Ny datavidenskabelig metode gør kort oversigt lettere at læse

Læger læser EEG på skadestuer, første respondenter, der ser på flere skærme, der viser live datafeeds fra sensorer i en katastrofezone, mæglere, der køber og sælger finansielle instrumenter, skal alle træffe velinformerede beslutninger meget hurtigt. Visualiseringskompleksitet kan komplicere beslutningstagning, når man ser på data på et diagram. Når timing er kritisk, det er vigtigt, at et diagram er let at læse og fortolke.

For at hjælpe beslutningstagere i scenarier som disse, computerforskere ved Columbia Engineering og Tufts University har udviklet en ny metode - "Pixel Approximate Entropy" - der måler kompleksiteten af ​​en datavisualisering og kan bruges til at udvikle lettere at læse visualiseringer. Eugene Wu, adjunkt i datalogi, og Gabriel Ryan, der dengang var kandidatstuderende og nu ph.d. studerende ved Columbia, præsenterer deres oplæg på IEEE VIS 2018 -konferencen torsdag, 25. oktober kl. i Berlin, Tyskland.

"Dette er en helt ny tilgang til at arbejde med stregdiagrammer med mange forskellige potentielle applikationer, "siger Ryan, første forfatter på papiret. "Vores metode giver visualiseringssystemer en måde at måle, hvor vanskelige stregdiagrammer er at læse, så nu kan vi designe disse systemer til automatisk at forenkle eller opsummere diagrammer, der ville være svære at læse alene. "

Bortset fra visuelt at inspicere en visualisering, der har været få måder at automatisk kvantificere kompleksiteten af ​​en datavisualisering. For at løse dette problem, Wu's gruppe oprettede Pixel Approximate Entropy for at give en "visuel kompleksitet score", der automatisk kan identificere vanskelige diagrammer. De ændrede et lavdimensionelt entropimål for at fungere på linjediagrammer, og derefter gennemført en række brugerundersøgelser, der demonstrerede, at foranstaltningen kunne forudsige, hvor godt brugerne opfattede diagrammer.

"I hurtige indstillinger, det er vigtigt at vide, om visualiseringen bliver så kompleks, at signalerne kan blive tilsløret, "siger Wu, som også er formand for Data, Medier, &Samfundscenter i Data Science Institute. "Evnen til at kvantificere kompleksitet er det første skridt i retning af automatisk at gøre noget ved dette."

Teamet forventer deres system, som er open source, vil især være nyttig for datavidenskabsfolk og ingeniører, der udvikler AI-drevne datavidenskabssystemer. Ved at tilvejebringe en metode, der gør det muligt for systemet bedre at forstå de visualiseringer, det viser, Pixel Approximate Entropy hjælper med at drive udviklingen af ​​mere intelligente datalogiske systemer.

"For eksempel, i industriel kontrol kan en operatør muligvis observere og reagere på tendenser i aflæsninger fra en række systemmonitorer over tid, f.eks. på et kemikalie- eller kraftværk, "Tilføjer Ryan." Et system, der er opmærksom på diagramkompleksitet, kan tilpasse aflæsninger for at sikre, at operatøren kan identificere vigtige tendenser og reducere træthed ved at forsøge at fortolke potentielt støjende signaler.

Wu's gruppe planlægger at udvide datavisualisering til at bruge disse modeller til automatisk at advare brugere og designere, når visualiseringer kan være for komplekse og foreslå udjævningsteknikker, og at udvikle andre kvantitative perceptuelle modeller, der kan være informationsdesign til databehandlings- og visualiseringssystemer.