Constructive Visualization

Samuel Huron

Résumé

During the past two decades, information visualisation (InfoVis) re- search has created new techniques and methods to support data- intensive analyses in science, industry and government. These have enabled a wide range of analyses tasks to be executed, with tasks varying in terms of the type and volume of data involved. However, the majority of this research has focused on static datasets, and the analysis and visualisation tasks tend to be carried out by trained expert users. In more recent years, social changes and technological advances have meant that data have become more and more dynamic, and are consumed by a wider audience. Examples of such dynamic data streams include e-mails, status updates, RSS 1 feeds, versioning systems, social networks and others. These new types of data are used by populations that are not specifically trained in information visualization. Some of these people might consist of casual users, while others might consist of people deeply involved with the data, but in both cases, they would not have received formal training in information visualization. For simplicity, throughout this dissertation, I refer to the people (casual users, novices, data experts) who have not been trained in information visualisation as non-experts. These social and technological changes have given rise to multiple challenges because most existing visualisation models and techniques are intended for experts, and assume static datasets. Few studies have been conducted that explore these challenges. In this dissertation, with my collaborators, I address the question: Can we empower non- experts in their use of visualisation by enabling them to contribute to data stream analysis as well as to create their own visualizations? The first step to answering this question is to determine whether people who are not trained in information visualisation and the data sciences can conduct useful dynamic analysis tasks using a visualisation system that is adapted to support their tasks. In the first part of this dissertation I focus on several scenarios and systems where different sized crowds of non-InfoVis experts users (20 to 300 and 2 000 to 700 000 people) use dynamic information visualisation to analyse dynamic data. Another important issue is the lack of generic design principles for the visual encoding of dynamic visualization. In this dissertation I design, define and explore a design space to represent dynamic data for non-experts. This design space is structured by visual tokens representing data items that provide the constructive material for the assembly over time of different visualizations, from classic represen- tations to new ones. To date, research on visual encoding has been focused on static datasets for specific tasks, leaving generic dynamic approaches unexplored and unexploited. In this thesis, I propose construction as a design paradigm for non- experts to author simple and dynamic visualizations. This paradigm is inspired by well-established developmental psychological theory as well as past and existing practices of visualisation authoring with tangible elements. I describe the simple conceptual components and processes underlying this paradigm, making it easier for the human computer interaction community to study and support this process for a wide range of visualizations. Finally, I use this paradigm and tangible tokens to study if and how non-experts are able to create, discuss and update their own visualizations. This study allows us to refine our previous model and provide a first exploration into how non-experts perform a visual mapping without software. In summary, this thesis contributes to the understanding of dynamic visualisation for non-expert users.

Durant les vingt derniére années, la recherche en visualisation d’information a créé de multiples techniques pour supporter les analy- ses de données pour la science, l’industrie et les gouvernements. Cela a permis à un grand nombre de tâches d’analyse d’être éxecutées, des tâches variant selon les types et les volumes de données impliqués. Cependant, la majorité de la recherche s’est concentrée sur des don- nées statiques, et les visualisations de données on tendances a être utilisées uniquement par des utilisateurs experts. Plus récemment, des changements sociaux, ainsi que des avancées technologiques ont produit des corpus de données des plus en plus dynamiques, et sont utilisés par une audience de plus en plus large. Un exemple de ce type de flux de données dynamiques inclu les e-mails, les mises à jour de statuts sociaux, les flux RSS 1, les systémes de versioning, les réseaux sociaux et bien d’autres. Ces nouveaux types de données sont utilisés par une population de personnes qui ne sont pas forcéement formées à la visualisation d’informations. Certaines de ces personnes peuvent être considér’ees comme des utilisateurs occasionnels, alors que d’autres peuvent être profondément impliqués avec les données. Dans ces deux cas, ces personnes n’ont pas reçu de formation formelle en visualisation d’information. Pour la simplicité, dans cette dissertation, je ferai référence à ces personnes (utilisateurs occasionnels, novices, experts des données) en utilisant le terme non-expert. Les changement sociaux et technologiques ont soulevé de multiples défis, d’autant plus que la pluspart des modÃ ́lles et techniques de visualisation ont été conu ̧ s pour des experts et des corpus de données statiques. Peu d’études ont été conduites qui explorent ces défis. Dans cette thèse, j’adresserai cette question: Peut-on autonomiser des non-experts dans leur utilisation de la visualisation afin de leur permettre de contribuer à l’analyse de données dynamiques autant qu’à la création de leur propre modéle de visualisation? Le premier pas pour répondre a cette question est de determiner si cette population non entrainée à la visualisation de données et la sciences des données, peut conduire des tâches utiles d’analyse de données dynamiques en utilisant des systémes de visualisation d’information adaptés. Dans cette premiére partie de la dissertation, je me suis concentré sur plusieurs scénarios et systémes où différentes tailles (de 20 a 300 puis de 2000 à 700 000) de population de non experts utilisent des visualisations d’informations dynamiques afin d’analyser des données dynamiques. Un second important probléme est le manque de principe de con- ception générique pour l’encodage visuel de visualisation dynamique. Dans cette dissertation je présente la conception, la définition et l’exploration d’un espace de design afin de représenter des données dynamiques pour non-experts. Cet espace de design est sructuré par des jetons visuels représentant des éléments de données, ces derniers sont le matériel de construction de base qui permet l’assemblage dans le temps de différentes visualisation, des plus classiques, aux plus innovantes. Jusqu’à nos jours, la recherche dans l’encodage visuel s’est majoritairement concentré sur des données statiques, pour des tâches spécifiques, laissant des approches génériques et dynamiques non explorées et non exploitées. Dans cette thèse, je propose la construction comme un nouveau paradigme de création de visualisation simple et dynamique a l’intention des population non expertes en infovis. Ce paradigme est inspiré par des théories établies en psychologie du développement autant que des pratiques passées et présentes de création de visualisation avec des objets tangibles. Je décris les composants conceptuels et les processus sous-jacents à ce paradigme. Ces description permettront de rendre plus facile l’étude et le support de ces processus pour un grand nom- bre de visualisations. Finalement, J’utiliser ce paradigme ainsi que des jetons tangibles afin d’étudier si et comment une population de non-experts créer des encodages visuels sans logiciel. En résumé cette thècontribue a la compréhention des visualisations dynamiques pour les utilisateurs non experts en infovis.

Constructive Visualization

LA VISUALIZATION CONSTRUCTIVE

Résumé

Mots clés

Domaines

Dates et versions

Identifiants

Citer

Exporter

Partager