Ростелеком ТВ 

Визуализация результатов экспериментальных исследований. Формализованные структурные диаграммы. Правильное использование графика

Визуализация информации

По сложившейся уже традиции, начнем с определœения.

Визуализация информации – представление информации в виде графиков, диаграмм, структурных схем, таблиц, карт и т.д.

ecsocman.edu.ru

Зачем визуализировать информацию? "Глупый вопрос!" – воскликнет читатель. Конечно же, текст с картинками воспринимается лучше, чем "серый" текст, а картинки с текстом воспринимаются еще лучше. Недаром всœе мы так любим комиксы – ведь они позволяют нам буквально схватывать информацию на лету, казалось бы, не прикладывая ни малейших умственных усилий! А вспомните, насколько хорошо запоминался вам во время учебы материал тех лекций, которые сопровождались слайдами!

Первое, что приходит нам в голову при слове "визуализация", - ϶ᴛᴏ графики и диаграммы (вот она, сила ассоциаций!). С другой стороны, визуализировать таким образом можно только числовые данные, никому еще не удавалось построить график на базе связного текста. Для текста мы можем построить план, выделить основные мысли (тезисы) – сделать краткий конспект. О недостатках и вреде конспектирования мы поговорим чуть позже, а сейчас скажем о том, что если объединить план и краткий конспект – "развесить" тезисы по ветвям дерева, структура которого соответствует структуре (плану) текста͵ – то мы получим отличную структурную схему текста͵ которая запомнится намного лучше, чем любой конспект. В этом случае ветви будут играть роль тех "треков" – дорожек, связывающих понятия и тезисы, о которых мы говорили ранее.

Помните, как мы строили UML-диаграммы на базе описания проектируемой программной системы, полученного от ее будущих пользователœей? Полученные картинки воспринимались и клиентами, и разработчиками намного проще и быстрее, чем текстовое описание. Точно так же можно "изобразить" абсолютно любой текст, не только техническое задание на разработку системы. Подход, описанный нами выше, позволяет визуально представить абсолютно любой текст – будь это сказка, техническое задание, лекция, фантастический роман или результаты совещания – в виде удобного и простого для восприятия дерева. Строить его можно как угодно – лишь бы получилась наглядная и понятная схема, которую хорошо бы еще проиллюстрировать подходящими по смыслу рисунками.

Такие схемы удобно применять и в общении при обсуждении каких-либо вопросов и проблем. Как показывает практика, отсутствие четких стандартов нотации не создает абсолютно никаких коммуникативных сложностей для участников обсуждений. Наоборот, использование невербальных форм представления информации позволяет концентрировать внимание именно на ключевых точках проблемы. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, визуализация является одним из наиболее перспективных направлений повышения эффективности анализа, представления, восприятия и понимания информации.

Ух, наконец-то мы покончили с нудным описанием научных теорий, методов и приемов, применяющихся для обработки, систематизации и визуализации информации! Предыдущая часть главы сильно утомила и автора, и читателœей, и тем не менее, она была необходима: в результате мы увидели, что особенности работы нашего мозга уже активно применяются учеными в самых разных областях науки, многие вещи, которые кажутся нам привычными, – персональные компьютеры, пользовательские интерфейсы, базы знаний и т.д. – изначально строились с учетом ассоциативного характера человеческого мышления и его склонности к иерархическому представлению и визуализации информации. Но вершиной и естественным графическим выражением мыслительных процессов человека является mind mapping, к обсуждению которого мы наконец-то переходим. А заодно попытаемся расширить наше понимание принципов визуального мышления.

Визуализация информации - понятие и виды. Классификация и особенности категории "Визуализация информации" 2017, 2018.

Данная статья написана представителем компании DevExpress и опубликована в блоге на ХабраХабре.

Медицинские исследователи установили, что если в инструкции к лекарству находится только текст, человек усваивает из нее лишь 70% информации. Если же в инструкцию добавить картинки, человек усвоит уже 95%.

Очевидно, что человек предрасположен обрабатывать именно визуальную информацию. Помимо прекрасной обработки нашим мозгом, визуализация данных имеет несколько преимуществ:

  • Акцентирование внимания на разных аспектах данных


С помощью графиков можно легко обратить внимание читателя на красные показатели.

  • Анализ большого набора данных со сложной структурой
  • Уменьшение информационной перегрузки человека и удерживание его внимания
  • Однозначность и ясность выводимых данных
  • Выделение взаимосвязей и отношений, содержащихся в информации


На графике легко можно заметить важные данные.

Эстетическая привлекательность


Эстетически привлекательные графики делают подачу данных эффектной и запоминающейся.

Эдвард Тафти, автор одних из лучших книг по визуализации, описывает ее как инструмент для показа данных; побуждения зрителя задуматься о сути, а не методологии; избежания искажения того, что должны сказать данные; отображения многих чисел на небольшом пространстве; показа большого набора данных связным и единым целым; побуждения зрителя сравнивать фрагменты данных; служения достаточно четким целям: описанию, исследованию, упорядочиванию или украшению ().

Как правильно использовать визуализацию данных?

Успех визуализации напрямую зависит от правильности ее применения, а именно от выбора типа графика, его верного использования и оформления.


60% успеха визуализации зависит от выбора типа графика, 30% - от его правильного использования и 10% - от его верного оформления.

Правильный тип графика

График позволяет выразить идею, которую несут данные, наиболее полно и точно, поэтому очень важно выбрать подходящий тип диаграммы. Выбор можно осуществить по алгоритму:

Цели визуализации - это реализация основной идеи информации, это то, ради чего нужно показать выбранные данные, какого эффекта нужно добиться - выявления отношений в информации, показа распределения данных, композиции или сравнения данных.


В первом ряду показаны графики с целями показа отношений на данных и распределения данных, а во втором ряду целями являются показ композиции и сравнения данных.

Отношения в данных - это то, как они зависят друг от друга, связь между ними. С помощью отношений можно выявить наличие или отсутствие зависимостей между переменными. Если основная идея информации содержит фразы «относится к», «снижается/повышается при», то нужно стремиться показать именно отношения в данных.
Распределение данных - то, как они располагаются относительно чего-либо, сколько объектов попадает в определенные последовательные области числовых значений. Основная идея при этом будет содержать фразы «в диапазоне от x до y», «концентрация», «частотность», «распределение».

Композиция данных - объединение данных с целью анализа общей картины в целом, сравнения компонентов, составляющих процент от некоего целого. Ключевыми фразами для композиции являются «составило x%», «доля», «процент от целого».

Сравнение данных - объединение данных, с целью сравнения некоторых показателей, выявление того, как объекты соотносятся друг с другом. Также это сравнение компонентов, изменяющихся с течением времени. Ключевые фразы для идеи при сравнении - «больше/меньше чем», «равно», «изменяется», «повышается/понижается».

После определения цели визуализации требуется определить тип данных. Они могут по своему типу и структуре быть очень разнородными, но в самом простом случае выделяют непрерывные числовые и временные данные, дискретные данные, географические и логические данные. Непрерывные числовые данные содержат в себе информацию зависимости одной числовой величины от другой, например графики функций, такой как y=2x. Непрерывные временные содержат в себе данные о событиях, происходящих на каком-либо промежутке времени, как график температуры, измеряемой каждый день. Дискретные данные могут содержать в себе зависимости категорийных величин, например график количества продаж товаров в разных магазинах. Географические данные содержат в себе различную информацию, связанную с местоположением, геологией и другими географическими показателями, яркий пример - это обычная географическая карта. Логические данные показывают логическое расположение компонентов относительно друг друга, например генеалогическое древо семьи.


Графики непрерывных числовых и временных данных, дискретных данных, географических и логических данных.

В зависимости от цели и данных можно выбрать наиболее подходящий им график. Лучше всего избегать разнообразия ради разнообразия и выбирать по принципу «чем проще, тем лучше». Только для специфичных данных использовать специфичные типы диаграмм, в остальных же случаях хорошо подойдут самые распространенные графики:

  • линейный (line)
  • с областями (area)
  • колонки и гистограммы (bar)
  • круговая диаграмма (pie, doughnut)
  • полярный график (radar)
  • точечный график (scatter, bubble)
  • карты (map)
  • деревья (tree, mental map, tree map)
  • временные диаграммы (time line, gantt, waterfall).

Линейные диаграммы, графики с областями и гистограммы могут содержать в одном аргументе для одной категории несколько значений, которые могут быть как абсолютными (тогда к таким видам графикам прибавляется приставка stacked), так и относительными (full stacked).


График со stacked значениями и с full stacked

При выборе подходящего графика можно руководствоваться следующей таблицей, составленной на основе этой диаграммы и :


Правильное использование графика

Важно не только верно выбрать тип графика, но и правильно его использовать:

  • Не нужно нагружать график большим количеством информации. Оптимальное количество разных типов данных, категорий - это не более 4-5, иначе же целесообразнее разделить такую диаграмму на несколько штук.


Такой график можно сравнить со спагетти и лучше разделить на несколько диаграмм.

Верно выбрать шкалу и ее масштаб для графика. Для гистограмм и графиков с областями предпочтительнее начинать шкалу значений с нуля. Постараться не использовать инвертированные шкалы - это очень часто вводит зрителя в заблуждение относительно данных.


Неверная шкала отрицательно влияет на восприятие данных. В первом случае некорректно выбран масштаб, во втором шкала инвертирована.

  • Для круговых диаграмм и графиков, где показан процент от общей доли, сумма значений всегда должна составлять 100%.
  • Для лучшего восприятия данных информацию на оси лучше упорядочить - либо по значениям, либо по алфавиту, либо по логическому смыслу.

Правильное оформление графика

Ничто так не радует глаз, как правильно оформленные графики, и ничто так не портит диаграммы, как наличие графического «мусора». Основные принципы оформления:

  • использовать палитры похожих, не ярких цветов, и постараться ограничиться набором из шести штук
  • вспомогательные и второстепенные линии должны быть простыми и не бросающимися в глаза


Вспомогательные линии на графике не должны отвлекать внимание от основной идеи данных.

  • там, где возможно, использовать только горизонтальные надписи на осях;
  • для графиков с областями предпочтительнее использовать цвет с прозрачностью;
  • для каждой категории на графике использовать свой цвет.

Выводы

Визуализация - мощный инструмент донесения мыслей и идей до конечного потребителя, помощник для восприятия и анализа данных. Но как и все инструменты, ее нужно применять в свое время и в своем месте. В противном случае информация может восприниматься медленно, а то и некорректно.


На графиках изображены одни и те же данные, слева показаны основные ошибки визуализации, а справа они исправлены.

При умелом применении визуализация данных позволяет сделать материал впечатляющим, нескучным и запоминающимся.

"Говорят, один рисунок стоит тысячи слов, и это действительно так, но при условии, что рисунок хороший." Боумена

С возрастанием количества накапливаемых данных, даже при использовании сколь угодно мощных и разносторонних алгоритмов Data Mining, становится все сложнее "переваривать" и интерпретировать полученные результаты. А, как известно, одно из положений Data Mining - поиск практически полезных закономерностей. Закономерность может стать практически полезной, только если ее можно осмыслить и понять.

В 1987 году по инициативе ACM SIGGRAPH IEEE Computer Society Technical Committee of Computer Graphics, в связи с необходимостью использования новых методов, средств и технологий данных, были сформулированы соответствующие задачи направления визуализации.

К способам визуального или графического представления данных относят графики, диаграммы, таблицы, отчеты, списки, структурные схемы, карты и т.д.

Визуализация традиционно рассматривалась как вспомогательное средство при анализе данных, однако сейчас все больше исследований говорит о ее самостоятельной роли.

Традиционные методы визуализации могут находить следующее применение:

∙ представлять пользователю информацию в наглядном виде;

∙ компактно описывать закономерности, присущие исходному набору данных;

∙ снижать размерность или сжимать информацию;

∙ восстанавливать пробелы в наборе данных;

∙ находить шумы и выбросы в наборе данных.

Визуализация инструментов Data Mining

Каждый из алгоритмов Data Mining использует определенный подход к визуализации. В предыдущих лекциях мы рассмотрели ряд методов Data Mining. В ходе использования каждого из методов, а точнее, его программной реализации, мы получали некие визуализаторы, при помощи которых нам удавалось интерпретировать результаты, полученные в результате работы соответствующих методов и алгоритмов.

∙ Для деревьев решений это визуализатор дерева решений, список правил, таблица сопряженности.

∙ Для нейронных сетей в зависимости от инструмента это может быть топология сети, график изменения величины ошибки, демонстрирующий процесс обучения.

∙ Для карт Кохонена: карты входов, выходов, другие специфические карты.

∙ Для линейной регрессии в качестве визуализатора выступает линия регрессии.

∙ Для кластеризации: дендрограммы, диаграммы рассеивания.

Диаграммы и графики рассеивания часто используются для оценки качества работы того или иного метода.

Все эти способы визуального представления или отображения данных могут выполнять одну из функций:

∙ являются иллюстрацией построения модели (например, представление структуры (графа) нейронной сети);

∙ помогают интерпретировать полученный результат;

∙ являются средством оценки качества построенной модели;

∙ сочетают перечисленные выше функции (дерево решений, дендрограмма).

Визуализация Data Mining моделей

Первая функция (иллюстрация построения модели), по сути, является визуализацией Data Mining модели. Существует много различных способов представления моделей, но графическое ее представление дает пользователю максимальную "ценность". Пользователь, в большинстве случаев, не является специалистом в моделировании, чаще всего он эксперт в своей предметной области. Поэтому модель Data Mining должна быть представлена на наиболее естественном для него языке или, хотя бы, содержать минимальное количество различных математических и технических элементов.

Таким образом, доступность является одной из основных характеристик модели Data Mining. Несмотря на это, существует и такой распространенный и наиболее простой способ представления модели, как "черный ящик". В этом случае пользователь не понимает поведения той модели, которой пользуется. Однако, несмотря на непонимание, он получает результат - выявленные закономерности. Классическим примером такой модели является модель нейронной сети.

Другой способ представления модели - представление ее в интуитивном, понятном виде. В этом случае пользователь действительно может понимать то, что происходит "внутри" модели. Таким образом, можно обеспечить его непосредственное участие в процессе.

Такие модели обеспечивают пользователю возможность обсуждать ее логику с коллегами, клиентами и другими пользователями, или объяснять ее.

Понимание модели ведет к пониманию ее содержания. В результате понимания возрастает доверие к модели. Классическим примером является дерево решений. Построенное дерево решений действительно улучшает понимание модели, т.е. используемого инструмента Data Mining.

Кроме понимания, такие модели обеспечивают пользователя возможностью взаимодействовать с моделью, задавать ей вопросы и получать ответы. Примером такого взаимодействия является средство "что, если". При помощи диалога "системапользователь" пользователь может получить понимание модели.

Теперь перейдем к функциям, которые помогают интерпретировать и оценить результаты построения Data Mining моделей. Это всевозможные графики, диаграммы, таблицы, списки и т.д.

Примерами средств визуализации, при помощи которых можно оценить качество модели, являются диаграмма рассеивания, таблица сопряженности, график изменения величины ошибки.

Диаграмма рассеивания представляет собой график отклонения значений, прогнозируемых при помощи модели, от реальных. Эти диаграммы используют для непрерывных величин. Визуальная оценка качества построенной модели возможна только по окончанию процесса построения модели.

Таблица сопряженности используется для оценки результатов классификации. Такие таблицы применяются для различных методов классификации. Они уже использовались нами в предыдущих лекциях. Оценка качества построенной модели возможно только по окончанию процесса построения модели.

График изменения величины ошибки . График демонстрирует изменение величины ошибки в процессе работы модели. Например, в процессе работы нейронных сетей пользователь может наблюдать за изменением ошибки на обучающем и тестовом множествах и остановить обучение для недопущения "переобучения" сети. Здесь оценка качества модели и его изменения может оцениваться непосредственно в процессе построения модели.

Примерами средств визуализации, которые помогают интерпретировать результат, являются: линия тренда в линейной регрессии, карты Кохонена, диаграмма рассеивания в кластерном анализе.

Методы визуализации

Методы визуализации, в зависимости от количества используемых измерений, принято классифицировать на две группы :

∙ представление данных в одном, двух и трех измерениях;

∙ представление данных в четырех и более измерениях.

Представление данных в одном, двух и трех измерениях

К этой группе методов относятся хорошо известные способы отображения информации, которые доступны для восприятия человеческим воображением. Практически любой современный инструмент Data Mining включает способы визуального представления из этой группы.

В соответствии с количеством измерений представления это могут быть следующие способы:

∙ одномерное (univariate) измерение, или 1-D;

∙ двумерное (bivariate) измерение, или 2-D;

∙ трехмерное или проекционное (projection) измерение, или 3-D.

Следует заметить, что наиболее естественно человеческий глаз воспринимает двухмерные представления информации.

При использовании двух- и трехмерного представления информации пользователь имеет возможность увидеть закономерности набора данных:

∙ его кластерную структуру и распределение объектов на классы (например, на диаграмме рассеивания);

∙ топологические особенности;

∙ наличие трендов;

∙ информацию о взаимном расположении данных;

∙ существование других зависимостей, присущих исследуемому набору данных.

Если набор данных имеет более трех измерений, то возможны такие варианты:

∙ использование многомерных методов представления информации (они рассмотрены ниже);

∙ снижение размерности до одно-, двухили трехмерного представления. Существуют различные способы снижения размерности, один из них - факторный анализ - был рассмотрен в одной из предыдущих лекций. Для снижения размерности и одновременного визуального представления информации на двумерной карте используются самоорганизующиеся карты Кохонена.

Представление данных в 4 + измерениях

Представления информации в четырехмерном и более измерениях недоступны для человеческого восприятия. Однако разработаны специальные методы для возможности отображения и восприятия человеком такой информации.

Наиболее известные способы многомерного представления информации:

∙ параллельные координаты;

∙ "лица Чернова";

∙ лепестковые диаграммы.

Параллельные координаты

В параллельных координатах переменные кодируются по горизонтали, вертикальная линия определяет значение переменной. Пример набора данных, представленного в декартовых координатах и параллельных координатах, дан на рис. 16.1 . Этот метод представления многомерных данных был изобретен Альфредом Инселбергом (Alfred Inselberg) в 1985 году.

ВИЗУАЛИЗАЦИЯ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

(Томск, Томский политехнический университет)

Введение. Область применения и возможности численного экспериментов растут вместе с развитием вычислительной техники. Увеличиваются сложности и многообразие решаемых задач. Огромный объём получаемой в ходе эксперимента информации требует адекватных способов её представления. Вместо массивов числовых данных и простых графиков всё шире используются наглядные визуальные образы, облегчающие полноценное и своевременное осмысление получаемых результатов.

Визуализация данных – задача, с которой сталкивается в своей работе любой исследователь. К задаче визуализации данных сводится проблема представления в наглядной форме данных эксперимента или результатов теоретического исследования. Традиционные инструменты в этой области – графики и диаграммы – плохо справляются с задачей визуализации, когда возникает необходимость изобразить более трех взаимосвязанных величин. С другой стороны, существует мощнейший инструмент изображения информации, привязанной к географической сетке координат. Это очень быстро развивающийся сегодня арсенал ГИС-технологий (ГИС – геоинформационные системы). К сожалению, как только исчезает подложка для изображения информационных слоев – географическая карта – все методы ГИС остаются не у дел.

Основные принципы визуализации информации. Для оптимального отображения информации в приводится ряд рекомендаций, которые могут быть использованы при разработке подсистем визуализации:

1. Состав и форма отображаемой информации, а также задачи и цели подсистемы визуализации определяются целями и задачами системы. В информационные модели должны быть представлены только те свойства отношения, связи управляемых объектов, которые существенны и имеют определенное функциональное значение. Объем, состав, форма предъявленной информации должна соответствовать как решаемым задачам, так и психофизиологическим возможностям человека.

2. Модель должна быть наглядной, т. е. оператор должен иметь возможность воспринимать сведения быстро и без кропотливого анализа. Таким образом, модель может давать наглядное представление о пространственном расположении объектов, что означает быть геометрически подобной их действительному расположению. В этом случае оператор будет иметь наглядное представление о таких свойствах управляемых объектов, как расстояние между ними, их принадлежность к какой-либо территориальной группе и т. п.

Достоинства наглядных моделей заключаются в том, что процесс восприятия такой же, как процесс восприятия реального объекта. Основная задача при разработке наглядных информационных моделей заключается в определении признаков, которые целесообразно отобразить наглядно и в допустимой степени схематизации. Но наглядность информационных моделей не всегда легко достижима, так как нередки случаи, когда объекты управления не обладают наглядными признаками. В этих случаях приходится решать задачи, близкие к тому, что в методологии науки определяется как визуализация понятий. Информационные модели, построенные по данному принципу, называются абстрактными, Достоинства абстрактных моделей заключается в том, что они отображают свойства объекта, которые недоступны непосредственному наблюдателю.

3. Достижением легкой воспринимаемости отображаемой информации обеспечивается правильной организацией ее структуры. Это означает, что в информационной модели должны быть представлены не коллекция или пара сведений, так или иначе упорядоченных, а находящиеся к определенном и очевидном взаимодействии. Одним из средств достижения оптимальной структуры является хорошая компоновка информационной модели. В этом смысле разработка отображения на экране представляет собой задачу в какой-то степени эквивалентную задаче хорошей компоновки картины.

4. Важнейшим психическим процессом при слежении за сложными динамическими образами является антиципация , т. е. возможность прогнозирования развития ситуации оператором, для обеспечения которой следует наглядно графически отображать изменения параметров. Данное положение обеспечивается, если при проектировании информационной модели предусмотрено:

Отображение конкретных изменений свойств элементов ситуации, которые происходят при их взаимодействии. В этих случаях изменения свойств отдельных элементов воспринимаются не изолированно, а в контексте ситуации в целом. Более того, изменение свойств одного элемента воспринимается как симптом изменения ситуации в: целом;

Отображение динамических отношений управляемых объектов. При этом связи и взаимодействия информационной модели должны отображаться в развитии;

Отображение конфликтных отношений, в которые вступают элементы ситуации.

5. Компоновка информации на экране должна учитывать, что горизонтальные движения глаз совершаются наиболее легко и быстро. Скорость движения глаз по кривым зависит от формы, и с помощью выбора формы можно варьировать время фиксации взгляда в той или иной области экрана. В местах расположения наиболее важных данных для процесса управления помещают структурные элементы, при движении по которым снижается скорость движения глаз.

Кодирование информации формой. Наиболее информативным обозначением тождественности информации является кодирование данных формой. Известно, что время декодирования и период латентной реакции на предметное изображение минимально по сравнению с другими методами кодирования (среднее время реакции на предмет – 0,4с, на цветное изображение – 0,9с, время фиксации взгляда па простых геометрических фигурах – 0,18мс, на буквах и цифрах – 0,3мс).

Основное значение при восприятии формы человеком имеет отношение "фигура-фон". Данное отношение имеет несколько видов описания:

Фигура имеет форму, фон относительно бесформен, фигура имеет характер вещи, фон же выглядит как неоформленный материал;

Фигура имеет, тенденцию выступать вперед, фон - отступать назад, фон кажется непрерывно продолжающимся позади фигуры;

Фигура производит большее впечатление, чем фон и легче запоминается.

В психологии эмпирически выявлены некоторые принципы организации поля сигналов, пользуясь которыми можно влиять на отношение "фигура-фон".

1. Чем меньшую замкнутую площадь занимает какая-либо конфигурация, тем больше тенденция именно этому изображению выступать в роли фигуры.

2. В качестве фигуры, прежде всего, выделяются замкнутые конфигурации.

3. Симметричные конфигурации легче воспринимаются как фигуры, чем конфигурации ассиметричные.

4. В том случае, когда поле изображения заполнено однородными элементами, фигуру образуют те из них, которые пространственно расположены ближе друг к другу.

5. Если поле изображения заполнено разнородными элементами, то фигура образуется, прежде всего, теми из них, которые имеют сходство по форме или цвету.

6. Если те или иные элементы перемещаются по полю изображения в одном направлении и с одинаковой скоростью, то именно они выделяются как фигура.

7. Если расположить часть элементов в определенном порядке, то можно создать у наблюдателя установку, которая повлияет на восприятие остальных элементов.

Решающий момент выделения фигуры из фона имеет восприятие контура. Именно восприятие контура обеспечивает возможность дифференцированного восприятия формы, известного единства строения, пропорций и взаимосвязи частей. При восприятии контура наиболее информативными являются точки, в которых происходит резкое изменение направления линий.

Чем сильнее контраст между фоном и фигурой, тем легче и быстрее происходит выделение фигуры. Контур любой фигуры - это комбинации элементарных форм: прямая линия, угол и т. д. Вырез в фигуре или контуре различается лучше, чем выступ. Достаточно хорошо глаз воспринимает также величины углов. Чем сложнее контур фигуры, чем больше информации получает при восприятии человек. Процент ошибки опознания для симметричных фигур меньше, чем для несимметричных. Но при этом необходимо учитывать, что на сложном фоне правильность опознании контуров уменьшается. При кодировании данных формой используются следующие типы или методы: числом точек, линий, величиной площади фигуры, пространственной конфигурации изображения.

Кодирование числом точек используется для обозначения числа объектов в группе или числа групп; при этом можно вместо точек использовать простые геометрические фигуры. Человек без счета может определить количество точек, расположенных в случайном порядке, если их не более пяти. Если же количество точек больше пяти, то число ошибок опознании резко увеличивается. Группировка точек в определенные схемы увеличивает точность оценки их количества. Если точки предъявляются на фоне других групп, сходных по структуре, то опознавание таких конфигураций резко понижается.

Размер или область, занятая какой-то конфигурацией, также может эффективно представлять значение данных, хотя подобно длине это плохая размерность стимула для кодирования тождественности данных. Эффективное разрешение при кодировании размером меньше, чем при кодировании длиной, потому что для кодирования размером требуется большая область отображения в пересчете ни единицу данных. Однако, такое кодирование оказывает большой психологический эффект. Достаточно хорошо идентифицируется 4-5 градаций фигур но площади. Использование изображений объемных тел нецелесообразно, так как при оценке величины человек обычно ориентируется на площадь фигуры, а не на ее объем. При сравнении с некоторыми эталонами, находящимися в информационном поле оператора, точность оценки величины площади фигуры резко возрастает. Кроме всего сказанного можно добавить, что само изменение площади фигуры несет в себе некоторую информацию, а размещение изображения в определенном месте поля зрения оператора может нести определенную смысловую нагрузку.

Представление информации в виде образов. Наиболее эффективным и несущим наибольший объем информации является представление данных в виде образов или картин. Восприятие человека устроено гак, что его мозг, взаимодействуя с внешним миром, воспринимая и осмысливая поступающую информацию, настраивается на определенные образы или эталоны, которые легко, без необходимого приспособления и тренировки, воспринимаются им и требуют дополнительного кодирования.

Основными преимуществами метода образного кодирования являются:

Возможность согласования большого потока информации с пропускной способностью сенсорных анализаторов человека;

Значительное сокращение объема ненужной информации;

Существенное снижение необходимости в априорных сведениях об изучаемом объекте;

Компактность в отношении занимаемой площади; .

Широкие возможности перестройки для обслуживания объектов различного назначения.

Поскольку человек - существо социальное, то наибольшее значение для него приобретают контакты с другими людьми. Это приводит к тому, что человек обучается распознавать огромное количество лиц. По выражению лица, мимике мы мгновенно определяем эмоциональнее состояние человека, но на ряду с основными эмоциональными состояниями мы различаем десятки их оттенков. Причем малейшие изменения. Этим определяется высокая информативность как самого лица, так и его выражения. Эта информативность лица передается в фотографиях, рисунках, карикатурах и т. д.

Анализ графической информации базируется на способности индивида интуитивно находить сходство и различия в объектах, при этом особенно хорошо запоминаются и распознаются черты лица. Указанные особенности человеческого восприятия эффективно используются в диаграммах "лица Чернова". Каждый объект представляет собой схематичное изображение лица, определенным чертам которого (ширине лица, длине носа, изгибу бровей, форме рта и т. д.) соответствуют относительные значения выбранных переменных (рис 1).

Рис.1. Примеры визуализации информации с помощью алгоритма Чернова.

Область применения системы лица разнообразна, но особенно перспективным является применение подобной системы для отображения медицинской информации, поскольку ряд физиологических характеристик человека непосредственно проявляется в чертах лица. Так по лицу можно с большой вероятностью правильно определить возраст человека, наличие избыточного веса, эмоциональное состояние, пол и т. п. Использование таких прямых ассоциаций резко сокращает время декодирования, т. е. перехода от изображения к исходному кодируемому значению параметра. Применение компьютерной графики, для синтеза изображения лиц из физиологических данных позволяет получать физиологический портрет испытуемого в прямом смысле этого слова.

Визуализация экспериментальных данных, представленных в виде числовых таблиц. В медико-психологических исследованиях результаты эксперимента часто представлены в виде числовых таблиц. Методы визуализации такого рода информации основаны, как правило, на переходе от многомерной к двумерной системе координат (метод главных компонент , методы структурного упорядочения, предложенные с соавторами ).

Рассмотрим алгоритм формирования координат объектов в методе начального упорядочения .

Для оценки рассогласования структур в RL и R2 вычисляется матрица взаимных расстояний dnk между элементами Xn и Xk из выборки X:

В n-й строке такой матрицы записаны расстояния от некоторого n-го элемента Xn до всех остальных (N-1) элементов множества https://pandia.ru/text/78/605/images/image004_27.gif" width="48" height="29 src="> до некоторого k-го элемента. Любую n-ю строку матрицы DN(X) можно рассматривать как результат упорядочения элементов относительно n-го элемента Xn путем отображения этого множества на числовую ось действительных чисел . Задавая на оси положение n-го элемента и принимая его за начало отсчета (точку Yn, координата которой на оси равна нулю), можно упорядочить образы выборки X на оси относительно n-го элемента, используя в качестве меры упорядочения расстояние от элемента Xn до всех остальных (N-1) элементов. Из точки Yn https://pandia.ru/text/78/605/images/image005_23.gif" width="23" height="24 src=">) построим перпендикулярно к оси другую числовую ось при этом k-й элемент выборки X расположим в точке пересечения осей https://pandia.ru/text/78/605/images/image008_14.gif" width="23" height="24 src=">.gif" width="48" height="29 src=">, подобно тому как это было осуществлено для оси . Координаты элементов на оси представляют собой расстояния от k-го элемента до всех остальных (N-1) элементов и позволяют судить о группируемости векторов около вектора Xk..gif" width="23" height="24 src="> определят некоторую псевдоплоскость . оценки и мониторинга психофизиологического состояния беременных женщин .

Эффективность данного метода зависит от “хорошего” выбора строк матрицы DN(X), который не должен быть совсем случаен. Выбор близких в RL элементов Xn и Xk в качестве центров упорядочения остальных (N-1) элементов на осях и нерационален, так как не дает существенно новой информации об упорядоченности выборки X, так что необходимо выбирать элементы X, относительно удаленные друг от друга. Поэтому в качестве центров упорядочения нами были выбраны «эталонный» объект и объект, имеющий наихудшие параметры (рис. 2).

Заключение. Суть приведенных методов - пути решения проблемы рационального обобщения и повышения наглядности отображаемой информации с целью создания оптимальных и комфортных условий труда оператора, с целью высвобождения его для решения задач высших уровней управления объектом или общей оценки задачи и условий функционирования на данном этапе принятия решений.

Результаты междисциплинарных исследований позволяют уверенно утверждать, что визуализация является одним из наиболее перспективных направлений повышения эффективности методов анализа и представления информации.

В работе представлены различные подходы к визуализации результатов экспериментальных социальных и медико-психологических исследований.

Работа выполнена при финансовой поддержке РГНФ (проект № в) и РФФИ (проект № а).

ЛИТЕРАТУРА

1. Зиновьев многомерных данных. - Красноярск: Изд. Красноярского государственного технического университета, 2000. - 180 с.

2. Современные методы представления и обработки биомедицинской информации: учебное пособие / Томский политехнический университет; Сибирский государственный медицинский университет; Под ред. ; . - Томск: Изд-во ТПУ, 2004. - 336 с.

3. , . Современные методы когнитивной визуализации многомерных данных - Томск: Некоммерческий фонд развития региональной энергетики, 2007. - 216 с.

4. , Эммануэль В. Информационные технологии в медико-биологических исследованиях. – СПб: Питер, 2003. – 528 с.

5. , . Аналитические исследования в медицине, биологии и экологии: учебное пособие - М. : Высшая школа, 2003. - 279 с.

6. , Шаропин система выявления групп риска среди беременных женщин //Информатика и системы управления, 2008, - № 2(16). - c. 22-23

Аннотация: В этой лекции мы рассмотрим такие вопросы: ассоциации как основа работы человеческого мозга, понятие о теориях обработки, систематизации и визуализации информации, Mind mapping и визуальное мышление.

Как уже говорилось выше, предметом этого курса является mind mapping – эффективная техника повышения персональной продуктивности. Но прежде чем обсуждать области применимости mind map "ов, правила их построения и типичные ошибки их использования, более того, прежде чем пытаться объяснить, что такое mind mapping вообще, нужно поговорить о визуальном (или радиантном) мышлении, воплощением и результатом которого являются mind map "ы.

Ассоциации как основа работы человеческого мозга

Вы когда-нибудь задумывались о том, на каких принципах основана работа тех сверхмощных компьютеров, которые каждый из нас носит внутри своего черепа? Готов держать пари – первая мысль, пришедшая в голову большинству читателей, была о микропроцессорах, лежащих в основе наших ноутбуков и рабочих станций. Однако смутные подозрения о несопоставимости "весовых категорий" кремниевого микрочипа и головного мозга все же не дают нам с уверенностью рассуждать о том, как все просто – двоичная арифметика, "есть импульс – нет импульса" и все такое. Да, как модель работы мозга двоичная машина вполне приемлема, но очень уж грубая это модель (мы же помним, что любая модель отражает только одно, наиболее важное в данном контексте свойство объекта, правда?). Как-то слишком примитивно получается – свести наше мышление к нулям и единичкам. А как же тогда объяснить тот каскад мелких воспоминаний – ощущений, цветов, запахов, идей, проносящихся перед нашим мысленным взором, когда мы о чем-то думаем? Многие из этих образов для большинства посторонних людей никак не связаны с предметом наших размышлений и значат что-то конкретное только для них, поскольку связаны с какими-то личными воспоминаниями и переживаниями. Позвольте себе подумать о чем-то и не придерживайтесь какого-то определенного направления мысли – вы будете удивлены тем, как быстро и далеко вы уйдете от первоначальной темы размышлений: сменяющиеся образы, связанные, как звенья одной цепи, вытаскивая друг друга из закромов памяти, быстро уведут вас от объекта, о котором вы подумали. Конечно, можно попытаться объяснить подобное поведение нашего мозга тем, что он просто отрабатывает гениально сложную разветвленную программу обработки информации с учетом данных, уже хранящихся в памяти, но все далеко не так просто.

Любая информация , поступающая в наш мозг (неважно, что это – прикосновение, вкус, запах, цвет, звук), вытаскивает за собой на свет Божий массу мелких воспоминаний, мыслей и ощущений, подобно тому, как от упавшего в пруд камня расходятся по поверхности воды концентрические круги. А каждое из этих воспоминаний тянет за собой массу других, которые, в свою очередь , вызывают к жизни все новые и новые образы, мысли или идеи. Да, я понимаю, что уже немного утомил читателя своими пространными рассуждениями. А суть их состояла в том, что единички и нолики, возможно хороши для того, чтобы объяснить, как работает наш мозг на "физическом уровне", но если речь идет о принципах его работы , то следует говорить не о битах, а об ассоциациях как минимальных единицах обработки информации человеческим мозгом . Помните понятие лексемы как минимальной единицы языка, имеющей самостоятельный смысл? Так вот, в том языке, на котором "говорит" наш мозг, такими лексемами являются ассоциации. Что же такое ассоциация ?

Ассоциация :

  • в физиологии – образование временной связи между индифферентными раздражителями в результате их многократного сочетания по времени;
  • в психологии – закономерная связь между отдельными событиями, фактами, предметами или явлениями, отраженными в сознании и закрепленными в памяти.

При наличии ассоциативной связи между психическими явлениями A и B возникновение в сознании человека явления A закономерным образом влечет появление в сознании явления B.

Итак, каждая ассоциация связана с огромным числом новых ассоциаций, которые, в свою очередь , связаны с новыми и новыми понятиями. Таким образом, мышление можно представить в виде сложного ассоциативного алгоритма, своего рода слалома по ветвям дерева ассоциаций, расходящимся от ствола – основной мысли. В свое время профессор Анохин (http://ru.wikipedia.org/wiki/Анохин,_Пётр_Кузьмич) говорил, что возможности мозга по формированию ассоциативных связей намного превосходят его возможности по хранению информации. Что же касается информационной емкости мозга, то она тоже весьма впечатляет – доктор Марк Розенцвейг (http://en.wikipedia.org/wiki/Mark_Rosenzweig) писал, что даже в том случае, если бы человек запоминал 10 единиц информации ( слово , изображение или другое элементарное впечатление) каждую секунду в течение 100 лет, заполнить удалось бы менее одной десятой суммарного объема человеческой памяти. И сколько бы таких единиц информации ни хранилось у нас в голове, количество ассоциаций, связанных с ними, еще на несколько порядков выше! Потенциал человеческого мозга, связанный с созданием ассоциаций, поистине безграничен: все наши идеи, воспоминания и ощущения хранятся у нас в голове в виде своеобразных "треков" – извилистых ветвящихся дорожек, связывающих их с другими нашими мыслями.

Вот пример того, что обычно творится у нас в голове:

Не правда ли, весьма знакомая картина?

Таким образом, в основе работы нашего мозга лежат два важнейших принципа.

  • Ассоциативное мышление – связь каждого воспоминания с массой других образов, и именно об этом принципе мы с вами говорили последние десять минут.
  • Иерархия понятий – в каждом таком ассоциативном "треке" один из образов является главным (корневым), от которого расходятся ветви-дорожки к другим понятиям, идеям, воспоминаниям. В результате мы получаем некое дерево (или граф) образов, связанных с исходным понятием.

Если же постараться объединить эти два принципа (которые работают в комплексе, дополняя друг друга), то следует сказать о так называемом радиантном , или визуальном , мышлении . О нем мы поговорим в этой же лекции, но чуть позже. А пока постараемся разобраться в том, какие же теории обработки, систематизации и визуализации информации существуют в данный момент, и не имеют ли они каких-то общих черт с описанными нами выше принципами работы человеческого мозга.

Понятие о теориях обработки, систематизации и визуализации информации

Cуществующие теории обработки информации

Начнем с определений.

Обработка информации – любое преобразование информации из одного вида в другой, производимое по строгим формальным правилам.

Теория обработки информации (information-processing theory) – направление научного знания, изучающее то, как люди обращаются с информацией, отбирают и усваивают ее, а затем используют в процессе принятия решений и управления своим поведением.

Теории обработки информации применяются при изучении восприятия, памяти, внимания, речи, мышления и решения задач экспериментальной психологии. В свою очередь, большой вклад в развитие упомянутых теорий внесли математическая логика, техника связи, теория информации и теория вычислительных систем. Почему же мы говорим "теории" – во множественном числе? Дело в том, что на самом деле следует говорить о целом семействе абсолютно разрозненных теоретических и исследовательских программ. Естественно, как и в любом научном сообществе, согласия между исследователями нет и в помине – мнения ученых сходятся лишь в некоторых исходных посылках, теории и методологии исследований. В рамках упомянутого семейства можно выделить такие широко известные в узких кругах подходы, как трансформационная лингвистика (http://ru.wikipedia.org/wiki/Генеративная_лингвистика), психология Пиаже (http://www.gumer.info/bibliotek_Buks/Psihol/Jaroschev/11.php) и радикальный бихевиоризм. Бихевиоризм, в частности, занимался изучением поведения животных и активно распространял свои принципы на все области психологии. Однако возникли некоторые трудности при попытке распространить теорию и методы бихевиоризма на символические процессы человека, в частности, на языковые способности. Когда разочарование ученых в привычных методах стало всеобщим, исследователи-психологи обратились к другим теориям, в результате чего о бихевиоризме почти забыли. Тем не менее, ученые, развивающие теории обработки информации, разделяют со своими предшественниками-бихевиористами веру в эмпиризм, операционализм и т.п. Да, психологи отказались от распространения на людей выводов, полученных вследствие экспериментов с животными, и от объяснения видимого поведения индивидов внешними причинами, в частности, влияниями окружающей среды. В то же время общая методология и статистические методы обработки результатов экспериментов остались прежними – просто животных в качестве испытуемых сменили люди. Ученая братия вновь признала существование врожденных способностей и начала активно обсуждать такие внутренние процессы, как планы, стратегии, образы, решения и ассоциации .

ХХ век ознаменовался бурным развитием технологий связи – телефонии, радио и телевидения. Очень показательной была продемонстрированная психологами аналогия между обработкой информации человеческим мозгом и работой описанного в теории связи информационного канала. Большую роль в создании математической теории информации и переносе понятий теории связи на работу человеческого мозга сыграли исследования Клода Шеннона (знакомое имя, не правда ли?). Созданная им теория описывает передачу сообщений любой природы от любого источника любому получателю, в том числе и передачу сигналов внутри человеческого мозга.

Но вспомним еще об одном непонятном названии, упомянутом нами в начале этого раздела, – трансформационной лингвистике. В свое время Ноам Хомский (http://ru.wikipedia.org/wiki/Хомский,_Ноам) утверждал, что человеческий язык невозможно научно объяснить с позиций бихевиоризма. Он настаивал на том, что этот подход абсолютно неправильно представляет природу языка, игнорируя его структуру, правила и грамматику. Взамен этого он говорил о "правилах в голове" человека, позволяющих преобразовать (трансформировать) передаваемую информацию – разбить ее на смысловые единицы (слова) и связать эти единицы между собой. Отойдя от бихевиоризма, новая парадигма обработки информации в поисках идей все больше склонялась к лингвистике. Вот и современные исследователи стремятся обнаружить психологические процессы или умственные операции, которые лежат в основе языковой активности. Активно изучаются такие виды когнитивной активности, как восприятие, память, мышление и понимание. И понятие ассоциации опять не осталось в стороне.

Что же касается теории вычислительных систем, то за этим названием также скрывается целый выводок абсолютно разношерстных дисциплин. Сюда входят теория алгоритмов, численные методы, теория конечных автоматов, языки программирования, теория искусственного интеллекта и многое другое… И это не единственная черта, которая роднит теорию вычислительных систем с психологией обработки информации, – оба направления выросли из математической логики, оба занимались изучением природы разумного поведения, а появление вычислительных машин и развитие принципов, на которых они строились, привело к возникновению еще одной аналогии человеческих психических и интеллектуальных способностей. Машинные модели помогли в изучении мышления и в особенности – процесса решения задач. Отталкиваясь от этой аналогии, психологи пытаются объяснить, каким образом мозг получает информацию, перекодирует и сохраняет ее в памяти, каким образом он затем использует ее для принятия решений и управления поведением. Конечно, полного соответствия между работой мозга и компьютера нет и быть не может, но все же ученым удалось создать стройную концепцию, способную объяснить, каким образом интеллектуальная система – будь это человек или некое устройство – создает новые знания. Догадайтесь, какое понятие играет тут важнейшую роль? Да, конечно, вы правы – это понятие ассоциации !

Систематизация и структурирование информации

Итак, с обработкой информации мы разобрались, перейдем теперь к систематизации. Конечно, мы не забываем о том, что систематизация информации – это составная часть алгоритма обработки информации, некий его этап, но все равно, об этом этапе нужно сказать отдельно. Как всегда, сначала обратимся к определению:

Систематизировать – распределить элементы информации по признакам родства, сходства, т. е. классифицировать и типизировать их.

Мозг человека (в контексте процессов восприятия, запоминания, преобразования информации и т.п.) работает именно с систематизированной информацией. Например, процесс запоминания проходит намного эффективнее, если человеку удается рационально структурировать получаемую информацию, разложить по полочкам, как говорят в народе. В коммуникативных процессах (помните, мы говорили о языке и лингвистике?) систематизированное представление передаваемой информации также играет важную роль. Систематизация и структурирование информации – важнейшие психологические механизмы, благодаря которым человеческий мозг может эффективно обрабатывать большие потоки информации.

Стремление к целостному охвату объекта изучения, к систематизации знаний свойственно любому процессу познания. Многие исследователи отмечали, что процесс работы мозга над проблемой идет от осознания свойств, характеристик и функций объекта изучения к поиску недостающих структурных элементов, связей и отношений между ними. А если овладеть системным подходом и развить свое умение систематизировать и структурировать информацию, можно помочь мозгу работать эффективнее в процессе учебы и при решении профессиональных задач.

Структуры данных бывают разные – линейные (список), табличные, иерархические (дерево). Деревья (графы) понятий, построенные на основе ассоциативных связей, – наиболее естественный для нашего мозга способ представления (структурирования) данных (хотя, строго говоря, не следует путать ассоциативные и классификационные отношения). Вспомним о визуальном мышлении? Кстати, раз уж мы заговорили о деревьях, то нам пора плавно перейти к рассмотрению вопроса о визуализации информации. Но прежде отметим, что существует целое направление научного знания, изучающее методы и приемы структурирования информации, которое называется информационной архитектурой . Классики говорят, что

информационная архитектура – как наука занимается принципами систематизации информации и навигации по ней с целью помочь людям более успешно находить и обрабатывать нужные им данные.

Первое, что приходит нам в голову при слове "визуализация", – это графики и диаграммы (вот она, сила ассоциаций!). С другой стороны, визуализировать таким образом можно только числовые данные, никому еще не удавалось построить график на основе связного текста. Для текста мы можем построить план, выделить основные мысли (тезисы) – сделать краткий конспект. О недостатках и вреде конспектирования мы поговорим чуть позже, а сейчас скажем о том, что если объединить план и краткий конспект – "развесить" тезисы по ветвям дерева, структура которого соответствует структуре (плану) текста, – то мы получим отличную структурную схему текста, которая запомнится намного лучше, чем любой конспект. В этом случае ветви будут играть роль тех "треков" – дорожек, связывающих понятия и тезисы, о которых мы говорили ранее.

Помните, как мы строили UML-диаграммы на основе описания проектируемой программной системы, полученного от ее будущих пользователей? Полученные картинки воспринимались и клиентами, и разработчиками намного проще и быстрее, чем текстовое описание. Точно так же можно "изобразить" абсолютно любой текст, не только техническое задание на разработку системы. Подход, описанный нами выше, позволяет визуально представить абсолютно любой текст – будь это сказка, техническое задание, лекция, фантастический роман или результаты совещания – в виде удобного и простого для восприятия дерева. Строить его можно как угодно – лишь бы получилась наглядная и понятная схема, которую хорошо бы еще проиллюстрировать подходящими по смыслу рисунками.

Такие схемы удобно применять и в общении при обсуждении каких-либо вопросов и проблем. Как показывает практика, отсутствие четких стандартов нотации не создает абсолютно никаких коммуникативных сложностей для участников обсуждений. Наоборот, использование невербальных форм представления информации позволяет концентрировать внимание именно на ключевых точках проблемы. Таким образом, визуализация является одним из наиболее перспективных направлений повышения эффективности анализа, представления, восприятия и понимания информации.

Ух, наконец-то мы покончили с нудным описанием научных теорий, методов и приемов, применяющихся для обработки, систематизации и визуализации информации! Предыдущая часть главы сильно утомила и автора, и читателей, и тем не менее, она была необходима: в результате мы увидели, что особенности работы нашего мозга уже активно применяются учеными в самых разных областях науки, многие вещи, которые кажутся нам привычными, – персональные компьютеры, пользовательские интерфейсы, базы знаний и т.д. – изначально строились с учетом ассоциативного характера человеческого мышления и его склонности к иерархическому представлению и визуализации информации. Но вершиной и естественным графическим выражением мыслительных процессов человека является mind mapping, к обсуждению которого мы наконец-то переходим. А заодно попытаемся расширить наше понимание принципов визуального мышления.