Loading article…
ビジュアルアナリティクスは、情報視覚化と科学的視覚化から生まれた学際的な科学技術分野です。インタラクティブなビジュアルインターフェースによって分析的推論がどのように促進されるかに焦点を当てています。[ 1 ]
ビジュアルアナリティクスは、「対話型のビジュアルインターフェースによって促進される分析的推論の科学」です。[ 2 ]ビジュアルアナリティクスは、その規模、複雑さ、および人間と機械の分析の密接な連携の必要性から、そうでなければ解決不可能な問題に取り組むことができます。[ 3 ]ビジュアルアナリティクスは、分析的推論、人間とコンピュータのインタラクション、データ変換、計算と分析のための視覚的表現、分析レポート、および新しいテクノロジーの実践への移行など、複数の領域にわたる科学技術開発を促進します。[ 4 ]研究課題として、ビジュアルアナリティクスは、コンピュータサイエンス、情報視覚化、認知科学と知覚科学、インタラクティブデザイン、グラフィックデザイン、および社会科学から、いくつかの科学技術コミュニティを結集します。
ビジュアルアナリティクスは、新しい計算ツールと理論ベースのツールを革新的なインタラクティブ技術と視覚表現と統合し、人間と情報との対話を可能にします。ツールと技術の設計は、認知、デザイン、知覚の原理に基づいています。この分析的推論の科学は、脅威分析、予防、対応のための戦略的および戦術的なビジュアルアナリティクス技術を構築できる推論フレームワークを提供します。分析的推論は、証拠と仮定の組み合わせから結論を導き出すために人間の判断を適用するアナリストのタスクの中心です。[ 2 ]
ビジュアルアナリティクスは、情報可視化や科学的可視化と目標や手法が一部重複しています。これらの分野の境界については現時点で明確な合意はありませんが、大まかに言えば、3つの分野は以下のように区別できます。
ビジュアルアナリティクスは、情報視覚化の技術と、データの計算変換および分析の技術を融合させることを目指しています。情報視覚化は、ユーザーと機械の間の直接的なインターフェースの一部を形成し、6つの基本的な方法で人間の認知能力を増幅します。[ 2 ] [ 5 ]
こうした情報視覚化の機能は、計算機によるデータ分析と組み合わせることで、分析的推論に応用でき、意味理解のプロセスを支援することができる。
学際的なアプローチとして、ビジュアルアナリティクスは情報視覚化、認知科学、コンピュータサイエンスにルーツを持っています。この分野の用語と範囲は、ジム・トーマス、クリスティン・A・クック、ジョン・スタスコ、パク・チュン・ウォン、ダニエル・A・ケイム、デビッド・S・エバートなどの研究者によって2000年代初頭に定義されました。 2001年9月11日の攻撃への対応として、米国国土安全保障省は2002年後半に設立され、それまで分離されていた数十の政府機関を統合しました。1990年代後半に ダニエル・A・ケイムが始めたビジュアルデータマイニングに関する以前の研究に基づいて、これは同時にビジュアルアナリティクスの研究課題の開発につながりました。 [ 6 ] [ 7 ]これらの取り組みの一環として、パシフィック・ノースウェスト国立研究所の国立視覚化分析センター （NVAC）が2004年に設立され、その使命は、 2001年9月11日の攻撃後に情報コミュニティで発生した情報過多を軽減するシステムを開発することでした。彼らの研究は、中核となる課題を特定し、未解決の研究課題を提起し、特に2005年の研究アジェンダ「Illuminating the Path」を通じて、ビジュアルアナリティクスを新しい研究領域として位置づけました。[ 2 ] 2006年、 Pak Chung WongとDaniel A. Keim が率いるIEEE VISコミュニティは、ビジュアルアナリティクスの研究専用の場を提供する年次IEEE Conference on Visual Analytics Science and Technology (VAST)を立ち上げ、2020年に統合されてIEEE Visualizationカンファレンスとなりました。2008年、ビジュアルアナリティクスの範囲と課題は、Daniel A. KeimとJim Thomasがビジュアルデータマイニングに関する影響力のある著書で概念的に定義しました。[ 8 ]この領域は、2000年代後半に欧州委員会のFP7 VisMasterプログラムの一環としてさらに洗練されました。 [ 9 ]
ビジュアルアナリティクスは、以下の重点分野を含む学際的な分野です。[ 2 ]
分析的推論技術は、ユーザーが状況評価、計画、意思決定を直接サポートする深い洞察を得るための方法です。ビジュアル分析は、分析者の時間を限定的に投資して、質の高い人間の判断を促進する必要があります。ビジュアル分析ツールは、次のような多様な分析タスクを可能にする必要があります。[ 2 ]
これらのタスクは、多くの場合、極度の時間的プレッシャーの下で、個人分析と共同分析の組み合わせによって実行されます。ビジュアル分析は、仮説ベースおよびシナリオベースの分析手法を可能にし、分析者が利用可能な証拠に基づいて推論できるようにサポートする必要があります。[ 2 ]
データ表現は、コンピュータによる変換に適した構造化された形式です。これらの構造は、元のデータに存在するか、データ自体から導出できる必要があります。また、元のデータ内の情報と知識の内容および関連するコンテキストを可能な限り最大限保持する必要があります。基となるデータ表現の構造は、一般的にビジュアル分析ツールのユーザーにとってアクセスしやすくも直感的でもありません。多くの場合、元のデータよりも複雑な性質を持ち、必ずしも元のデータよりも小さいサイズではありません。データ表現の構造は、数百または数千の次元を含み、人間には理解できない可能性がありますが、視覚化と分析のために低次元表現に変換可能でなければなりません。[ 2 ]
視覚化の理論には以下が含まれます: [ 3 ]
視覚表現は、データを共通点や異常など重要な特徴を強調する視覚的な形式に変換します。これらの視覚表現により、ユーザーはデータの重要な側面を迅速に把握できます。視覚表現による知覚的推論で認知的推論プロセスを強化することで、分析的推論プロセスをより迅速かつ集中的にすることができます。[ 2 ]
ビジュアル分析プロセスで使用されるデータセットの入力は、異種データソース（インターネット、新聞、書籍、科学実験、エキスパートシステムなど）です。これらの豊富なソースから、データセットS = S 1、 ...、 S mが選択され、各S i、 i ∈ (1、 ...、 m)は属性A i1、 ...、 A ikで構成されます。プロセスの目標または出力は、インサイトIです。インサイトは、作成された視覚化のセットVから直接取得されるか、自動分析方法の結果として仮説Hを確認することによって取得されます。ビジュアル分析プロセスのこの形式化は、次の図に示されています。矢印は、あるセットから別のセットへの遷移を表します。
より厳密に言えば、ビジュアル分析プロセスは変換F: S → Iであり、Fは次のように定義される関数f ∈ {D W , V X , H Y , U Z }の連結です。
D W は、 D W : S → S および W ∈ {T, C, SL, I}による基本的なデータ前処理機能を記述します。これには、データセットに分析関数を適用するために必要なデータ変換関数D T、データクリーニング関数D C、データ選択関数D SL、およびデータ統合関数D Iが含まれます。
V W、W ∈ {S, H}は可視化関数を表し、これはデータを可視化する関数V S : S → Vまたは仮説を可視化する関数V H : H → V のいずれかです。
H Y、 Y ∈ {S, V}は仮説生成プロセスを表します。データから仮説を生成する関数H S : S → Hと、視覚化から仮説を生成する関数H V : V → Hを区別します。
さらに、ユーザー操作U Z、 Z ∈ {V、H、CV、CH}は、ビジュアル分析プロセスの不可欠な部分です。ユーザー操作は、視覚化のみに影響を与える場合（選択またはズームなど）もあれば、与え られた仮説から新しい仮説を生成することで仮説のみに影響を与える場合（仮説 U H : H → H）もあります。さらに、 視覚化U CV : V → Iまたは仮説U CH : H → Iから洞察を導き出すことができます。
データクリーニング、データ統合、データ変換機能を適用する典型的なデータ前処理は、D P = D T (D I (D C (S 1 , ..., S n )))と定義されます。前処理ステップの後、上記の図に示すようにパターンを明らかにするために、自動分析方法H S = {f s1 , ..., f sq } (統計、データマイニングなど) または可視化方法V S : S → V、V S = {f v1 , ..., f vs }のいずれかがデータに適用されます。[ 11 ]
一般的に、データの処理には以下のパラダイムが用いられます。
まず分析 – 重要な点を表示 – ズーム、フィルタリング、さらに分析 – 必要に応じて詳細を表示[ 8 ]
ウィキメディア・コモンズにあるビジュアル分析関連のメディア