1
Visualisation d’information interactive
Jean-Daniel Fekete & Frédéric Vernier
INRIA Futurs/LRI & LIMSI
Jean-Daniel.Fekete@inria.fr& Frederic.Vernier@limsi.fr
Visualisation
The eye…
the window of the soul, is the principal means by which the central sense can most completely and abundantly appreciate the infinite works of nature.
Leonardo da Vinci (1452 - 1519)
Augmenter la cognition
• La quantité de données croît de 30% par an depuis 1999 (SIMS, Berkeley)
• La quantité de données accessible a cru exponentiellement depuis 10 ans
Augmenter la cognition
Information Action/Perception Cognition
3
Stratégies pour
augmenter la cognition
Trois stratégies possibles : 1. Déléguer à l’ordinateur
(Intelligence Artificielle) 2. Créer des nouveaux canaux
(Implants/Symbiose)
3. Augmenter le débit des canaux (Interaction Homme-Machine)
Augmenter le débit change la nature de l’interaction
• Boucle de rétroaction (Wiener 48)
• Augmenter la vitesse = interaction
Action/réaction dans un délais bref
Utilisation de la mémoire à court terme
• Augmentation débit + vitesse
Visualisation : 3 domaines
Visualisation scientifique
Visualisation d’informatio
n Cartographie
•Communauté à part entière
•2000 ans d’histoire
•Sous communauté de l’Informatique Graphique
•20 ans d’histoire
•Sous communauté de l’Interaction Homme- Machine
•10 ans d’histoire
Visualisation : 3 disciplines
Informatique
Psychologie Design
•Algorithmes et structures de données
•Géométrie
•Infographie
•Perception
•Cognition
•Interaction
•Nouvelles représentation
•Communication
5
Visualisation d’information : Définition
• Utilisation de l’informatique graphique interactive pour représenter visuellement de données abstraites afin d’amplifier la cognition
Définition 2 / Objectifs
•
Représentation graphique compacte et interface utilisateur pour :
manipuler un grand nombre d’items (10
2- 106) éventuellement extraite d’une base de donnée plus grande
•
Permettant aux utilisateurs de
faire des découvertes
prendre des décisions, ou
trouver des explications
•
sur
des motifs (tendances, groupes, trous, points isolés)
des groupes d’items
des items individuels
•
Fouille de données visuelle
Données abstraites, généralement pas de représentation canonique
Centres de recherche principaux
• Xerox PARC
3-D cone trees, perspective wall, spiral calendar
table lens, hyperbolic trees, document lens, butterfly
• Univ. of Maryland
dynamic queries, range sliders, starfields, treemaps
zoombars, tight coupling, dynamic pruning, lifelines
• IBM Yorktown, AT&T-Lucent Technologies
• Georgia Tech, MIT Media Lab
• Univ. of Wisconsin, Minnesota, Calif-Berkeley
Le problème
Web, livres, articles données scientifiques prix, liste de personnes, Cours de la bourse Informations
Données
Humain
Transfert de données
Vision: 100 MB/s Audition: <100 b/s Télépathie
Haptique/tactile Odorat
Goût
Comment ?
7
Propriétés de la vision
• Sens ayant la plus grande bande passante
• Rapide, parallèle
• Reconnaissance de formes
• Pré-attentif
• Etend les capacités cognitives et mémorielles
(teste de multiplication)
• On pense visuellement
Super. Utilisons-la !
Utilisons la vision !
Utilisons la vision !
Trouvez le rectangle vert !
9
Perception préattentive (1)
Perception préattentive (2)
Perception préattentive
• Beaucoup de caractéristiques visuelles peuvent être perçues préattentivement :
Orientation de ligne/blob, longueur, épaisseur, taille, courbure, cardinalité, terminaisons, intersections, inclusion, teinte, clignotement, direction de mouvement, profondeur stéréoscopique, indices 3D, direction de l’éclairement
• Problèmes :
Les caractéristiques préattentive interfèrent entre elles
On pensait même que toutes les caractéristiques préattentives étaient incompatibles entre elles
Les caractéristiques sont préattentives dans certaines limites
7 couleurs max (Healey, 96)
2 ou 3 formes
Etc.
Perception préattentive (3)
11
Perception préattentive : théorie
• Notre système visuel de bas niveau (25 millions de cellules) fait de la reconnaissance de motif en parallèle en permanence
• Les caractéristiques préattentives sont reconnues à ce niveau
• Les autres nécessitent un parcours séquentiel !
• On a parfois besoin de données visuelles non préattentives
Labels/étiquettes sur les données
Représentations traditionnelles acceptables par les utilisateurs novices
• Excellents théories psychologiques
Information Visualization: Perception for Design de Colin Ware
• Besoin de conception et réalisation de techniques qui fonctionnent
Recours au designer / informaticien
• Les traitements informatiques automatiques peuvent-ils faire mieux ?
Pas toujours
Diagramme de
Hertzsprung Russell
Mouais, quel intérêt ?
La représentation est la clef !
13
Tufte et l’histoire de la graphique
Histoire
• Visualisation pour décrire (Tufte)
• Visualisation pour décider (Bertin)
• Visualisation sur écran
• Visualisation Interactive
Coupler visualisation, filtrage et sélection
Bertin et la
Sémiologie graphique
• Utilisation des propriétés rétiniennes (Bertin 67):
Spatial Objet
Support Position
Taille Niveau de gris Différen-
tiel Orientation Couleur
Texture
Forme
15
Visualisation interactive
Plus qu’un transfert
• Permet la perception de phénomènes de plus haut niveau
• Favorise la découverte Eclairage ( Insight )
Modèle fonctionnel de base
Données Visualisation
Projection visuelle
Interaction
17
Modèle complet (Ed. CHI)
Illustration de J. Heer Interaction
InfoVis Toolkit
Réutiliser / généraliser
www.lri.fr/~fekete/InfovisToolkit
• Construire des visualisations est difficile et long
• Composant pour la visualisation de :
Tables
Scatter plots, séries temporelles, coordonnées parallèles
Arbres
Treemaps, node-link diagrams, Icicle trees
Graphes
Matrices, node-link diagrams
• Plusieurs mécanismes sont génériques et peuvent être réutilisés avec toutes les représentations graphiques
Requêtes dynamiques
Fisheyes
Labels dynamiques
Toolkits
• Java
InfoVis (ivtk.sourceforge.net)
Prefuse (prefuse.org)
Improvise (
http://www.personal.psu.edu/cew15/improvise/)
GISToolkit ( http://gistoolkit.sourceforge.net/ )
• C++
Tulip (http://www.tulip-software.org/)
XmdvTool (http://davis.wpi.edu/~xmdv)
Techniques de visualisation
• Projection + représentation + interaction
• Dépend de la structure de données
1D - Linéaires
2D - Cartes
3D - Scènes
Multidimensionnelle
Temporelle
Arbres
Réseaux
Documents
Algorithmes
19
1D : Séries temporelles
1D : Diagrams en Arcs
(Watenberg03)
http://www.bewitched.com/Visualisation d’information : exemples
• Spotfire et les
requêtes dynamiques
• Smartmoney et la
carte du marché
boursier
21
Famille des techniques
• Orientées points
• Orientées lignes
• Orientées surfaces
• Remplissage de surface
Techniques par
remplissage de formes
• Seesoft/SeeSys
• Compus
• Treemap
• DBVis
Techniques d’interaction
• Data sliders
• Interfaces zoomables et navigation
• Déformation de l’espace et navigation
• Labeling
Domaines de recherche
• Nouvelles techniques de visualisation
• Nouvelles techniques d’agrégation
• Nouvelles techniques d’interaction
• Le 3D est-il utile à quelque chose ?
• Passage à l’échelle
• Animation
23
Co-citations en visualisation
(Börner 04)
Retombées industrielles (extraits)
•
Principales sociétés faisant des produits de visualisation d’information
ILOG (Discovery téléchargeable gratuitement)
Spotfire
AT&T (GraphViz)
IBM (DX explorer)
Microsoft
•
Sociétés utilisant journellement la visualisation d’information
NASA EOSDIS (portail accès aux données capteurs sur la Terre)
3M (analyse de composants chimiques)
SmartMoney (http://www.smartmoney.com/marketmap/)
ChevronTexaco (analyse de production pétrolière)
Bibliographie
• Readings in Information Visualization, Card, Mackinlay, Shneiderman, Morgan Kaufmann, 1999
• Information Visualization: Perception for Design, Colin Ware, Morgan Kaufmann, 2000 (2e édition prévue pour 2004)
• Sémiologie Graphique, Bertin, 1967, Réimpression EHESS 2000
• The Visual Display of Quantitative Data, Tufte, 1983, Cheshire, CT:
Graphics Press.
• otal.umd.edu/Olive
• http://www.csc.ncsu.edu/faculty/healey/PP/index.html
• Excentric Labeling: Dynamic Neighborhood Labeling for Data Visualization, Fekete, J.-D., Plaisant, C. Proceedings of the Conference on Human factors in Computer Systems (CHI'99), ACM , New York, pp. 512-519.
• Interactive Information Visualization of a Million Items, Fekete, J.-D., Plaisant, C., Proceedings of IEEE Symposium on Information Visualization 2002 (InfoVis 2002), Boston, USA, Octobre 2002.
• The Infovis Toolkit. http://www.lri.fr/~fekete/InfovisToolkit
