החזיית מידע

מתוך ויקיפדיה, האנציקלופדיה החופשית
קפיצה אל: ניווט, חיפוש

הַחְזָיָת מידעאנגלית: Information Visualization) מתמקדת בייצוג נתונים מופשטים כדי לשפר את עיבוד המידע האנושי של המשתמש בנתונים.

מבחינים בין:

  1. החזיית מידע לניתוח הנתונים כשהמשתמש חותר לתובנות העשויות לעלות מהניתוח.
  2. החזיית מידע להצגה כשמשתמש מבקש לתקשר מסר מסוים העולה מהנתונים.

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 מויזואליזציה מדעית[1].

רקע והיסטוריה[עריכת קוד מקור | עריכה]

חלקי המפה של האינטרנט בתחילת 2005, כל שורה מייצגת שתי כתובות IP, עיכוב כלשהו בין אותם שני צמתים.

התחום של החזיית מידע התפתח ממגוון של תחומי מחקר כגון מדעי המחשב, אינטראקצית 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 לעתים תהליך ממושך של ניסוי וטעיה על מנת למצא 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[עריכת קוד מקור | עריכה]

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 קטיגוריים (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[עריכת קוד מקור | עריכה]

החזיית מידע נתמכת על ידי כלים ממוחשבים ונחקרת במספר תחומים הקשורים למחשבים. ב-1987 הופיע גיליון מיוחד של "Computer Graphics", שהוקדש לויזואליזציה 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 ולוצרך 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[עריכת קוד מקור | עריכה]

לקריאה נוספת[עריכת קוד מקור | עריכה]

  • Robert Spence, Information Visualization: Design for Interaction (2nd Edition), Prentice Hall, 2007 ISBN 0-13-206550-9.
  • 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[עריכת קוד מקור | עריכה]

ויקישיתוף מדיה וקבצים בנושא החזיית מידע בוויקישיתוף

הערות שוליים[עריכת קוד מקור | עריכה]

  1. ^ http://www.cs.ubc.ca/labs/imager/tr/2008/pitfalls/
  2. ^ 2.0 2.1 Benjamin B. Bederson and Ben Shneiderman, The Craft of Information Visualization, Morgan Kaufmann, 2003
  3. ^ 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
  4. ^ Te'eni, Carey and Zang, Human Computer Interaction, Wiley, 2007
  5. ^ G. Scott Owen (1999). History of Visualization. Accessed Jan 19, 2010.