Publicação
How to effectively use interactivity to improve visual analysis and communication in groups of novices or experts
| Resumo: | Conseguir passar um ponto de vista claro através da visualização de dados é um dos principais objetivos das organizações dos dias de hoje. O principal objetivo deste projeto foi perceber qual a melhor maneira de utilizar interatividade em diferentes tipos de indivíduos, especialistas e novatos, e descobrir as principais diferenças entre os dois grupos. Isto foi feito através da criação de um protótipo com diversas visualizações interativas, onde em cada uma delas foram utilizadas diferentes técnicas de visualização e interatividade. Após a sua criação, seguiu-se a validação de cada uma delas, de modo a chegar a conclusões sobre os melhores métodos a utilizar para melhorar a análise e comunicação da informação, para os diferentes grupos de indivíduos. O desenvolvimento do protótipo foi realizado com o software R, mais especificamente o pacote Shiny. O estudo contribuiu com uma metodologia para avaliar as diferenças entre grupos de especialistas e de novatos, relativamente ao protótipo de visualização que foi validado recorrendo a 6 medidas quantitativas e qualitativas. Utilizando um teste ANOVA de fator único foi possível concluir que em relação às medidas quantitativas não foram encontradas diferenças com significância estatística e em relação às medidas qualitativas a única medida que mostrou diferenças com significância estatística entre ambos os grupos foi o nível de interação (engagement). Isto significa que esta é a única métrica possível de melhorar para diminuir as diferenças entre ambos os grupos. Em relação às visualizações ambos os grupos, concordaram que as melhores foram o mapa de calor (heatmap) e o gráfico de barras e as piores visualizações foram o mapa coropleto e o gráfico de barras empilhadas. Houve, no entanto, diferenças entre a forma como os diferentes grupos interagiram com os componentes. Por exemplo, a select box foi uma melhor opção para o grupo de novatos, enquanto que a radio box foi a melhor para o grupo de especialistas. Os tooltips e o slider foram adequados para os dois tipos de indivíduos. Também foi comprovado que o pacote Shiny é uma ferramenta capaz de criar visualizações interativas eficazes para diferentes tipos de indivíduos uma vez que, em média, os participantes obtiveram ótimos resultados utilizando medidas qualitativas ou quantitativas. Os resultados deste estudo, permitirão às organizações a adaptação eficiente das suas visualizações a diferentes tipos de audiência. |
|---|---|
| Autores principais: | Viana, Maria do Mar Guiod de Castro Couto |
| Assunto: | Visualização de dados Interatividade Especialistas Novatos R Shiny Data visualization Interactivity Experts Novices |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade Nova de Lisboa |
| Idioma: | inglês |
| Origem: | Repositório Institucional da UNL |
| Resumo: | Conseguir passar um ponto de vista claro através da visualização de dados é um dos principais objetivos das organizações dos dias de hoje. O principal objetivo deste projeto foi perceber qual a melhor maneira de utilizar interatividade em diferentes tipos de indivíduos, especialistas e novatos, e descobrir as principais diferenças entre os dois grupos. Isto foi feito através da criação de um protótipo com diversas visualizações interativas, onde em cada uma delas foram utilizadas diferentes técnicas de visualização e interatividade. Após a sua criação, seguiu-se a validação de cada uma delas, de modo a chegar a conclusões sobre os melhores métodos a utilizar para melhorar a análise e comunicação da informação, para os diferentes grupos de indivíduos. O desenvolvimento do protótipo foi realizado com o software R, mais especificamente o pacote Shiny. O estudo contribuiu com uma metodologia para avaliar as diferenças entre grupos de especialistas e de novatos, relativamente ao protótipo de visualização que foi validado recorrendo a 6 medidas quantitativas e qualitativas. Utilizando um teste ANOVA de fator único foi possível concluir que em relação às medidas quantitativas não foram encontradas diferenças com significância estatística e em relação às medidas qualitativas a única medida que mostrou diferenças com significância estatística entre ambos os grupos foi o nível de interação (engagement). Isto significa que esta é a única métrica possível de melhorar para diminuir as diferenças entre ambos os grupos. Em relação às visualizações ambos os grupos, concordaram que as melhores foram o mapa de calor (heatmap) e o gráfico de barras e as piores visualizações foram o mapa coropleto e o gráfico de barras empilhadas. Houve, no entanto, diferenças entre a forma como os diferentes grupos interagiram com os componentes. Por exemplo, a select box foi uma melhor opção para o grupo de novatos, enquanto que a radio box foi a melhor para o grupo de especialistas. Os tooltips e o slider foram adequados para os dois tipos de indivíduos. Também foi comprovado que o pacote Shiny é uma ferramenta capaz de criar visualizações interativas eficazes para diferentes tipos de indivíduos uma vez que, em média, os participantes obtiveram ótimos resultados utilizando medidas qualitativas ou quantitativas. Os resultados deste estudo, permitirão às organizações a adaptação eficiente das suas visualizações a diferentes tipos de audiência. |
|---|