ビジュアル分析

ビジュアルアナリティクスは、情報視覚化と科学的視覚化から生まれた学際的な科学技術分野です。インタラクティブなビジュアルインターフェースによって分析的推論をいかに促進できるかに焦点を当てています。[ 1 ]

概要

ビジュアル分析とは、「対話型のビジュアルインターフェースによって促進される分析的推論の科学」です。[ 2 ]問題の大きさや複雑さ、人間と機械の密接な連携による分析の必要性から、他の方法では解決が困難になるような問題にも対処できます。[ 3 ]ビジュアル分析は、分析的推論、人間とコンピュータの相互作用、データ変換、計算と分析のための視覚的表現、分析レポート、新技術の実用化など、複数の領域にわたって科学技術の発展を促進します。[ 4 ]研究課題として、ビジュアル分析は、コンピュータサイエンス、情報視覚化、認知科学と知覚科学、対話型デザイン、グラフィックデザイン、社会科学など、複数の科学技術コミュニティを結集しています。

ビジュアルアナリティクスは、新しい計算および理論に基づくツールを革新的なインタラクティブ技術と視覚表現と統合し、人間と情報の対話を可能にします。これらのツールと技術の設計は、認知、デザイン、そして知覚の原理に基づいています。この分析的推論の科学は、脅威の分析、予防、そして対応のための戦略的かつ戦術的なビジュアルアナリティクス技術を構築するための推論フレームワークを提供します。分析的推論は、人間の判断を適用して証拠と仮定の組み合わせから結論を導き出すというアナリストのタスクの中心です。[ 2 ]

ビジュアルアナリティクスは、情報視覚化や科学的視覚化と目標や手法において一部重複する部分があります。現在、これらの分野の境界については明確なコンセンサスはありませんが、大まかに言えば、これら3つの領域は以下のように区別できます。

  • 科学的視覚化は、自然な幾何学的構造を持つデータ (MRI データ、風の流れなど) を扱います。
  • 情報視覚化は、ツリーやグラフなどの抽象的なデータ構造を扱います。
  • ビジュアル分析は、インタラクティブなビジュアル表現と基礎となる分析プロセス（統計手順、データマイニング技術など）を結合して、高レベルで複雑なアクティビティ（意味付け、推論、意思決定など）を効果的に実行することに特に重点を置きます。

ビジュアルアナリティクスは、情報視覚化の技術と、計算によるデータの変換および分析の技術を融合させることを目指しています。情報視覚化は、ユーザーと機械の直接的なインターフェースの一部を形成し、人間の認知能力を6つの基本的な方法で強化します。[ 2 ] [ 5 ]

  1. 視覚リソースを使用して人間の作業記憶を拡大するなど、認知リソースを増やすことによって、
  2. 大量のデータを小さなスペースに表現するなどして検索を減らすことによって、
  3. 情報が時間的関係によって空間的に整理されている場合など、パターンの認識を強化することによって、
  4. そうでなければ誘導するのがより難しい関係性の容易な知覚的推論をサポートすることにより、
  5. 多数の潜在的な出来事を知覚的に監視することによって、
  6. 静的な図とは異なり、パラメータ値の空間を探索できる操作可能な媒体を提供することにより

これらの情報視覚化機能は、計算データ分析と組み合わせることで、分析的推論に適用され、意味付けプロセスをサポートできます。

歴史

ビジュアルアナリティクスは学際的なアプローチであり、情報視覚化、認知科学、コンピュータサイエンスにそのルーツを持っています。この分野の用語と範囲は、2000年代初頭にジム・トーマス、クリスティン・A・クック、ジョン・スタスコ、パク・チュン・ウォン、ダニエル・A・ケイム、デイビッド・S・エバートといった研究者によって定義されました。 2001年9月11日の同時多発テロへの対応として、2002年後半には、それまで分散していた数十の政府機関を統合して米国国土安全保障省が設立されました。これは、1990年代後半にダニエル・A・ケイムが開始したビジュアルデータマイニングに関する研究を基に、ビジュアルアナリティクスの研究課題の発展にもつながりました。 [ 6 ] [ 7 ]こうした取り組みの一環として、パシフィック・ノースウエスト国立研究所に国立可視化・分析センター （NVAC）が2004年に設立された。同センターの使命は、2001年9月11日の同時多発テロ事件後に諜報機関に生じた情報過多を緩和するシステムを開発することだった。同センターの研究活動によって中核となる課題が特定され、未解決の研究課題が提示され、特に2005年の研究アジェンダ「道を照らす」を通じて、ビジュアル分析が新たな研究領域として位置付けられた。[ 2 ] 2006年、 Pak Chung WongとDaniel A. Keim が率いるIEEE VISコミュニティは、毎年開催されるIEEE Con​​ference on Visual Analytics Science and Technology（VAST）を立ち上げ、ビジュアル分析の研究専用の場を提供した。このVASTは2020年に統合されてIEEE Visualization conferenceとなった。2008年、 Daniel A. KeimとJim Thomasが、ビジュアルデータマイニングに関する影響力のある著書の中で、ビジュアル分析の範囲と課題を概念的に定義した。[ 8 ]この領域は、2000年代後半に欧州委員会のFP7 VisMasterプログラムの一環としてさらに改良されました。 [ 9 ]

トピック

範囲

ビジュアルアナリティクスは、以下の重点分野を含む学際的な分野です。[ 2 ]

  • 評価、計画、意思決定を直接サポートする深い洞察をユーザーが得ることを可能にする分析的推論技術
  • あらゆる種類の矛盾した動的なデータを視覚化と分析をサポートする方法で変換するデータ表現と変換
  • 分析結果の作成、プレゼンテーション、および普及をサポートし、さまざまな対象者に適切なコンテキストで情報を伝達するための手法。
  • 人間の目の広い帯域幅の脳への経路を利用した視覚表現とインタラクション技術[ 10 ]は、ユーザーが大量の情報を一度に見て、探索し、理解できるようにします。

分析的推論技術

分析的推論技術は、ユーザーが状況評価、計画、意思決定を直接的に支援する深い洞察を得るための方法です。ビジュアル分析は、アナリストの限られた時間の中で、質の高い人間の判断を促進する必要があります。ビジュアル分析ツールは、以下のような多様な分析タスクを可能にする必要があります。[ 2 ]

  • 過去と現在の状況、そして現在の状況を生み出した傾向や出来事を素早く理解する
  • 起こりうる代替未来とその警告サインを特定する
  • 予期せぬ出来事だけでなく、警告の兆候の出現についても現在の出来事を監視する
  • 行動または個人の意図を示す指標を決定する
  • 危機の際に意思決定者をサポートします。

これらのタスクは、個人分析と共同分析の組み合わせによって、しばしば極度の時間的プレッシャーの下で実施されます。ビジュアル分析は、仮説ベースおよびシナリオベースの分析手法を可能にし、アナリストが利用可能な証拠に基づいて推論を行うためのサポートを提供する必要があります。[ 2 ]

データ表現

データ表現は、コンピュータベースの変換に適した構造化された形式です。これらの構造は、元のデータ内に存在するか、データ自体から導出可能でなければなりません。また、元のデータに含まれる情報や知識の内容、関連するコンテキストを可能な限り保持する必要があります。基礎となるデータ表現の構造は、一般的にビジュアル分析ツールのユーザーにとってアクセスしやすくも直感的にも分かりにくいものです。データ表現の構造は、元のデータよりも複雑な場合が多く、必ずしも元のデータよりも小さいとは限りません。データ表現の構造は数百または数千の次元を含み、人間には理解できない場合もありますが、視覚化と分析のために低次元の表現に変換可能でなければなりません。[ 2 ]

視覚化の理論

視覚化の理論には以下のものがある: [ 3 ]

視覚的表現

視覚的表現は、データを目に見える形に変換し、共通点や異常点などの重要な特徴を強調します。これらの視覚的表現により、ユーザーはデータの重要な側面を素早く容易に認識できます。視覚的表現を介した知覚的推論で認知的推論プロセスを補強することで、分析的推論プロセスをより迅速かつ的確に行うことができます。[ 2 ]

  • 仕事満足度の相対分布を表す棒グラフ
    仕事満足度の相対分布を表す棒グラフ
  • 全国青少年縦断調査（1997年コホート、調査年2008年）による仕事満足度の相対分布を表す円グラフ
    全国青少年縦断調査（1997年コホート、調査年2008年）による仕事満足度の相対分布を表す円グラフ

プロセス

ビジュアル分析プロセスで使用されるデータ セットへの入力は、異種データ ソース (インターネット、新聞、書籍、科学実験、エキスパート システムなど) です。これらの豊富なソースからデータ セットS = S 1、...、S mが選択されますが、各S i、 i ∈ (1、...、m)は属性A i1、...、A ikで構成されます。プロセスの目標または出力は洞察Iです。洞察は、作成された視覚化のセットVから直接取得されるか、自動化された分析手法の結果としての仮説Hの確認を通じて得られます。このビジュアル分析プロセスの形式化を次の図に示します。矢印は、1 つのセットから別のセットへの移行を表します。

より正式には、視覚分析プロセスは変換F: S → Iですが、Fは次のように定義される 関数f ∈ {D W、 V X、 H Y、 U Z }の連結です。

D W は、データ セットに分析機能を適用するために必要なデータ変換関数D T 、データ クリーニング関数D C 、データ選択関数D SL、およびデータ統合関数D Iを含む、D W : S → S およびW ∈  {T、C、SL、I}を使用した基本的なデータ前処理機能について説明します。

V W , W ∈ {S, H}は視覚化関数を表します。これは、データV S  : S → Vを視覚化する関数、または仮説V H  : H → Vを視覚化する関数のいずれかです。

H Y , Y ∈ {S, V}は仮説生成プロセスを表します。データから仮説を生成する関数H S  : S → Hと、可視化から仮説を生成する関数H V  : V → Hを区別します。

さらに、ユーザーインタラクションU Z , Z ∈ {V, H, CV, CH}は、ビジュアル分析プロセスの不可欠な要素です。ユーザーインタラクションは、視覚化U V  : V → Vのみ（つまり、選択またはズーム）に影響を与えることも、既存の仮説から新しい仮説を生成することで仮説U H  : H → Hのみに影響を与えることもできます。さらに、視覚化U CV  : V → Iまたは仮説U CH  : H → Iから洞察を導き出すことができます。

データクリーニング、データ統合、データ変換機能を適用する典型的なデータ前処理は、D P = D T (D I (D C (S 1 , ..., S n )))と定義されます。前処理ステップの後、自動分析手法HS = {f s1 , ... , f sq }（統計、データマイニングなど）または視覚化手法VS  : S → V、VS = {f v1 , ..., f vs }がデータに適用され、上図に示すようなパターンが明らかになります。[ 11 ]

一般に、データの処理には次のパラダイムが使用されます。

最初に分析する – 重要な部分を表示する – ズーム、フィルタリングしてさらに分析する – 必要に応じて詳細を表示する[ 8 ]

参照

  • imc FAMOS（1987）、グラフィカルデータ分析

参考文献

  1. ^ Pak Chung Wong、J. Thomas (2004). 「Visual Analytics」. IEEE Computer Graphics and Applications、第24巻、第5号、2004年9月～10月、20～21ページ。
  2. ^ a b c d e f g h i James J. Thomas、Kristin A. Cook（編）（2005年）。『道を照らす：ビジュアル分析のための研究開発アジェンダ』国立視覚化・分析センター。
  3. ^ a b Robert Kosara (2007). Visual Analytics . ITCS 4122/5122, 2007年秋. 2008年6月28日閲覧。
  4. ^ Kielman, J. および Thomas, J.（ゲスト編集者）（2009年）「特集号：ビジュアル分析の基礎と最前線」『 Information Visualization』第8巻第4号、2009年冬、239-314ページ。
  5. ^スチュアート・カード、JD・マッキンレイ、ベン・シュナイダーマン (1999). 「情報視覚化の読み物：視覚を使って考える」 Morgan Kaufmann Publishers、サンフランシスコ.
  6. ^ Keim, Daniel A. (2001). 「大規模データセットの視覚的探査」 Communications of the ACM, 44(8), p. 38-44.
  7. ^パール、ラファエル（2004年）「国土安全保障省：背景と課題」、テロリズム：脆弱性の軽減と対応の改善、ロシアと米国のテロ対策課題に関する委員会、中央ヨーロッパ・ユーラシア開発・安全保障・協力政策局および地球規模問題局、ロシア科学アカデミーとの協力、176ページ。全米科学アカデミー出版。ISBN 0-309-08971-9。
  8. ^ a b Keim DA, Mansmann F, Schneidewind J, Thomas J, Ziegler H. Visual analytics: Scope and challenges . Visual Data Mining: 2008, S. 82.
  9. ^ EU Cordis: VisMaster - ビジュアルアナリティクス - 情報化時代をマスターする (2008-2010)
  10. ^ A. Kerren、F. Schreiber.「ビジュアル分析におけるインタラクションの役割に向けて」2012年冬季シミュレーション会議（WSC '12）の議事録、420:1-420:13ページ、ベルリン、ドイツ、2012年。IEEE Computer Society Press。
  11. ^ダニエル・A・カイム、フロリアン・マンスマン、ヨーン・シュナイデヴィント、ジム・トーマス、ハルトムート・ツィーグラー (2008)。 「ビジュアル分析: 範囲と課題」

さらに読む

  • ボリス・コヴァレルチュク、ジェームズ・シュヴィング（2004年）『視覚と空間分析：データマイニング、推論、問題解決の進歩』
  • Guoping Qiu (2007).視覚情報システムの進歩：第9回国際会議 (VISUAL).
  • IEEE, Inc. スタッフ (2007). Visual Analytics Science and Technology (VAST), IEEE 2007 シンポジウム.
  • メイ・ユアン、キャスリーン、スチュワート・ホーンズビー (2007).地理領域におけるダイナミクスを理解するための計算と可視化.
  • Daniel Keim、Gennady Andrienko、Jean-Daniel Fekete、Carsten Görg、Jörn Kohlhammer、Guy Melançon (2008). 「ビジュアルアナリティクス：定義、プロセス、課題」。Andreas Kerren、John T. Stasko、Jean-Daniel Fekete、Chris North（編）『情報視覚化：人間中心の問題と展望』、154～175ページ、Lecture Notes in Computer Science 4950、Springer Berlin Heidelberg。
  • 視覚化時代を制覇する：ビジュアル分析による問題解決（2010）（pdf）
  • Kawa Nazemi (2014). 適応型セマンティクス可視化. Eurographics Association [1] . TU Darmstadt 博士論文. Eurographics.
「 https://en.wikipedia.org/w/index.php?title=Visual_analytics&oldid=1334925119」から取得