Los algoritmos ahora pueden explotar modelos y medidas de percepción humana para generar diseños de diagrama de dispersión.
Los diagramas de dispersión se usan ampliamente en varias disciplinas y áreas más allá de las ciencias para comunicar visualmente las relaciones entre dos variables de datos. Sin embargo, muy pocos usuarios se dan cuenta del efecto que el diseño visual de los diagramas de dispersión puede tener en la percepción y la comprensión humana. Además, los diseños predeterminados de diagramas de dispersióna menudo representan mal los datos y es difícil ajustar manualmente el diseño.
Los investigadores han encontrado recientemente un enfoque algorítmico para mejorar automáticamente el diseño de diagramas de dispersión mediante la explotación de modelos y medidas de percepción humana.
"Un diagrama de dispersión se diseña con éxito cuando los humanos pueden decodificar efectivamente el mensaje que originalmente se codificó gráficamente en el diagrama de dispersión. Por el contrario, los diseños deficientes podrían comunicar mal el mensaje deseado", dice la investigadora postdoctoral Luana Micallef.
diseños de diagrama de dispersión automáticos y optimizados
El optimizador desarrollado por los investigadores puede predecir cómo responderían los usuarios a un diseño determinado. La percepción humana tiene una serie de capacidades y limitaciones, que una visualización debería explotar y mitigar respectivamente para comunicar un mensaje de manera efectiva a un lector.
"Como propietario de un conjunto de datos, no necesariamente sabe cómo otros percibirán el diagrama de dispersión y los conjuntos de datos grandes también son difíciles de visualizar. Con nuestro nuevo método algorítmico, podemos optimizar el diseño del diagrama de dispersión para cualquier tarea de análisis y datosel usuario lo requiere ", explica el profesor Antti Oulasvirta.
Importa cada aspecto de diseño de un diagrama de dispersión, ya sea el tamaño, la opacidad y el color de los marcadores o la relación de aspecto del diagrama. Estos aspectos tienen un gran impacto en la correlación, valores atípicos y clases detectados en el diagrama de dispersión por el humanopercepción.
"Incluso cuando es un experto en visualización, un diseño automatizado ayuda a ahorrar tiempo, especialmente para conjuntos de datos muy grandes. Este tiempo se invierte mejor en interpretar las visualizaciones en lugar de jugar con tediosas configuraciones de parámetros", dice el investigador postdoctoral recién graduadoGregorio Palmas.
"Esto es solo el comienzo. Estamos en medio de un turno en el que automatizamos al menos partes de nuestro análisis de datos, lo que es necesario debido solo al tamaño de los datos. Los métodos interactivos de análisis de datos como los diagramas de dispersión continuaránnos sirve bien, pero aún más cuando se aumenta con cierto nivel de inteligencia artificial ", explica el profesor Tino Weinkauf.
El nuevo enfoque algorítmico fue más exitoso en términos de tiempo de finalización de la tarea. Según los investigadores, Luana Micallef, Gregorio Palmas, Antti Oulasvirta y Tino Weinkauf, incluso los usuarios que no son expertos en diseño de visualización pueden usar el optimizador para producir efectivodiseños de diagrama de dispersión. Con tales métodos algorítmicos, la falta de comunicación no deseada puede disminuir en el futuro.
Fuente de la historia :
Materiales proporcionado por Universidad de Aalto . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :