Visualización de Información. Juan C. Dürsteler

Transcripción

1 Visualización de Información Juan C. Dürsteler

2

3 Contenido Introducción (Qué es) Finanzas Interacción Social Medicina Instrucciones Pictóricas Espacio Documental Web site maps Tráfico en la Web

4 De qué hablamos? Conocimiento Arquitectura de Información Diseño de Información Visualización de Información

5 Conocimiento Usama Fayyad et al. Datos: Un conjunto de hechos D. Patrón Una expresión E en un lenguaje L que describe un subconjunto d de D de forma más sencilla que sus simple enumeración. Validez: El patrón sigue siendo válido aplicado a datos distintos V(E, D) Novedad: Un patrón no debe ser simplemente una reescritura de otro ya existente. N(E, D) Utilidad: Debe conducir a la acción o a la decisión. U(E, D) Comprensibilidad: Debe ser entendible por humanos. Simplicidad del patrón S(E, D)

6 Conocimiento Usama Fayyad et al. Datos: Un conjunto de hechos D. Patrón Una expresión E en un lenguaje L que describe un subconjunto d de D de forma más sencilla que sus simple enumeración. Medida de Interés (interestingness): i = I(E, D, V, N, U, S) Un patrón se llama conocimiento si, para un umbral u definido por el usuario u Mi, I(E,D,V,N,U,S) > u

7 Arquitectura de Información El estudio de la organización de la información con el objetivo de permitir al usuario encontrar su vía de navegación hacia el conocimiento y la comprensión de la información Richard Saul Wurman Arquitecto de Información: El individuo que organiza los patones inherentes a los datos, haciendo lo complejo claro. Una persona que crea la estructura o mapa de información que permite A otros encontrar su Camino personal al Conocimiento. La ocupación profesional emergente en el siglo 21 que se dirige a las necesidades de la época enfocado hacia la claridad, el entendimiento humano y la ciencia de la organización de la información.

8 Diseño de Información Arte de la representación de información relevante de forma que se optimice la posibilidad de comprensión del receptor Diseñador de Información El individuo que busca el diseño más eficiente en términos de comprensión. Readings in Information Visualisation Incluye cualquier técnica, sea visual o no, que facilite la transacción de información entre emisor y receptor.

9 Visualización de Información Proceso de interiorización del conocimiento mediante la percepción de información. Visualización: Formación en la mente De una imagen visual de un concepto abstracto. Es, en principio, indiferente por qué medio se consiga dicha percepción, sean gráficos, texto escrito, sonido, animaciones, etc. Se beneficia básicamente de que Los seres humanos reciben información de forma eminentemente visual ya que es el sentido con mayor ancho de banda. La capacidad simbólica del cerebro humano

10 Para qué? Revelar los patrones que subyacen a los datos Hacer comprensible el conocimiento Descubrir el conocimiento Transmitir un mensaje

11 Visualización Financiera Desde hasta

12 Financial ViewPoints

13 SmartMoney.com

14 Roots

15 Instrucciones Pictóricas Las imágenes representan mejor que las palabras cierta información, como Tamaño relativo Conexión de piezas Basado en el trabajo de Carla Spinillo & Mary Dyson Fuente: IKEA

16 Instrucciones Pictóricas Audiencia Internacional Fuente: IKEA Audiencia con baja alfabetización

17 Representación del espacio documental Espacio de los documentos no estructurados 80% Web Semántica Minería de textos: The Semantic Web intends to build a whole metadata structure, information about the structure and meaning of the stored data, in order to include it in the documents. In this way the documents can be navigated, identified and "understood" without human operation. On the other hand text mining intends to extract metadata from textual, not necessarily structured data. In this sense it could be a helpful part of the Semantic Web. Metadatos Semántica Estructura Metadatos Análisis Léxico Text mining intends to extract metadata from textual, not necessarily structured data. In this sense it could be a helpful part of the Semantic Web. In this way, text mining systems are able to perform lexical analysis and especially the automatic building of classification and categorisation that are codified in the form of a Thesaurus. It is not a coincidence that Thesaurus comes from the ancient Greek thesaurós, treasure.

18 Representación del espacio documental Minería de textos Recuperación de documentos Recuperación de documentos La recuperación de La recuperación documentos de La recuperación documentos de La recuperación pretende encontrar, documentos La recuperación pretende entre todos encontrar, documentos los La recuperación pretende entre documentos todos encontrar, documentos los pretende de la entre documentos todos encont documentos los pretende colección, de los la entre que documentos todos encon los pretende colección, de cumplen los la entre ciertas que documentos todos encontrar, los colección, de cumplen los la entre condiciones. ciertas que documentos todos los colección, de cumplen los lagh condiciones. ciertas que documentos fg colección, de cumplen los la condiciones. ciertas que c colección, cumplen los oncondiciones. ciertas que cumplen condiciones. ciertas condiciones.

19 Representación del espacio documental Minería de textos Recuperación de documentos Recuperación de documentos La recuperación de documentos La recuperación pretende encontrar, documentos entre todos los La recuperación de pretende encont documentos de la documentos entre todos colección, los los que pretende encontrar, documentos cumplen de la ciertas entre todos los colección, condiciones. los que documentos de la cumplen ciertas c colección, los que oncondiciones. cumplen ciertas condiciones. Minería de textos: Contenido Análisis Léxico Frecuencias, Indexacion La minería de datos pretende extraer información sobre el contenido de los documentos. La minería de datos pretende extraer información sobre el contenido de los documentos La minería de datos pretende extraer información sobre el contenido de los documentos La minería de datos pretende extraer información sobre el contenido de los documentos La minería de datos pretende extraer información sobre el contenido de los documentos La minería de datos pretende extraer información sobre el

20 Aplicaciones de la Minería de Textos Respuesta automática de FAQs Investigación de mercado Vigilancia tecnológica y de negocio Filtrado y redirección automática de

21 La (jurásica) metáfora de la línea de comandos Fuente: La línea de comandos de mi ordenador

22 La (vieja) Metáfora del Escritorio Fuente: El Escritorio de mi ordenador

23 Nuevos paradigmas Fuente: Inxight s Magnifind en mi ordenador

24 Nuevos paradigmas LifeStreams Fuente: ScopeWare

25 Nuevos paradigmas Fuente: ScopeWare

26 Nuevos paradigmas Fuente: ScopeWare

27 Nuevos paradigmas Fuente: ScopeWare

28 Nuevos paradigmas Fuente: Marti Hearst

29 Nuevos paradigmas Fuente: Marti Hearst

30 Nuevos paradigmas

31 Nuevos paradigmas Fuente: Microsoft Research

32 Nuevos paradigmas Fuente: NewsMaps.com

33 Nuevos paradigmas Fuente: Didi.com

34 Nuevos paradigmas Fuente: Didi.com

35 Nuevos paradigmas Fuente: Didi.com

36 Nuevos paradigmas Fuente: Didi.com

37 El mantra de la búsqueda visual de información Vista general, primero filtrado y zoom y, entonces, detalles a discreción Overview first, zoom and filter, then details on demand

38 Un caso especial Fuente: Macrofocus / UBS

39 Web site Maps Hipertexto Multimedia Lectura impredecible Problemas de Navegación

40 Problemas de Navegación Desorientación Sin retórica de la llegada Ausencia de contexto físico Sobrecarga Cognitiva Del seminario de Paul Kahn Mapping Web Sites

41 Web site maps Representación gráfica de su estructura de información. Un elemento de navegación Textual Fuente: Apple.com Gráfico Fuente: NMBS, Belgian Railroad

42 Tráfico en la Web Fuente: NIST WebMetrics, John Cugini

43 Tráfico en la Web Fuente: MIT Media Lab Aesthetics and computation group Ben Fry

44 Medicina

45 Medicina