トップQs
タイムライン
チャット
視点

データおよび情報の可視化

ウィキペディアから

Remove ads
曖昧さ回避 データの可視化については「データ可視化」をご覧ください。

データおよび情報の可視化（でーたおよびじょうほうのかしか、英：Data and information visualization）とは、静的・動的・インタラクティブ な視覚要素を用いて、定量および定性のデータと情報を図的・視覚的表現として設計・作成する実践。[1]これらの可視化は、想定する読者が、データ内に潜む構造・関係・相関・局所的または大域的パターン・トレンド・変動・不変性・クラスター・外れ値・異例な群といった、本来は同定しにくい要素を視覚的に探索・発見し、素早く理解・解釈して重要な洞察を得られるよう支援することを意図している。[2][3][4]一般向けに、情報の要点を魅力的かつ簡潔に伝える目的で用いられる場合[2]、通常インフォグラフィックと呼ばれる。

概要

要約
視点
Thumb
Thumb

データ可視化は、主として定量的な生データの集合を、画像的手法により図式的に提示することに関心をもつ。データ可視化で用いられる視覚フォーマットには、各種チャートやグラフ、地理空間地図、図、相関行列、百分率ゲージ[5]などがある。

情報可視化 は、定量データに加えて定性的で主として抽象的な情報を含む、複数・大規模・複雑なデータセットを取り扱う。その目的は、生データに付加価値を与え、閲覧者の理解を深め、認知を強化し、視覚的表示を観察・操作する過程で洞察を導出し意思決定を支援することにある。用いられる可視化ツールには、位置データ（英語版）が追加された地図、データの階層化[6]、サンキー・ダイアグラムのような関係重視の表示、フローチャート、年表などが含まれる。

仮想現実・拡張現実・複合現実などの新興技術（英語版）は、情報可視化をより没入的・直観的・双方向的・可操作的にし、ユーザーの視覚知覚と認知を高める潜在力を持つ。[7]データ・情報可視化では、データベース・情報システム・ファイルシステム・文書・ビジネスデータから収集された抽象的・非物理的・非空間的データを図的に提示・探索することが目標である。これは、科学的可視化（英語版）（物理的・空間的な科学データに基づき写実的な画像をレンダリングして仮説の支持・棄却を図る）とは異なる。[8]

効果的なデータ・情報可視化は、適切な出典明示と文脈化がなされ、簡潔で雑然としていない。基礎データは正確かつ最新で、洞察の信頼性を担保する。視覚的要素の選択は妥当で審美的であり、形状・色彩などの視覚要素は意味をもって意図的に使われ、注意散漫を招かない。グラフィックには補助テキストが伴い、言語要素と視覚要素が相補して明快・迅速・記憶に残る理解をもたらす。[9][1]効果的な情報可視化は、想定読者のニーズと専門性レベルに敏感である。効果的な可視化は、専門的・複雑・ビッグデータ駆動のアイデアを非技術系の観衆に対しても、視覚的に魅力的・惹きつける・アクセスしやすい形で伝達でき、また専門家や経営層に対しては意思決定・業績モニタリング・アイデア創出・研究促進を支える。[9][2]

データサイエンティスト・アナリスト・データマイニング専門家は、可視化を用いてデータ品質の確認・エラー検出・異常な欠測やギャップの発見・データクリーニング・構造や特徴の探索・モデル出力の評価を行う。[2]データ・情報可視化はデータストーリーテリングの一部となりうる。つまり、可視化をナラティブ構造と組にして、分析で得られた洞察に文脈を与え、観衆に意思決定や行動を促す。[1][10]これは、統計グラフィックス（研究者・アナリスト間で複雑なデータを探索的データ解析やその結果の伝達のために図示するもので、視覚的魅力・注意喚起・物語性の比重は相対的に低い）と対比される。[11]

データ・情報可視化は学際的であり、要約統計量[12]、ビジュアルコミュニケーション、グラフィックデザイン、認知科学、リアルタイムコンピュータグラフィックス（英語版）、ヒューマンコンピュータインタラクションの原理を取り込む。[13]効果的な可視化にはデザイン・統計・計算の技能が要るため、アートであると同時にサイエンスでもある。[14]ビジュアル分析（英語版）は、統計的データ分析、データ・情報可視化、人間の分析的推論を相互作用可能なビジュアル・インターフェースで結びつけ、コンピュータ単独では困難な結論到達・実行可能な洞察獲得・情報に基づく意思決定を支援する。人々が各種可視化をどのように読む・読み違えるかに関する研究は、もっとも理解しやすく効果的な可視化のタイプや特徴の同定に資する。[15][16]意図せず不適切または意図的に誤解を招く可視化は、誤情報の拡散・世論操作・世論誘導に機能しうる強力な道具となる（誤報・偽情報研究（英語版）を参照。[17]したがってデータ可視化リテラシー（data visualization literacy）は、情報時代におけるデータ・情報リテラシーの重要な構成要素となっており、過去における文章・数学・ビジュアルリテラシーの役割に比肩する。[18]

Remove ads

詳細

要約
視点

データ・情報可視化は、データを分析しユーザーに提示するプロセスの一段階である。

データ・情報可視化の分野は、「ヒューマンコンピュータインタラクション、計算機科学、、ビジュアルデザイン、コミュニケーションデザイン、心理学、写真、ビジネス手法の研究から生まれた」。そして現在では、科学研究・電子図書館・データマイニング・金融データ分析・市場調査・製造生産管理・創薬において不可欠の構成要素として適用が進んでいる。[19]

データ・情報可視化は、「視覚表現と相互作用技術が、人間の高い視覚情報処理力を利用し、ユーザーが大量の情報を一度に見て・探索して・理解できるようにする」という前提に立つ。[20]情報可視化は、抽象情報を直観的に伝えるための手法の構築に焦点を当てて発展してきた。

データ分析は、産業におけるすべての応用研究と問題解決に不可欠である。基本的な手法には、可視化（ヒストグラム、散布図、サーフェスプロット、ツリーマップ図（英語版）、パラレルコーディネート等）、統計（仮説検定、回帰分析、主成分分析 等）、データマイニング（相関ルール学習（英語版）等）、機械学習（データ・クラスタリング、分類、決定木等）がある。これらの中で情報可視化（あるいは視覚的データ分析）は、人間アナリストの認知技能への依存が最も大きく、人間の想像力と創造性にのみ制約される非構造の実用的な洞察を発見しうる。アナリストは、可視化されたデータを解釈するために高度な手法を新たに学ぶ必要はない。情報可視化はまた仮説生成の枠組みでもあり、通常は統計的仮説検定などのより分析的・形式的な解析によって後続される。

情報を明確かつ効率的に伝えるために、データ・情報可視化は視覚化統計（英語版）、プロット図、インフォグラフィックなどのツールを用いる。数値データは点・線・棒として符号化され、量的情報を視覚的に伝える。[21]効果的な可視化は、ユーザーがデータと科学的証拠を分析・推論するのを助ける。[22]それは複雑なデータをアクセスしやすく・理解しやすく・使いやすくする一方で、意味を減少させることもある。[23]ユーザーには、比較や因果の理解といった特定の分析タスクがあり、図の設計原理（例：比較を示す・因果性を示す）はタスクに従う。表は特定の測定値を参照するときに用いられ、各種チャートは1変数または多変数におけるパターンや関係の提示に用いられる。

これはデータ分析・データサイエンスの工程の一部でもある。バイタリー・フリードマン(2008)によれば、「データ可視化の主な目標は、視覚的手段によって情報を明確かつ効果的に伝えることだ。機能的であるために退屈である必要も、見栄えのために過度に洗練される必要もない。アイデアを効果的に伝えるには、美的形式と機能性が両立し、まばらで複雑なデータセットの要点を直観的に伝える必要がある。ところがデザイナーはしばしば形と機能のバランスを欠き、情報伝達を果たせない見た目だけ見事なものを作ってしまう」[24]。

フェルナンダ・ビエガス（英語版）とマーティン・ワッテンバーグ（英語版）は、理想的な可視化は明確に伝えるだけでなく、視聴者の参加と注意を喚起すべきだと示唆した。[25]

データ・情報可視化は、インフォグラフィックス、情報可視化、科学的可視化、探索的データ分析、視覚化統計と密接に関連する。2000年代に入り、データ可視化は研究・教育・技術開発の活発な領域となった。ポスト・他（2002）によれば、科学的可視化とデータ・情報可視化は統合されてきている。[26]

ビジネスの現場では、データ・情報可視化はしばしばデジタルダッシュボードと呼ばれる。インフォグラフィックもまた非常に一般的なデータ・情報可視化の形態である。


Remove ads

原理

要約
視点

効果的な視覚表示の特性

エドワード・タフト（英語版）は、情報表示の利用者は比較などの特定の分析タスクを実行していると説明した。したがってデータ・情報可視化の設計原理は、その分析タスクを支援するものであるべきである。[27]またウィリアム・クリーブランドと ロバート・マックギルは、用いる視覚要素によって、その達成度に差が出ることを示し、ドットプロットや棒グラフが円グラフより優れている例を挙げている。[28]

1983年の著書 『量的情報の視覚表示』で、タフトは「視覚表示」の定義と、効果的な表示の原則を次のように述べている。[29]

卓越した視覚化統計の本質は、複雑なアイデアを明快さ・精確さ・効率をもって伝えることにある。視覚表示は以下を満たすべきである：
  • データを示す
  • 方法論・グラフィックデザイン・制作技術などではなく、データや情報そのものについて考えるよう閲覧者を促す
  • データの語る内容を歪めない
  • 小さな紙面に多くの数値を提示すること
  • 大規模データセットに整合性を与える
  • 目で見て異なるデータの比較をしやすいようにする
  • 概観から精細構造まで複数のレベルでデータを明らかにする
  • 明確で妥当な目的（記述・探索・表形式・装飾）に資する
  • 統計的記述および言語的記述と緊密に統合されている
視覚情報はデータを明らかにする。視覚化統計は従来の統計分析よりも正確かつ示唆的になりうる。[30]
Thumb
ミナール図

例えばミナール図は、1812–1813年におけるナポレオン軍の損耗を示す。ここでは6変数が描かれる：

  1. 兵力規模
  2. 経度
  3. 緯度
  4. 時間
  5. 移動方向
  6. 気温

線幅は時点ごとの兵力規模を示し、気温は兵力変化の原因を示唆する。2次元面上のこの多変量表示は、出典データを明示して信頼性を担保しつつ、即座に把握可能な物語を語っている。タフトは1983年に「史上最高の視覚化統計である可能性が高い」と書いた。

これらの原則を適用しないと、誤解を招くグラフになり、情報を歪めたり、誤った結論を支持してしまう。タフトによれば、ゴミグラフ（英語版）とは、情報を深めない不要な装飾や、無意味な3D化・遠近効果が付加されたグラフを指す。凡例を図本体から不必要に切り離すことで、視線を凡例と図に無駄に行き来させる設計も、無駄な設計である。データインク比（図全体に使われるインクのうち、データを表すインクの割合）は可能な限り最大化し、非データインクは除去すべきである。[30]

米議会予算局（英語版）は2014年6月のプレゼンテーションで、優れた視覚表示を作るコツを以下のように要約した。[31]

  • 読者を知ること
  • 報告文脈の外でも単独で意味が通る図を設計すること
  • 報告の主要メッセージを伝える図を設計すること[32]

視覚表示の評価基準としては次が挙げられる。

  • 非視覚データに基づいて作られたこと（画像処理やコラージュではない）
  • 画像が意味伝達の主役であること（本文の単なる挿絵ではない）
  • 可読性があること

ここでいう可読性とは、比例的視覚要素を比較してデータ値を読み取れたり、凡例を用いて地図の色領域から値を解読できることを指す。設計と体験の単純さ・効率を高めるには、一対一対応（表現要素とデータ変数の対応が一意になる設計）が有効である。[33]

コーサラ（2007）[32]は、データ・情報可視化が「データ・情報可視化として認識可能で、他の何かに見えないこと」の必要性も指摘する。ただし、これは常に必須ではない。たとえばインフォマティブアートは上の3基準を満たしつつ見た目がデータらしくない場合があり、芸術的可視化は非視覚データに基づいて画像を作るが可読性やデータらしさが低い場合もある。

定量的情報

ステファン・ヒューは、読者がデータから理解・伝達しようとする8種類の定量的情報と、それに適した図表を挙げている。

  1. 時系列：単一変数を時間に沿って記録（例：失業率、10年間の気温）。折れ線グラフが傾向の提示に有効。
  2. 順位：カテゴリ下位集合を昇順・降順に並べる（例：ある期間の営業担当別売上）。棒グラフで比較。
  3. 全体に対する部分：下位集合を全体に対する比率で示す（例：市場シェア）。円グラフや棒グラフで比率比較。
  4. 偏差：基準値との比較（例：部門別の実績 vs 予算）。棒グラフで実績と基準の差を表示。
  5. 度数分布：変数の観測数を区間別に表示（例：株式リターンが0–10%、11–20%…の年数）。ヒストグラムや箱ひげ図で分布と統計量（中央値・四分位・外れ値）を可視化。
  6. 相関：2変数（X, Y）の共変動傾向（例：失業率Xとインフレ率Y）。散布図を用いる。
  7. 名義比較：順序づけないカテゴリ比較（例：製品コード別売上）。棒グラフが有効。
  8. 地理・地理空間：地図やレイアウト上で変数を比較（例：州別失業率、フロア別人数）。典型はカルトグラム。[34][35]

アナリストは、対象タスクと読者に照らして、上の情報・図表のどれが適切かを検討する。試行錯誤で関係やメッセージを探る過程は、探索的データ解析の一部である。

視覚知覚とデータ・情報可視化

Thumb

人間は、線の長さ・形状・向き・距離・色相の差異を大きな処理負荷なく識別できる。これらは前注意的処理（英語版）属性と呼ばれる。一方、数字列の中から「5」の出現回数を数えるには時間と労力（注意的処理）が要るが、「5」が大きさ・向き・色で他と違えば、前注意的処理で素早く見つけられる。[36]

優れた視覚情報は、前注意的処理を活用する。たとえば、人は面積より長さの差を処理しやすいため、比較には棒グラフ（長さ）の方が円グラフ（面積）より効果的な場合が多い。[37]

人間の知覚・認知と可視化

ほぼすべての可視化は人間に向けて作られる。したがって人間の知覚と認知の知識は直観的な可視化設計に不可欠である。[38]認知とは、知覚・注意・学習・記憶・思考・概念形成・読解・問題解決などのプロセスを指す。[39]人間の視覚処理は、量・大きさ・形・明度変化の比較や変化検出に長ける。記号的情報を視覚情報に写像すると、人は大量データを効率よく閲覧・走査できる。脳内ニューロンの約3分の2が視覚処理に関与しうると見積もられている。適切な可視化は、数値データだけでは見えにくい潜在的な結びつきや関係を示し、データ探索（英語版）の手段となりうる。

研究によれば、可視化はテキストと比べて、平均で認知資源の使用を19%削減し、細部の想起が4.5%向上することが示されている。[40]

Remove ads

歴史

要約
視点

データ・情報可視化 の包括的な通史は存在しない。視覚的思考およびデータの視覚表現の全展開をカバーし、離散した諸分野の貢献を総覧する記述は見当たらない。[41]ヨーク大学のミカエル・フレンドリーとダニエル・デニスは、この分野の包括的な歴史の記述を目指す計画に取り組んでいる。

データ・情報可視化は現代の産物ではない。先史時代から、星の位置などの天体データや情報は、フランス南部ラスコー洞窟に見られるように更新世から洞窟壁に図示されていた。[42]メソポタミアの粘土トークン（紀元前5500年）、インカのキープ（紀元前2600年）、マーシャル諸島のスティックチャート（年代不詳） などの物的遺物も、定量情報の可視化とみなすことができる。[43][44]

最初に記録されたデータ・情報可視化は、紀元前1160年のトリノ・パピルス地図（英語版）に遡る。これは地質資源の分布を正確に描き、採石情報を提供している。[45]この種の地図は主題図に分類され、特定地域に結びつく特定主題を地理的図示によって提示・伝達するデータ・情報可視化の一形態である。最古の記録的なデータ・情報可視化は、諸文化における各種主題地図、および情報の解釈を可能にした表意文字やヒエログリフであった。例えば、ミケーネの線文字B粘土板は、青銅器時代後期の地中海交易に関する情報の可視化を提供している。座標の考え方は、古代エジプトの測量師による都市測量に用いられ、地上と天上の位置は少なくとも紀元前200年までに緯度・経度に類するもので位置づけられていた。さらにクラウディオス・プトレマイオス（85年-165年） による球体地球の緯度・経度への投影は、14世紀まで用いられた。[45]

中世以降

Thumb
Thumb
Thumb
Thumb
Thumb

紙と羊皮紙の発明は可視化の発展をさらに促した。10世紀（あるいは11世紀）のグラフには、修道院学校の教科書付録で用いられた惑星運動の図示がある。[46]このグラフは、時間の関数として惑星軌道の傾斜を表すプロットを意図したものと思われる。黄道帯の領域を平面上に表し、水平線を30分割して時間（あるいは経度）軸とし、垂直軸は黄道の幅を示す。水平スケールは惑星ごとに個別に選ばれたようで、周期は整合しない。付随テキストは振幅のみに言及し、曲線同士は時間で結びついていないように見える。

16世紀までには、物理量と地理・天体位置の精密観測・測定のための技術と器具が発達した（例：ティコ・ブラーエ（1546–1601） の望遠鏡などが著名）。特に、三角測量など正確な測図の方法が重要であった。[41]早くから、時間の測定は学者たちに革新的な可視化手法の開発を促した。

ルネ・デカルトとピエール・ド・フェルマーは解析幾何と二次元座標系を発展させ、値の表示・計算の実用的方法に大きな影響を与えた。フェルマーとブレーズ・パスカルによる統計学・確率論の研究は、今日「データ」と概念化するものの基盤を築いた。[41]これらの展開は、ウィリアム・プレイフェアが定量データの視覚的伝達の可能性を見いだし、視覚化統計（英語版）を創出・展開することを助けた。[47]1786年、プレイフェアは最初のプレゼンテーショングラフィックスを出版した。

20世紀後半、ジャック・ベルタンは、情報を直観的・明快・精確・効率的に表すために定量グラフを用いた。[47]ジョン・テューキーとエドワード・タフト（英語版）はデータ・情報可視化の境界を押し広げ、テューキーは探索的データ解析という新しい統計アプローチで、タフトは著書 『量的情報の視覚表示』 により、統計家以外にも可視化技法の洗練の道を拓いた。技術の進歩とともに可視化も発展し、手描きから出発して、相互作用設計を含む技術的アプリケーションへ、ひいてはソフトウェア可視化（英語版）へと進化した。[48]

現代

現代の可視化研究はコンピュータグラフィックスから始まった。「当初から科学的課題の研究に用いられてきたが、初期の計算機はグラフィック性能が不十分で有用性が限られていた。1987年、『コンピュータグラフィックス』誌の科学計算における可視化特集号を機に、可視化への注目が高まった。以来、IEEE Computer SocietyとACM SIGGRAPH（英語版）の共催による会議やワークショップが数多く開催されている」。[49]対象はデータ可視化、情報可視化、科学的可視化の一般テーマから、ボリューム可視化のような特定領域まで多岐にわたる。

SAS（英語版）、SOFA（英語版）、R言語、Minitab、Cornerstoneなどの統計ソフトは、データ可視化を可能にする。より個人に特化したアプリケーションや、D3、Python（matplotlib・seaborn）、JavaScript、Java（JavaFX）といったプログラミング言語・ライブラリも、定量データの可視化を実現する。民間スクールも、データ可視化や関連プログラミング・ライブラリ学習の需要に応え、The Data Incubator（英語版）（無償）、General Assembly（英語版）（有償） のようなプログラムを提供している。[50]

2013年のシンポジウム「データから発見へ」を起点として、デザイン学科（カリフォルニア工科大学）、ジェット推進研究所はパサデナで相互作用データ可視化に関する年次プログラムを実施している。[51]このプログラムは以下の問いを掲げる。

  • 相互作用データ可視化は、科学者・技術者がデータをより効果的に探索するのにどう役立つか
  • コンピューティング・デザイン・デザイン思考は、研究成果の最大化にどう寄与できるか
  • これらの分野の知を活用する最も効果的な方法論は何か

関係情報を適切な視覚・相互作用特性でエンコードしてデータを探索・吟味し、新たな洞察に至ることで、デザイン思考と最先端の計算・ユーザー中心設計・相互作用設計・3Dグラフィックスを組み合わせ、複雑な科学課題に対する新しい学際的アプローチを開発している。

Remove ads

用語

質的データ・量的データ

データ・情報可視化には、統計学に由来するものを含む特有の用語がある。例えば ステファン・ヒューは、意味のある分析や可視化を支える2種類のデータを定義している。

  1. 質的データ：特定の特性をもつ対象群を表す。質的変数は名義尺度と順序尺度に分けられる。名義的変数（例：性別）には順序がない。順序的変数は順序をもつ質的で、例えば人が属する年齢階級の記録などが該当する。[52]
  2. 量的データ：身長や気温のような測定値を表す。量的変数は連続と離散に分かれる。連続変数は、測定をいくらでも精密化できるという考えを含む。一方、離散変数は可能性が有限（例：事象の個数、年齢（整数年）など）である。[52]

量的と質的の区別は重要であり、両者は異なる可視化手法を要求する。

表とグラフ

情報表示の主要な二形態は、表とグラフである。

表は、行と列にカテゴリラベルを付して定量データを整理する。主として特定値の参照に用いられる。上の例でいえば、列ラベルには名前（質的変数）と年齢（量的変数）を置き、各行が一人のデータ（サンプル単位やカテゴリ下位集合）を表す。

グラフは、データ間の関係を示すことを主目的とし、線・棒・点などの視覚オブジェクトとして数値を符号化する。数値は一つ以上の座標軸に囲まれた領域内に表示され、座標軸は定量・カテゴリの尺度を与え、視覚オブジェクトに値を割り当てる。多くのグラフはチャートとも呼ばれる。[53]

エプラーとレングラーは、各種データ可視化手法を示す「可視化手法周期表」というインタラクティブなチャートを開発した。そこには以下の6種類の可視化手法が含まれる

  1. データ
  2. 情報
  3. 概念
  4. 戦略
  5. メタファー
  6. 複合[54]

タマラ・ムンズネール（英語版）は『可視化分析およびデザイン』で、「コンピュータによる可視化システムはデータセットの視覚表現を提供し、人々がタスクをより効果的に遂行できるように設計される」と述べる。ムンズネールは、可視化は「計算的意思決定で人間を置換するのではなく、人間の能力を拡張する必要があるときに適切である」と論じる。[55]

Remove ads

相互作用

相互作用データ可視化は、グラフ上で直接操作して要素を変更したり、複数のグラフを連携させたりできるようにする。[56]

相互作用データ可視化の追究は1960年代後半から統計学者の間で続けられており、その発展例はアメリカ統計学会のビデオ貸出ライブラリに見いだせる。[57]

一般的なインタラクションには以下が含まれる。

  • ブラッシング：マウスで筆を操るように、グラフ上の要素の色や説明を直接変更する。筆は単なるポインタのこともあれば、点の周囲に輪郭を描く形で機能することもある。ブラッシングは、複数グラフの相互リンク機能があるときに最もよく用いられる。ブラッシングにはいくつかの概念モデルと一般的なリンク機構がある。散布図のブラッシングは一時的に行うことができ、この場合、アクティブなグラフ内の点は筆が当たっている間だけ新しい見た目を保つ。あるいは持続的にもでき、筆を離しても新しい見た目を保持する。リンク付きブラッシングでは通常一時的な方式が選ばれる。
  • ペインティング：持続的ブラッシングは、点をクラスターにグループ化し、その後でツアー（多次元データの連続投影）などの操作でグループ間比較を行いたいときに有用である。近年では、持続的操作をペインティングと呼ぶ用法が一般化している。
  • 識別：リンク可能な別の操作である。散布図の点や辺、棒グラフの棒などにカーソルを近づけると、該当要素を識別するラベルが表示される。多くの相互作用グラフィックスで広く利用可能で、マウスオーバーとも呼ばれる。
  • スケーリング：データをウィンドウ上に写像する。表示領域やマッピング関数の範囲を変えることで、同じプロットから異なる知見を得られる。混み合った領域へのズーム、アスペクト比の変更による特徴の顕出などに用いる。
  • リンキング：あるグラフで選択した要素を、別のグラフの要素と結びつける。最も単純なのは一対一で、両グラフが同じデータの異なる射影を示し、片方の点がもう片方の点にちょうど一つ対応する場合である。面グラフでは、領域の一部をブラッシングすれば領域全体を選んだのと同じ効果になり、対応するカテゴリの全レコードを選択したことになる。いくつかのグラフ要素が一度に複数の事例を表していても、基礎のリンク規則は各事例を各グラフで同一の事例にリンクする。サブジェクトIDなどの質的変数でリンクさせ、その被験者に対応する全データ値を可視の全グラフでハイライトさせることもできる。
Remove ads

その他

データ・情報可視化のスコープにはさまざまな立場がある。よく見られるのは情報呈示であり、例えばフリードマン（2008） がこれに当たる。フレンドリー（2008） は、データ可視化を視覚化統計と主題図の二つに分ける。[58]この系譜で 『データ可視化：現代的手法』（2007） は、以下7つの主題を与える。[59]

  1. 記事とリソース
  2. 関係の可視化
  3. データの可視化
  4. ニュースの可視化
  5. ウェブサイトの可視化
  6. マインドマップ
  7. ツールとサービス

これらはグラフィックデザインおよび情報表現と密接に関係する。

計算機科学の視点では、フリッツポスト（2002） が分野を次のサブフィールドに分類した：[60][61]

  1. 情報可視化
  2. 相互作用技法とアーキテクチャ
  3. モデリング技法
  4. 多重解像手法
  5. 可視化アルゴリズムと技法
  6. ボリューム可視化

ハーバード・ビジネス・レビューでは スコット・ベリナートがデータ可視化のフレームワークを提示した。[62]

視覚的に考え始めるには二つの問いを考える必要がある。

  1. 何を持っているか
  2. 何をしようとしているか

まず、可視化したい対象がデータ（例：過去10年の利益）なのか、概念（例：組織構造）なのかを識別する。次に、自分が情報を伝達しようとしているのか（宣言）、何かを見いだそうとしているのか（探索）を定める。これらを組み合わせると、4種類の視覚コミュニケーションが得られる。[62]

  1. アイデアの図解（概念・宣言）[62]：教える・説明する・単純化する（例：組織図、意思決定木）
  2. アイデア創出（概念・探索）[62]：発見・イノベーション・問題解決（例：ブレインストーミング後のホワイトボード）
  3. ビジュアル・ディスカバリー（データ・探索）[62]：トレンドを見つけ、データの意味づけを行う。大規模・複雑で未知性が高く、タスクがオープンエンドなときに多い。
  4. 日常のデータ可視化（データ・宣言）[62]：文脈の設定や確認（例：GDPの時系列折れ線）。
Remove ads

応用

データ・情報可視化の洞察は、次の領域で応用されている：[63]

組織

この分野の著名な学術・産業ラボには次がある。

会議

データ可視化研究で重要度が高い会議は下記の通り。[64]

  • IEEE Visualization（英語版）：科学的可視化・情報可視化・ビジュアルアナリティクスに関する年次国際会議（通常10月開催）。
  • ACM SIGGRAPH（英語版）：コンピュータグラフィックスの年次国際会議（開催時期は年により異なる）。
  • 計算機システムにおける人間要素会議（英語版）：ジーグラフが開催するヒューマンコンピュータインタラクションの年次国際会議（通常4〜5月）。
  • ユーログラフィックス（英語版）：ヨーロッパのコンピュータグラフィックス学会による年次会議（通常4〜5月）。


関連項目

脚注

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads
Remove ads