bölüm 14 bilgi araştırma ve görsellik

02/01/2014
BÖLÜM 14
BİLGİ ARAŞTIRMA VE
GÖRSELLEŞTİRME
Özgür Kayaş
2010639037
Giriş
Kullanıcılar, yapmak istedikleri araştırmaları dijital
kütüphanelerden ve mevcut veritabanları içerisindeki uygun
bilgi alanlarından gerçekleştirebiliyorlar.Bu araştırma
sırasındaki işlemleri görselleştirmek için kullanıcı arayüzleri
tasarlanmıştır.Kullanıcı
arayüzü
tasarımcıları,teknolojiyi
kullanarak bu araştırma ve görselleştirmenin gelişim sürecine
katkıda bulunmaya devam etmektedirler.
Bengü Yıldırım
2010639064
Bu bölümde hedef kitle; acemi kullanıcılar ve acemi
kullanıcılara kıyasla sisteme daha alışık olan kullanıcılardır.




Metinsel Dökümanlarda Araştırma
ve Veritabanı Sorgulama
Bu nedenle;konuyu daha iyi anlayabilmek için birkaç
terimin anlamına ihtiyacımız var.
Metinsel Döküman Kütüphaneleri: Verinin bulunduğu
kütüphane hakkındaki bilgileri içerir.Kütüphanenin ismi,yeri
gibi bilgiler.
Multimedya Döküman Kütüphaneleri:Resimlerin,taranmış
dökümanların,ses,video
ve
animasyonları
içeren
dökümanların toplandığı koleksiyondur.
Dijital Kütüphaneler:Tüm bilgilerin sadece dijital bir formatta
yer aldığı, bilginin kendisinin elektronik bellek ya da disk gibi
farklı bir depolama ortamında bulunduğu kütüphanelerdir.
Yapılandırılmış
veritabanı:Veri
tabanındaki
ilişkileri
tanımlamak için şemaları ve şemaların birbiriyle olan
bağlantılarının tanımlanmış olduğu veritabanıdır.
Örneğin;
Kullanıcı çeşitliliğinden dolayı
arayüzlerle başlamak önemlidir.
arama işlemine
basit
Buna ek olarak; bilgilerin çok olmasından dolayı,araştırılan
bilgiyle
ilgili
sonuçlara
hyperlink
aracılığıyla
ulaşılabilir.Hyperlink; bir resim yada yazının bir kısmı olup
bunlara tıklandığında başka bir internet sayfasına,resim,video
ya da görüntüye yönlendiren iletişim yoludur.

Hyperlink açıldığında daha detaylı bilgilere ulaşabileceğimiz
yeni bir siteye yönlendirildik.
1
02/01/2014
Bir araştırmanın başarısı, kullanıcıya ve karışıklıkların az
olmasına bağlıdır.Bu amaçla
tasarım uygulamalarını
düzenleyen, metin araştırmada açıklığı sağlayan 5 düzenleme
vardır.Bunlar;
Veritabanı araştırmaları, yapılandırılmış veritabanı
sisteminden yapılandırılmış sorgulama dili (Structured Query
Language-SQL) ile yapılmaktadır.
Örneğin;
1)Formülasyon
SELECT DOCUMENT
FROM JOURNAL-DB
WHERE (DATE>=2001 AND DATE<=2003)
AND(LANGUAGE=ENGLISH OR FRENCH)
AND(PUBLISHER=ASIST OR HFES OR ACM)
2)Olayın başlaması
3)Sonuçları gözden geçirme
4)Sadeleştirme
yazılan bu sorgu ile veritabanındaki dökümanlar arasından
istenen bilgi hızla seçilir.SQL kullanımı bu nedenle eğitim
gerektirmektedir.
1) Formülasyon
5)Kullanım
2)Olayın başlaması
Araştırma işlemini ifade eder.

Kütüphane ya da toplanmış veri koleksiyonlarındaki uygun
kaynaklara erişim sağlanır.

Kaynakları; yayınlanma yılı,dili
sınırlandırabilir.

Girilen ifadenin tanınmasına izin vererek araştırmayı
kolaylaştırır.

Alan(field) değerinden tam emin olunmadığı zamanlarda,
araştırma konusunun sistem tarafından kabul edilecek değişik
formları ile araştırmanın sınırlarının genişletilmesine izin
verir.

Örneğin; Telefonda bir tuşa basıyorsun o harfin içinde geçtiği
tüm ifadelerin sıralanması gibi
gibi özelliklerine göre
Olayın başlaması açık ya da üstü kapalı araştırma şeklinde
olabilir.
Açık araştırmada;
 Açıklamalar tutarlı etiketlerle sağlanmalı.
 Araştırmayı başlatacak bir buton olmalı.
 Bu butonun boyutu;rengi ve açıklamaları tutarlı olmalıdır.
Üstü kapalı araştırmada;
 Her bileşen ifade için değişen bir araştırma seti vardır.
3)Sonuçları gözden geçirme

Araştırma ile ilgili metinsel görüntünün oluşturulması ve
görselleştirme işlemi yapılır.

Sıralama kriterleri belirlenir.(Alfabetik,kronolojik gibi)

Sonuç kısmında neler gösterileceği ve boyutu ayarlanır.

Kullanıcıya araştırma ile ilgili açıklayıcı mesajlar gösterilir.
2
02/01/2014
4)Sadeleştirme

Anlamlı mesajları kullanarak,kullanıcı için ileri adım
sadeleştirmesi yapar.
Örneğin;aranan bir ifade ile ilgili olarak;”Bunu mu demek
istediniz “ şeklinde anlamlı mesajlar kullanılır.
5)Kullanım

İstatistiksel olarak aldığımız sonuçların, farklı programlarda
kullanılarak araştırma performansına katkı sağlanmasıdır.
Bu 5 yöntem tasarımcılar tarafından uygulanır.Böylece
kullanıcıların
yaptığı
araştırmaların
daha
görülebilir,anlaşılabilir ve kontrol edilebilir olması sağlanır.
Multimedya Dökümanlarında
Araştırma
Multimedya;metin, görüntü, grafik, çizim, ses,videolardan
birden fazlasının bir arada bulunduğu ortamdır.Multimedya
araştırması ise,multimedyanın bilgisayarda gösterilmesi,
dosyalarda saklanması, bilgisayar ağından iletilmesi ve sayısal
olarak işlenmesi ile ilgili bir kavramdır.
Multimedya araştırmaları;
1)Resim-Görsel Araştırma
2)Harita Araştırma
3)Tasarım Araştırma
4)Ses Araştırma
5)Video Araştırma şeklinde sınıflandırılabilir.
1)Resim-Görsel Araştırma

Görsellerin-fotoğrafların araştırılmasıdır.
Görsel araştırma motorlarına örnek olarak ;




Google images
oScope
Yometa
Spezify
gibi arama motorları verilebilir.

Örneğin Google images kullanarak görsel araştırma yapmak
için; aranacak görsel direkt olarak resimle, klavye yoluyla
girdiğimiz ifadelerle ya da ses ile de yapabilir.

Aramak istediğimiz görsel bilgisayarımızda olmayıp,internet
üzerinde yayınlanmış yani URL’si olan bir görsel ise;
3
02/01/2014

Eğer araştırmak istediğimiz görsel bilgisayarımzda var ise ;

Araştırdığımız görselin ne ile ilgili olduğu,adı,konumu ve
benzer bilgilerine ulaşılır.
Aramak
istediğimiz
görsel,
net
bir
ifadeyi
karşılamıyorsa;fotoğrafın içerik,renk gibi özelliklerine göre
benzer sonuçlar verecek şekilde araştırma sonuçlanır.

Görsel yükleyin seçeneği ile; görsel, bilgisayarda bulunduğu
konumdan seçilerek ortama aktarılır.

Bunlara ek olarak aradığımız görselle ilgili olarak metinsel
dökümanlara da ulaşabiliriz.
oScope görsel arama motorunda ise;
4
02/01/2014
Örneğin google maps aracılığıyla;
2)Harita Araştırma

İnternet üzerindeki haritalara erişim,yapılandırılmış veri
tabanlarından enlem boylam çözümlemesi yapılarak sağlanır.

Harita arama motorlarına örnek olarak;
google maps
bing maps
verilebilir.
Aranılan yerin harita üzerinden belirlenen bir başlangıç
noktasına göre yol tarifi alınabilir.
Empire State binasını arayalım.
Harita üzerinde aranacak yerle ilgili
olarak;trafik
yoğunluğu,toplu taşıma yolları,bisiklet için uygun yollar,hava
durumu,web kamerası fotoğrafları gibi ek özelliklere de
ulaşılabilir.
3)Tasarım Araştırma

Kullanıcıya sınırlı
seçenekler sunar.
bir
araştırma
kapasitesi

Tasarım arama motorlarına örnek olarak;
Google
DuckDuckgo
AltaVista
Yahoo
Bing örnek verilebilir.
içerisinden
5
02/01/2014
Örneğin İspanya’da Bilbao şehrindeki modern sanat müzesi
olan Guggenheim Müzesini DuckDuckGo arama motoru ile
arayalım.
Örneğin ses arama motoru SoundJax’te ses araştırması
yapabilmek için;
4)Ses Araştırma

Kullanıcıların müzik ya da ses içeriği ile sorgulama yapabildiği
araştırmalardır.

Kullanıcı sistemeden bilgiyi ses girdisi ile de
araştırabilir.Sistem bu girdiye karşılık olarak en çok benzeyen
ifadeleri aramanın sonucu olarak kullanıcıya döndürür.

Belirlenen kategorilerden biri seçilip arama yapıldığında çıkan
ekran ile aranılan ses,müzik bulunmuş olur.
Bazı arama motorlarında ise ses girişi seçeneği ile sesli
araştırma sağlanmaktadır.
6
02/01/2014
Ses girişi ile araştırmanın sonucu;
5)Video Araştırma

Bir video veya film araştırılırken,aranan video aslında
sahnelere ya da birbirini takip eden sahneler şeklinde
kesilmiştir.

Video arama motorlarından bazılarını;
Youtube
Dailymotion
Clip Blast
olarak örnek verebiliriz.
Örneğin Clip Blast’ta video araştırması yapılaırken;
Araştırmamızı daha da detaylandırmak istersek;
Video araştırmamızda youtube kullanalım.
Araştırmamızın konusunu değiştirdiğimizde içerikte
değişmektedir.
7
02/01/2014
İleri Düzeyde Filtreleme ve
Araştırma Arayüzleri

İleri düzeyde kullanım için alternatif sağlamak için;
1)Karmaşık Boolean Sorguları ile Filtreleme
2)Dinamik sorgular
1)Karmaşık Boolean Sorguları ile Filtreleme

“and(ve)” , “or(veya)” ifadelerinin boolean kullanımının
konuşma dili kullanımından farklı olmasıdır.

“and(ve)”
ifadesi
konuşma
dilinde
seçenekleri
genişletirken,boolean ifadelerde daraltıcı özelliğe sahiptir.

“or(veya)” ifadesi ise genişletici özelliğe sahiptir.
3)Yönlü Metadata(üstveri) Araştırması
4)İşbirliği yaparak filtreleme
5)Çoklu dil araştırması
6)Görsel Araştırma
2)Dinamik sorgular
3)Yönlü Üstveri(Metadata) Araştırma
Üstveri;oluşturulmuş

Belirlenmiş aralıktaki belirli bilgilerin,görsellerin buton
yardımıyla alınmasıdır.

Online veritabanlarında dinamik sorgular kullanılır.100
ms’den daha kısa sürede istenen verinin geri dönüşü sağlanır.

Yönlendirilebilen sorgulardır.
4)İşbirliği yaparak filtreleme

Geniş
bir
veritabanı
içinde
bulunan
öğelerin
değerlendirmelerinin birleştirilmesine yardımcı olur.

Kullanıcılar kişisel bilgileri ile sisteme giriş yapar ve ilgilendiği
öğe için oy kullanırlar, daha sonra kullanıcıların bilgileri
kullanılarak öğe üzerinde değerlendirme oranı yapılır.
bir
dosyanın
anlaşılması
ve
kullanılabilmesi için;içerikle birlikte,bu dosyanın adı,dosyayı
oluşturan kişi bilgisi, oluşturulma tarihi şeklinde basit
bilgilerden oluştuğu gibi,görüntülerin fikri hakları, kullanım
ücretleri ya da videolardaki seslerin yazıya dökülmüş
bölümleri gibi kompleks içeriklerden de oluşabilen bilgilerdir.
Yönlü üsteveri araştırması ise;
 Girilen bir anahtar kelime ile kategoriler taranır.
 Sorgulama işlemi önizlemeler şeklinde gerçekleştirilir.

Örneğin;
8
02/01/2014
5)Çoklu dil araştırması

6)Görsel Araştırma
Mevcut sistemler kullanıcının kendi dilinde araştırma
yapmasını sağlarken,çoklu dil araştırması ile özel sözlükler
kullanılarak daha hassas çeviriler elde edilir.
Örneğin Avrupa haritasından İspanya seçildiğinde
İspanyadaki şehirlere de ulaşılabildiği gibi diğer Akdeniz
ülkelerini de görebiliriz.

Aranan bilgilerin özelleştirilmiş görsel sunumlarıdır.
Örneğin; uçakta boş olan yerlerin gösterilmesi gibi.

Görselliğin daha değerli olduğu araştırma şeklidir.Görselliğe
bilgiden daha fazla ihtiyaç duyulduğunda kullanılır.Geri
bildirim hızlıdır.
Bilgi Görselleştirme
Bengü Yıldırım
2010639064

BİLGİ GÖRSELLEŞTİRME NEDİR?

•
Bilgi görselleştirme bilgiyi anlama seviyesini yükseltmek için soyut,
etkileşimli veri görsel temsillerinin kullanımı olarak tanımlanabilir.
•
‘Bir resim bin kelime değerindedir ‘.
•
Bir metin rapor ya da sözlü ifadelerdense bunun resim üzerinden
açıklanması, anlatılması insanlar üzerinde daha kalıcı etki bırakır.
•
Tasarımcılar kullanıcı kontrollü ,daha yararlı ,kalıcı bilgi sunmak ve
bilgileri işlemek için çalışmalar yapıyorlar. İşlemci hızları ve ekran
çözünürlüğü arttıkça bu gün geçtikçe daha üst seviyelere
taşınıyor.Görselleştirme arayüzü günümüzde her alanda
kullanılıyor.
•
Bilimsel görselleştirme ile bilgi görselleştirmeyi ayıran verilerin
soyut özelliğidir.
Bilgi görselleştirme: Soyut verilerdir. Metin ve coğrafi bilgi olarak ,
sayısal ve sayısal olmayan veriler içerir. Kategorik
değişkenler,modeller, kümeler, aykırılıklar ve eksiklikler keşfedilir.
Bilimsel görselleştirme: Somut verilerdir.Değerler sabittir, hacimler,
yüzeyler ele alınır.Bilimsel görselleştirme için, üç boyutlu
sorular(iç/dış,sağ/sol,yukarı/aşağı),değişkenler,birimler ve yüzeyler
gerekli.
Bilgi görselleştirme
Bilimsel görselleştirme
9
02/01/2014
Tarihi Gelişimi
Denis Diderot ve Jean le Rond d'Alembert
(1751)

Görselleştirmeyi ; insan bilgisinin bir taksonomisi(sınıflandırılması)
olarak görmüşler ve buna "İnsan Bilgisinin Figüratif Sistemi"
demişlerdir.

Bu yapı "Diderot ve d'Alembert ve ağacı" olarak bilinir.

İlk 3 dalının adını Bellek, Sebep ve Hayal koydukları bir tablo
yapmışlardır.İçindekiler tablosu olarak üretmişlerdir .Bunu
tarih,felsefe,şiir alanlarına ayırmışlar.
Edmund Cooper ve John Snow - Londra Kolera Haritası
(1854)





Kolera sulardan ve kanalizasyon sularının normal sulara
karışmasından doğan bir hastalıktır.Eylül 1854 yılında bir kolera
salgını Londra’da Broad Street ‘te görülmeye başlanıyor.
Edmund Cooper Büyükşehir Komisyonu’nda kanalizasyonlarda
görevli bir mühendisti . Kamudan şikayetler geliyor ve kolera
salgınının kanalizasyon ile bağlantılı olduğunu söylüyorlar.
Kolera ölümleri artmaya başlıyor ve Cooper Londra haritası
üzerinde bu ölümlerin yerlerini noktalar ile belirtiyor.
Kanalizasyon deliklerinin yerleri de saptanıyor ve bu deliklerin
ölümlerin olduğu adreslere yakın olmadığı anlaşılıyor.
Böylelikle Cooper suçsuzluklarını ispatlamış oluyor ve salgının
başka yerlerden taşındığı kanaatine varılıyor.
Temel Veri Tipleri
1 D lineer(doğrusal) veri
7 adet temel veri tipimiz mevcuttur.

1D lineer(doğrusal) veriler - (linear data)

2D harita verileri - (map data)

3D dünya verileri - (world data)

Çok Boyutlu veriler - (multidimensional data)

Zamansal (geçici) veriler - (temporal data)

Ağaç veriler - (tree data)

Ağ verileri - (network data)
Doğrusal veri türleri tek boyutlu olan verilerdir.Bunlar sıralı bir şekilde
organize edilebilir alfabetik listeler içerir.
Örneğin bir programın yeni sürümünün eski sürümüyle
karşılaştırılması,kod satırlarındaki değişikliklerin gösterilmesi bu veri türü
ile yapılabilir.
•
•
•
Program kaynak kodları
Metin Belgeleri, sözlükler
İsimleri metin belgesinde tutma
Tasarım konuları:
- Renkler, boyutları, düzen,kaydırma, seçim yöntemleri
• kullanıcı görevleri belirtme listeleri
•
•
•
program kaynak kodu
metinsel bilgi listeleri
10
02/01/2014
1D
1D
Bu şekil metin bilgi görselleştirilmesinin diğer bir örneğini gösterir.
Bu durumda renk kodu sürümleri arasındaki farklar gösterilmiş.
Renk kodlama sistemi hakkında bilgi sağlamak için kullanılmış bir görselleme.
SeeSoft bilgisayar programı ile 4.000 satır kodu gösterir.
Küçük tarayıcı penceresi, koda genel bakışı ayrıntılı pencerede gösterir. (Eick, 1998)
1D
1D
Alice Harikalar Diyarında örneği; tamamını bir yay olarak düşünüp başlangıç noktasını 12.00 alarak,
saat yönünde adımlarla ilerlenir.Burada en sık kullanılan kelimeleri görmek için ya da bir ögeyi tüm
özellikleri ile görmek için çalışmalar yapılmış. Kelimeler iç çerçevenin etrafındadır.Daha sık görünen
sözcükler parlaktır. Örneğin bir 'tavşan' kelimesi arandğında yeşil yay ile çizilmekte.
2D
2D harita verileri
•
•
•
Coğrafi haritalar, kat planları için idealdir.
Coğrafi Bilgi Sistemleri, mekansal görüntülerde sıkça kullanılır.
Yapılan 2 boyutlu gölgelendirmeler ya da belirtimler ile bitişik öğeleri
bulma kolaylığı sağlar.
NOAA Fırtına Tahmin Merkezi
11
02/01/2014
2D
2D
Almanya’nın 2D haritası
3D dünya verileri
Günümüzde çok fazla yaygınlaşmıştır.2D den farklı olarak hacimsel ilişki
söz konusu olur.
Gerçek dünya nesneleri, moleküller, binalar, karmaşık hacimsel ilişkiler
üzerinde etkin kullanım alanına sahiptir.

Kullanıcılar, nesneleri görüntülerken onların konumunu ve yönünü
anlamak zorundadır.

Bakış açılarıyla oynanabilmeli,görüntüler gerçeğe çok yakın
olmalı.Bunun içinde somut kullanıcı arayüzleri,gelişmiş 3D teknikleri
kullanılmalı.
Kullanıcılar yukarıda / aşağıda , iç / dış , sağ / sol ilişkilerine odaklanır
.
Üç boyutlu uygulamalar , kullanıcıların konum ve yönelimi ile başa
çıkmak zorundadır.



tıbbi görüntüleme

mimari çizimler
bilimsel simülasyonlar
kimyasal yapı modelleme



3D
konum, yönlendirme ve navigasyon ve bunun gibi birçok alanda
kullanılmakta.
3D
12
02/01/2014
3D
3D
Rüzgarın yön ve hız bilgilerinin o arazi üzerinde akışını gösteren 3d
gösterim.
Çok boyutlu veriler

N adet niteliği olan, n boyuta sahip verilerdir.

En yaygın kullanım alanları;
ThemeView ile temsil eden üç boyutlu gösterim.Yakınlık,benzer olanları gösterir.
Yüksekliği belge ve terimlerin frekans sayısını yansıtır.
M D
- İlişkisel, istatistiksel veriler üzerinde
-Arazilerde,arsalarda koordinat gösterimleri
-Metinsel olan çok nitelikli, ilişkili bilgiler

Çok boyutlu veriler üç boyutlu saçılım diyagramı ile temsil edilebilir, ancak
oryantasyon bozukluğu ve tıkanıklığı gibi sorunlar olabilir.
Guetamala’da hapishanedeki suçluların yaşları,cinsiyetleri,hangi yılda suç işledikleri,suçları,hangi uygulama
sisteminden ceza alacaklarını tutan bir excel dosyası.
M D
M D
yukarıdaki excel dosyasının spotfire ile görsellenmesi.
Satılık evlerin listesi görselleştirilmiştir.Fiyat,odaların
ayrıntıları,evlerin metre kareleri,bulundukları şehir,ayrıntılı adresleri
vs.bilgiler mevcuttur.(wwvv.inxight.com)
13
02/01/2014
M D
M D
Yıllara göre yeni doğan bebeklere verilen isimlerden ‘J’ harfi ile başlayanların
sayılarının,dağılımlarının görsellenmesi
M D
Bir çiftlikte yetişen ürünleri tutan çok boyutlu Excel dosyası.
M D
spotfire ile aynı Excel dosyasının görselleştirilmiş hali.
Temporal
Zamansal veri (geçici)



Zamana göre değişiklik gösteren verilerdir.
Olayların bir başlangıç ve bitiş zamanı vardır.
Periyodik olayların karşılaştırarak gözlemlenmesini de sağlar.

Bu tek boyutlu verilerden ayrı bir veri türü olarak alınır. Bir doğrusal veri
serisidir diyebiliriz . Birden fazla zaman serisi, birleşmiştir.

Geçici veri görselleştirme, video verileri düzenleme müzik bestelerinde
ya da Flash gibi animasyonlar hazırlamak için uygulamalara dahil edilir.
Örneğin ;
- Bir petrol kuyusunun durumuna göre borsa fiyatlarının
değişimi,elektrokardiyogram, hisse senedi fiyatları veya hava durumu
verileri.
-Zaman çizelgeleri (tıbbi kayıtlar, proje yönetimi, tarihi temsiller)
lifeLines (Plaisant et a1., 1998)
14
02/01/2014
Temporal
Temporal
Metropolitian müzesinin sanat tarihinin zaman çizelgesi
Ülkelerde meydana gelen olayların yıllara göre değişimleri
Tree
Ağaç veri
•
Belirli hiyerarşileri , ağaç yapısına birebir benzer öğeleri vardır.
•
Her öğe (kök hariç) bir üst öğe ile bağlantılıdır.
•
Ebeveyn ve çocuk ilişkisi mevcuttur.
•
Bu yapı borsada veri görselleştirme için,petrol üretimlerinin
izlenmesinde,elektronik ürün katalogları aranmasında birçok firma
tarafından kullanılmaktadır.
Bu şekil Explorer'dan alınan bir dizin listesini gösterir.
Tree
Tree
Düğüm yapısı
Kuruluş şeması (Card and Nation, 2002)
15
02/01/2014
Tree
Ağ verileri
Network
•
Bir öğe ağdaki diğer öğeler ile bağlantılıdır.
•
Öğeler arasındaki ilişkiler karmaşıktır ve çeşitli sayılarda ilişki olabilir.
•
Ağların pek çok özel çeşitleri vardır.Bunlardan bazıları çevrimsel
olmayan,kafes,yönlü,yönsüz .
•
Öğeleri arasındaki ilişkileri bir ağaç yapısı ile uygulanamadığı zamanlarda
seçilen yöntem genellikle budur.
•
Öğeleri bir ağ içinde diğer öğeler ile bağlantılıdır.
•
Kullanıcıların bu yapıdan talep ettikleri : 2 öğeyi bağlayan en kısa veya en
az maliyetli yolu hakkında bilgi almaktır.
Network
Bell Labs ağ veri gösterimi
Bu şekil internet ağında yönlendiricileri(routers) gösterir.
Network
Belirli bir düğümden geçen düğüm çiftleri arasındaki en kısa yol sayısının bulunması.
Network
Bu ABD, uzun mesafe telefon görüşmeleri için en yoğun kullanılan yolları gösteren bir başka figür
Sarmal gösterim
Bu da yine ABD uzun mesafe telefon görüşmeleri için en yoğun kullanılan yolları gösteren farklı bir figür – iğneli
gösterim.
16
02/01/2014
Network
Yedi temel görev

Genel bakış

Yakınlaştırma

Filtreleme

Ayrıntıları görme

İlişki kurma

Geçmişe dönme

Ayıklama
Ağ yapısında radyal bir gösterim
Yakınlaştırma
Genel Bakış
Kullanıcıların tüm koleksiyona bir bakış açısı kazanabilmesidir.Tüm
görevleri,yakınlaştırma araçlarını,kutuları,sekmeleri genel olarak
inceleyebilmesidir.


3 ile 30 arası yakınlaştırma faktörleri sağlayan,ayrıntıları,görünüm ve
içerikleri rahatlıkla seçebilecek nitelikte olmalıdır.


Bir diğer yaklaşım ise balık gözü stratejisidir.Balık gözü görünümü çoğu
zaman görüş açısı 100º nin üzerindeki geniş açılı (çok kısa odak
uzunluklu) objektiflere verilen genel addır. Bu objektiflerin kimileriyle
180º görüş açısı elde edilebilmektedir. Bu tür objektiflerin verdikleri
görüntüde ise aşırı bir görüntü bozulması (dairesel görüntü) söz
konusudur.Geniş kadrajlı alanların hepsinin tek karede görünmesini
sağlar bu nedenle görselleştirme uygulamalarında tercih edilmektedir.



Kullanıcıların ilgili öğeleri yakınlaştırabilmesi sağlanmalıdır.
Daha ayrıntılı bir görünüm sağlar.
Özellikle Küçük ve karmaşık ekranlar için önemlidir.
Yakınlaştırma yapılırken yakınlaştırılan noktanın etrafının
korunması çok önemlidir.
- Örneğin akıllı telefon üzerinde harita uygulaması.
Filtreleme

Kullanıcıların ayrıntılı görmek istediği kısımı diğer ögelerden
ayırarak görüntülemesidir. Bu sayede istediğimiz verileri görüntüler
istenmeyenleri de gizlemiş oluruz.

Kullanıcı arama boyutunu azaltır.
Hız sağlar.

Kullanıcı isteğine bağlı yakınlaştırma .
17
02/01/2014
Ayrıntıları görme(detaylandırma)

Kullanıcıların talepleri doğrultusunda bilgi almak için bir öğe veya grup
seçerek inceleyebilmesidir.

Genellikle ayrı bir pop-up penceresi ile üzerine tıklanan öge ayrıntılı
şekilde görüntülenir.
Excel dosyası üzerinde filtreleme örneği.
İlişki kurma


Öğeler arasındaki çift bağlantılı ilişkileri görüntülemektir.
Bu ilişkiler çeşitli yöntemlerle gösterilebilir .Bunlardan bir kaçı;Yakınlık,
çevreleme, bağlı çizgi, renk ile belirtme .
Örnek:


Yönetmen adlarının tutulduğu bir belgede o yönetmen ile tüm filmlerini
ilişkilendirmek.
Yaşam çizgileri örneğinde, kullanıcılar bir ilaç üzerinde tıkladığında ilaçla
ilgili notları veya test sonuçlarını görüntüler.
Geçmişe dönme
Kullanıcıların geri alma ve yeniden göndermelerini desteklemek için
geçmiş kayıtları tutulmalıdır.Eylemlerin tarihini tutmak ve kullanıcıların
adımlarını takip etmek gerekir.Ancak, çoğu ürünler bu gereksinimi
karşılayamamaktadır.Tasarımcılar bu sistemleri iyi şekilde yapmak için
aramaları sıraya koruyup, bu aramaları kombine veya rafine olarak
yapmalıdır.
18
02/01/2014
Ayıklama

Kullanıcılar istedikleri öğeleri diğer öğelerden bağımsız şekilde ayırıp
ayrı olarak inceleme fırsatına sahip olmalıdır.

Bu kullanıcılara karmaşık durumlarda daha ayrıntılı bir görüş ve diğer
öğeler ile karşılaştırma yapma imkanı sağlar.

Ayrıca ayıklanan öğeler kaydedilip ,elektronik posta ile gönderilebilinir
olursa bu tasarıma bir avantaj sağlamış olacaktır.
•
Bilgi görselleştirme için sorunlar



Büyük dosya sistemi : veri geniş hacimli görüntüleniyor.
Evrensel kullanılabilirlik sağlanması.
Veri ekleme ya da veri temizleme.
Kullanıcı hataları ile başa çıkabilme.
14112
•
Metinsel etiketlerle görsel temsilleri birleştirme.

Başarılı bilgi görselleştirme aracı her şartta iyi olmalı, gerçekçi
görevler için faydalar sağlamak zorundadır. Ayrıca farklı dilleri
konuşan ve engelli kullanıcılar için erişim sağlarken, platformlar,
ekran boyutları ve ağ bant genişliği de evrensel kullanılabilirlik
ilkelerini karşılamak için inşa edilmelidir. Bilgi görselleştirme
geliştikçe, bu alan için kurallar, ilkeler ve teoriler ortaya çıkacaktır.
14113
19
02/01/2014
Referanslar

Ahlberg, C. and Shneiderman, B., Visual information seeking: Tight coupling of dynamic query filters with
starfield displays, Proc. CHI '94 Conference: Human Factorsin Computing Systems, ACM, New York (1994), 313321 and color plates.

Amento, B., Terveen, L., and Hill, W., Does "authority" mean quality? Predicting expert quality ratings of web
documents, Proc. ACM SIGIR 2000 Conference, ACM, New York(2000),296-303.

Card, S., Mackinlay, J., and Shneiderman, B., RCildings in Information Visualization: UsingVision to Think, Morgan
Kaufmann Publishers, San Francisco, CA (1999).

Card, S., Information visualization, in Jacko, J. and Sears, A. (Editors), The HlImilllComputer Interaction Halldbook,
Lawrence Erlbaum Associates, Mahwah, NJ (2002),544-582.

Card, S. and Nation, D., Degree-of-interest trees: A component of attention-reactive user interface, Proc.
Advanced Visual Interface '02 (2002),231-245.

Chen, c., Information Visualisation and Virtual Environments, Springer-Verlag, Berlin, Germany (1999).

Andrienko, N., Andrienko, G., and Gatalsky, P., Exploratory spatia-temporal visualization:An analytical review,
Journal of Visual Languages and Computing, 14,6 (2003),503-541.

Chen, c., Mapping Scientific Frontiers: The Quest for Knowledge Visualisation, SpringerVerlag, Berlin, Germany
(2003).

Bederson, B. B., PhotoMesa: A zoomable image browser using quantum treemaps and bubblemaps, Proc. UIST
2001 Symposium on User Interface Software & Technology, ACM CHI Letters, 3, 2 (2001),71-80.

Cleveland, w., Visualizing Data, Hobart Press, Summit, NJ (993).

Bederson, B. B., Meyer, J., and Good, L., Jazz: An extensible zoomable user interface graphics toolkit in Java,
Proc. UlST 2000 Symposium 011 User Illterface Software & Technology, ACM CHI Letters, 2, 2 (2000), 171-180.

Doan, K., Plaisant, c., Shneiderman, B., and Bruns, T., Interface and data architecture for query preview in
networked information systems, ACM Tral1sactions on Information Systems, 17,3 (1999), 320-341.

Bederson, B. B. and Shneiderman, B., The Craft of Information Visualization: Readings andReflections, Morgan
Kaufmann Publishers, San Francisco, CA (2003).

Dodge, M. and Kitchin, R., Atlas of Cyberspace, Addison-Wesley, Reading, MA (2001).


Bederson, B. B., Shneiderman, B., and Wattenberg, M., Ordered and quantum treemaps: Making effective use of
2D space to display hierarchies, ACM TransactiO/IS on Graphics, 21, 4 (October 2002),833-854.
Doermann, D., The indexing and retrieval of document images: A survey, Computer Vision and Image
Understanding, 70, 3 (1998), 287-298.

Belkin, N. J. and Croft, B. W., Information filtering and information retrieval: Two sidesof the same coin?,
Communicatio/ls of the ACM. 35,12 (1992),29-38.
Dumais, S., Cutrell, E., and Chen, H., Optimizing search by showing results in context, Proc. CHI 2001 Conference:
Human Factors in Computing SHstems (2001), 277-284.

Dykes, J., MacEachren A. M., and Kraak, M. J. (Editors), Exploring Geovisllalization, Elsevier, Amsterdam, The
Netherlands (2004).

Eick, Stephen, Maintenance of large systems, in Stasko, John, Domingue, John, Brown, Marc H., and Price, Blaine
A. (Editors), Software Visualization: Programming as aMultimedia Experience, MIT Press, Cambridge, MA (I 998),
315-328.


Bertin, J., Semiology of Graphics, University of Wisconsin Press, Madison, WI (1983).

Borner, B. and Chen C. (Editors), VisualIllterfaces to Digital Libraries: Motiz'atioll. UtilizatiOIl, and Socio-Technical
Challenges (Lecture Notes in Computer Science, 2539), Springer-Verlag, London, U.K. (2003).

Brin S. and Page L., The anatomy of a largescale hypertextual web search engine, Proc.Seventh Illternational
World Wide Web Conference (1998),107-117.

Fayyad, U., Grinstein, G., and Wierse, A., Information Visualization in Data Mining and Knowledge Discovery,
Morgan Kaufmann Publishers, San Francisco, CA (2001).

Fekete, J.-D. and Plaisant, c., Excentric labeling: Dynamic neighborhood labeling for data visualization, Proc. CHI
'99 Confermce: Human Factors in Computing Systems, ACM, Ne\v York (1999), 512-519.

Koenemann, J. and Belkin, N., A case for interaction: A study of interactive information retrieval behavior and
effectiveness, Proe. CHI '96 Conference: Human Factors in Computing Systems, ACM, New York (1996),205-212.

Fekete, J.-D. and Plaisant, c., Interactive information visualization of a million items, Proc. IEEE Symposium 0/1
Information Visualization (2002), 117-124.


Friendly, M., Mosaic displays for multi-way contingency tables, Journal ofthe American Statistical Association,
89 (1994), 190-200.
Komlodi, A, The role of interaction histories in mental model building and knowledge sharing in the legal
domain, I-KNOW '02 2nd International Conference on Knowledge Management, Journal of Universal Computer
Science, 8,5 (2002),557-566.


Greene, S., Marchionini, G., Plaisant, c., and Shneiderman, B., Previews and overviews in digital libraries:
Designing surrogates to support visual information-seeking, Journal of the America11 Society for Information
Sciellce, 51,3 (March 2000), 380-393.
MacEachren, A, Dai, X., Hardisty, E, Guo, D., and Lengerich, G., Exploring high-D spaces with multiform matrices
and small multiples, Proc. IEEE Symposium on Information Visualization (2003),31-38.

Marchionini, Gary, Information Seeking in Electronic Environments, Cambridge University Press, Cambridge,UK
(1995).

Hearst, M., User interfaces and visualization, in Baeza-Yates, Ricardo and Ribeiro-Neto, Berthier (Editors),
Modem Information Retrieml, Addison-Wesley, Reading, MA (1999).

Munzner, T., Drawing Large Graphs with H3Viewer and Site Manager, Lecture Notes in Computer Science series,
Proceedings for the Symposium on Graph Drawing, GD '98, Montreal, Canada (1998).

Herman, I., Melan<;on, G., and Marshall, M. S., Graph visualization and navigation in information visualization:
Asurvey, IEEE Transactions on Visualization {llld ComputerGraphics, 6, 1 (2000l, 24-43.

North, c., Conklin, N., and Saini, v., Visualization schemas for flexible information visualization, Proc. IEEE
Symposium 011 Information Visualization (2002), 15-22.

Hochheiser, H. and Shneiderman, B., Dynamic query tools for time series data sets: Timebox widgets for
interactive exploration, IIlformati011 Visualizatioll, 3, 1 (2004,1-18).

Oard, D. W., Gonzalo, J., Sanderson, M., Lopez-Ostenero, E, and Wang, J., Interactive cross-language document
selection, Information Retrieval, special issue on results from the Cross-Language Evaluation Forum (2004).

Hornbaek, K., Bederson, B. B., and Plaisant, c., Navigation patterns and usability of zoomable user interfaces
with and without an owerview, ACM Transactions 011 CLl/11l'lItcr-HulIltlll lnten/ctio/I, 9, -4 (2002), 362-389.


Hovy, E. H, Ide, N., Frederking, R.E., Mariani, J., and Zampolli, A (Editors), Multilingual Information
Management, Giardini Editori e Stampatori, Pisa, Italy and Kluwer Academic Publishers, Dordecht, The
Netherlands (2001).
Pirolli, P., Schank, P., Hearst, M., and Diehl, c., ScatterI gather browsing communicates the topic structure of a
very large text collection, Proc. CHI '96 Conference: Human Factors in Computing Systems, ACM, New York
(1996),213-220.

Plaisant, c., Information visualization and the challenge of universal access, in Dynes, J., MacEachren, A. M., and
Kraak, M. J. (Editors), Exploring Geol'isualization, Elsevier Amsterdam, The Netherlands (2004).

Plaisant, c., Mushlin, R., Snyder, A, Li, J., Heller, D., and Shneiderman, B., lifelines: Using visualization to enhance
navigation and analysis of patient records, American Medical Informatics Association Annual Fall Symposium,
AMIA, Bethesda, MD (1998),76-80.

Plaisant, c., Grosjean, J., and Bederson, B. B. SpaceTree: Supporting exploration in large node link tree, design
evolution and empirical evaluation, Proe. IEEE Symposium 011 Information Visualization (2002), 57-64.

Hu, N. and Dannenberg, R., Music digital libraries: A comparison of melodic database retrieval techniques using
sung queries, Proc. 2nd ACMjIEEE-CS Taint Conference on Digital Libraries (2002), 301-307.

Inselberg, A, Multidimensional detective, Proc. IEEE Symposium on Information Visualization (October 1997),
100-107.

Keirn, D. A., Visual exploration of large data sets, Communications of the ACM, 44, 8 (August 2001), 38-44.

Reisner, P., Query languages, in Helander, M. (Editor), Handbook of Human-Computer Interaction, NorthHolland, Amsterdam, The Netherlands (988), 257-280.

Wakefield, G. and Bartsch, M., Where's Caruso? Singer identification by listener and machine, Cambridge Music
Processing Colloquium 2003 (2003).

Riedl, J., Konstan, J., and Vrooman, E., Word of Mouse: The Marketing Power of Collaborative Filtering, Warner
Business Books, New York (2002).

Ware, Colin, Information Visualization: Perception for Design: Second Edition, Morgan Kaufmann Publishers, San
Francisco, CA (2004).

Robertson, George G., Card, Stuart K., and Mackinlay, Jock D., Information visualization using 3-D interactive
animation, Communications of the ACM, 36, 4 (April 1993), 56-71.

Welty, c., Correcting user errors in SQL, International Journal of Man-Machine Studies, 22 (1985),463-477.

Wilkinson, L., The Grammar of Graphics (Statistics and Computing), Springer-Verlag, New York (1999).

Shneiderman, B., Dynamic queries for visual information seeking, IEEE Software, 11,6 (1994),70-77.


Shneiderman, 8., Byrd, D., and Croft, B., Clarifying search: A user-interface framework for text searches, D-LlB
Magazine of Digital Library Research (January 1997). Available at http://www.dlib.org/.
Williamson, C. and Shneiderman, B., The dynamic HomeFinder: Evaluating dynamic queries in a real-estate
information exploration system, Proc. ACM SIGIR '92 COllference. ACM, New York (1992),338-346.

Wise, J. A., Thomas, J., Pennock, K., Lantrip, D., Pottier, M., Schur, A., and Crow, V., Visualizing the non-visual:
Spatial analysis and interaction with information from text documents, Proc. JEEE Symposium on Jnjimnation
Visuali:ation. IEEE Computer Press, Los Alamitos, CA (1995), 51-58.

Wurman, Richard Saul.lntimnatioll Anxiety, Doubleday, New York (1989),

Yee, K.-P., Swearingen, K., Li, K., and Hearst, M., Faceted metadata for image search and browsing, Proc. CHI
2003 Conference: Human Factors in Computing Systems, ACM, New York (2003), 401-408.

Zhao, H., Plaisant, c., and Shneiderman, B., Improving accessibility and usability of geo-referenced statistical
data, Proc. 2003 National Conference on Digital Government Research (2003), 147-152 (available at
www.dgrc.org).

Shneiderman, B., Treemaps for space-constrained visualization of hierarchies, (2004). Available at
http://www.cs.umd.edu/hcil/treemap-history.

Silva, S. E, and Catarci, T., Visualization of linear time-oriented data: A survey, Proc. First International Conference
on Web Information Systems Engineering (WISE '00), IEEE Computer Society (2000), 310-319.

Spence, R., Information Visualisation, Addison-Wesley, Reading, MA (2001).

Stasko, John, Domingue, John, Brown, Marc H., and Price, Blaine A. (Editors), Software Visualization:
Programming as a Multimedia Experience, MIT Press, Cambridge, MA (1998).

Tanin, E., Lotem, A., Haddadin, 1., Shneiderman, B., Plaisant, c., and Slaughter, L., Facilitating network data
exploration with query previews: A study of user performanceand preference, Behaviour & Information
Technology, 19,6 (2000), 393-403.

Tufte, E., The Visual Display of Quantitative Information, Graphics Press, Cheshire, CTa(1983).

Tufte, E., Visual Explanations, Graphics Press, Cheshire, CT (1997).

Wactlar, H. D., Christel, M. G., Yihong G., and Hauptmann, A. G., Lessons learned from building a terabyte digital
video library, JEEE Computer, 32, 2 (1999),66-73.
20