lignes directrices pour la création de visualisations interactives pour l'exploration des ensembles de données?
Quelqu'un connaît-il des directives pour créer des visualisations interactives pour l'exploration des ensembles de données?
Je peux trouver beaucoup d'informations sur les raisons pour lesquelles des instances particulières sont bonnes ou mauvaises, mais le processus de conception réel de la conception d'une visualisation interactive semble être un art noir.
Votre objectif n'est pas de créer "une visualisation d'informations", mais plutôt d'aider vos utilisateurs à accomplir certaines tâches ou à atteindre certains objectifs. La conception d'une visualisation d'informations dépend de ce que vous voulez que vos utilisateurs fassent avec la visualisation.
(Cela peut être la raison pour laquelle les cas que vous avez lus portent sur la question de savoir si les outils sont "bons ou mauvais". La visualisation existe pour aider les utilisateurs, pas pour exister par elle-même, et donc l'évaluation et la conception d'un ne peuvent pas vraiment être séparées de ce qu'il est censé faire.)
Le design n'est pas un art noir: c'est un art grisâtre que vous pouvez découvrir et pratiquer. Il existe de nombreuses façons de connaître vos utilisateurs, de savoir ce qu'ils veulent faire (et comment ils le font déjà ou ne le font pas) et de tester la meilleure façon de les aider. Que vous utilisiez l'analyse des tâches, des entretiens, des études de cas, des prototypes papier ou autre chose, votre objectif est de les aider. Ces méthodes sont les mêmes que celles que vous utiliseriez pour concevoir une interface de non-visualisation, car elles concernent les personnes et les tâches.
Par exemple, dans LiveRAC , les graphiques du trafic Web n'étaient pas vraiment conçus pour "être une visualisation des données de charge CPU", autant qu'ils étaient faits pour aider les administrateurs du site à répondre aux questions sur le trafic du serveur et à identifier tout problèmes ou opportunités avec cela. Le document sur LiveRAC explique comment les auteurs ont identifié qui étaient leurs utilisateurs, ce que les utilisateurs devaient faire, quelles données pourraient être pertinentes et comment les infovis de LiveRAC ont été conçus pour aider.
Si un infovis fait partie de la façon dont vous espérez aider vos utilisateurs, jetez un œil aux notes de certains cours sur la conception de la visualisation pour les considérations de conception et les meilleures pratiques concernant des choses comme la couleur, l'angle, la lisibilité, le graphique , etc. Encore une fois, pas un art noir, mais quelque chose que vous pouvez lire et jouer avec.
J'ai utilisé le manuel suivant en tant qu'étudiant de premier cycle et l'ai trouvé informatif: Conception de visualisation de l'information pour l'interaction par Robert Spence
Voici quelques concepts clés de haut niveau:
- La façon dont les données doivent être représentées et présentées dépend du type de données et de la façon dont elles doivent être comprises par le spectateur.
Par exemple, la façon dont vous présenteriez la densité et la taille de la population en fonction de l'emplacement pourrait être très différente de la façon dont vous présenteriez une carte ferroviaire des transports en commun. Les deux présentent des informations relatives aux emplacements, mais chacune a sa propre orientation souhaitée.
Pour le premier exemple, vous pouvez utiliser une carte à l'échelle réelle avec des couleurs pour représenter la densité et la taille des points pour représenter la taille de la ville. Avec une carte ferroviaire, la précision à l'échelle réelle pourrait être abandonnée pour des raisons de compréhension et la couleur pourrait être utilisée pour représenter les différentes "lignes" de voyage.
Dans les deux cas, elles seraient considérées comme des "cartes", mais à l'inspection, ce serait des choses très différentes.
- Plus vous vous rapprochez de la perception du spectateur (pensez "en un coup d'œil") à l'interprétation souhaitée, plus la probabilité d'une mauvaise interprétation des données est faible.
Par exemple, avec un million de données tracées dans un graphique en nuage de points, l'utilisation de la couleur pourrait être utilisée pour afficher des "nuages" de points de données de même attribut. S'il y a moins de 8 couleurs utilisées de cette manière, cela pourrait afficher efficacement les données de motifs. S'il y a beaucoup de couleurs utilisées, cependant, cela serait moins efficace en raison des limites humaines sur la façon dont nous percevons les différences de couleur. Les données bleu foncé et les données violettes deviennent effectivement la même chose dans un groupe de couleurs plus large (10+), ce qui induit le spectateur à voir des nuages de données là où il n'y en a pas.
Le livre va plus en détail sur plus de facettes de la représentation, la présentation, la perception et l'interprétation. Si votre objectif à long terme est de créer des visualisations interactives, je vous recommande d'utiliser une ressource comme celle-ci pour comprendre la "théorie".
Si vous cherchez quelque chose de plus "rapide et sale" pour faire le travail une fois - c'est-à-dire, si vous êtes moins soucieux de comprendre la théorie derrière la présentation des données, et plus intéressé par une présentation ponctuelle - quelques autres des détails sur vos données spécifiques seraient utiles.
Je recommande le livre d'Alberto Cairo - " L'art fonctionnel ". Son site Web contient de nombreuses ressources et il est très actif dans les médias sociaux. J'utilise ses documents pour des conférences parce qu'ils sont faciles à comprendre et couvrent l'ensemble du processus, de la compréhension des visuels, de l'encodage des informations pour les publics cibles et de la compréhension des données.
Une autre bonne et profonde source est le livre "Information Visualization: Perception for Design" - Colin Ware Ce livre approfondit le fonctionnement de la perception et les techniques avancées pour encoder les informations à visualiser.
Il n'y a pas, disons, de guide rapide en 10 étapes pour la visualisation interactive, car vous rencontrerez de nombreux défis en termes de perception humaine et de conception d'interaction, de compréhension des données, de leurs agrégations et de trouver/raconter l'histoire dans vos données, ...
Donc, ces 2 recommandations de livres ne sont que 2 sur plusieurs.