direction de mouvement, profondeur stéréoscopique, indices 3D, direction de l’éclairement • Problèmes : • Les caractéristiques préattentive interfèrent entre elles • On pensait même que toutes les caractéristiques préattentives étaient incompatibles entre elles • Les caractéristiques sont préattentives dans certaines limites • 7 couleurs max (Healey, 96) • 2 ou 3 formes • Etc.

  16. Perception préattentive (3)

  17. Perception préattentive : théorie • Notre système visuel de bas niveau (25 millions de cellules) fait de la reconnaissance de motif en parallèle en permanence • Les caractéristiques préattentives sont reconnues à ce niveau • Les autres nécessitent un parcours séquentiel ! • On a parfois besoin de données visuelles non préattentives • Labels/étiquettes sur les données • Représentations traditionnelles acceptables par les utilisateurs novices • Excellents théories psychologiques • Information Visualization: Perception for Design de Colin Ware • Besoin de conception et réalisation de techniques qui fonctionnent • Recours au designer / informaticien

  18. Mouais, quel intérêt ?

  19. La représentation est la clef !

  20. Tufte et l’histoire de la graphique

  21. Histoire • Visualisation pour décrire (Tufte) • Visualisation pour décider (Bertin) • Visualisation sur écran • Visualisation Interactive • Coupler visualisation, filtrage et sélection

  22. Utilisation des propriétés rétiniennes (Bertin 67): Bertin et laSémiologie graphique

  23. Visualisation interactive

  24. Plus qu’un transfert • Permet la perception de phénomènes de plus haut niveau • Favorise la découverte Eclairage (Insight)

  25. Modèle fonctionnel de base Données Projection visuelle Visualisation Interaction

  26. Modèle complet (Ed. CHI) Interaction Illustration de J. Heer

  27. InfoVis ToolkitRéutiliser / généraliser www.lri.fr/~fekete/InfovisToolkit • Construire des visualisations est difficile et long • Composant pour la visualisation de : • Tables • Scatter plots, séries temporelles, coordonnées parallèles • Arbres • Treemaps, node-link diagrams,Icicle trees • Graphes • Matrices, node-link diagrams • Plusieurs mécanismes sont génériques et peuvent être réutilisés avec toutes les représentations graphiques • Requêtes dynamiques • Fisheyes • Labels dynamiques

  28. Techniques de visualisation • Projection + représentation + interaction • Dépend de la structure de données • 1D - Linéaires • 2D - Cartes • 3D - Scènes • Multidimensionnelle • Temporelle • Arbres • Réseaux • Documents • Algorithmes

  29. 1D : Séries temporelles

  30. 1D : Diagrams en Arcs (Watenberg03) http://www.bewitched.com/

  31. Visualisation d’information : exemples • Spotfire et les requêtes dynamiques • Smartmoney et la carte du marché boursier

  32. Famille des techniques • Orientées points • Orientées lignes • Orientées surfaces • Remplissage de surface

  33. Techniques par remplissage de formes • Seesoft/SeeSys • Compus • Treemap • DBVis

  34. Techniques d’interaction • Data sliders • Interfaces zoomables et navigation • Déformation de l’espace et navigation • Labeling

  35. Domaines de recherche • Nouvelles techniques de visualisation • Nouvelles techniques d’agrégation • Nouvelles techniques d’interaction • Le 3D est-il utile à quelque chose ? • Passage à l’échelle • Animation

  36. Co-citations en visualisation(Börner 04)

  37. Retombées industrielles (extraits) • Principales sociétés faisant des produits de visualisation d’information • ILOG (Discovery téléchargeable gratuitement) • Spotfire • AT&T (GraphViz) • IBM (DX explorer) • Sociétés utilisant journellement la visualisation d’information • NASA EOSDIS (portail accès aux données capteurs sur la Terre) • 3M (analyse de composants chimiques) • SmartMoney (http://www.smartmoney.com/marketmap/) • ChevronTexaco (analyse de production pétrolière)

  38. Bibliographie • Readings in Information Visualization, Card, Mackinlay, Shneiderman, Morgan Kaufmann, 1999 • Information Visualization: Perception for Design, Colin Ware, Morgan Kaufmann, 2000 (2e édition prévue pour 2004) • Sémiologie Graphique, Bertin, 1967, Réimpression EHESS 2000 • The Visual Display of Quantitative Data, Tufte, 1983, Cheshire, CT: Graphics Press. • otal.umd.edu/Olive • http://www.csc.ncsu.edu/faculty/healey/PP/index.html • Excentric Labeling: Dynamic Neighborhood Labeling for Data Visualization, Fekete, J.-D., Plaisant, C. Proceedings of the Conference on Human factors in Computer Systems (CHI'99), ACM , New York, pp. 512-519. • Interactive Information Visualization of a Million Items, Fekete, J.-D., Plaisant, C., Proceedings of IEEE Symposium on Information Visualization 2002 (InfoVis 2002), Boston, USA, Octobre 2002. • The Infovis Toolkit. http://www.lri.fr/~fekete/InfovisToolkit

More Related