Information Visualization

Nararat RUANGCHAIJATUPONKhon Kaen University

What is Information Visualization?

2

What Information Can You Find?

3

What Information Can You Find? (cont.1)

4

lentiformis mesencephali (LM) <‐ optokinetic response (OKR) <‐ sustained hovering

What Information Can You Find? (cont.2)

5

What Information Can You Find? (cont.3)

6

What Information Can You Find? (cont.4)

7

Source: https://chillchilljapan.com/tokyo‐train‐map/

What Information Can You Find? (cont.5)

8

What Information Can You Find? (cont.6)

東京都 千代田区 一ツ橋 ２－１－２2‐1‐2 Hitotsubashi, Chiyoda‐ku, Tokyo

9

What Information Can You Find? (cont.7)

10

What Information Can You Find? (cont.8)

11 12

What Information Can You Find?

(cont.9)

What is Information Visualization?

Let’s watch video!AEC Infographic

What is Information Visualization?

“Visualization is the graphicalpresentation of information, with thegoal of providing the viewer with aqualitative understanding of theinformation contents.”

14

Tony Hillerson & Juan Sanchez

What is Information Visualization?

“Information visualization is the study of (interactive) visual representations of abstract data to reinforce human cognition. The abstract data include numerical and non‐numerical data, such as text and geographic information.”

15

Wikipedia, Dec 21st, 2019

Information Visualization is notScientific Visualization

• Whether the application area is scientific(scientific visualization) or non‐scientific(information visualization) 

• Whether the data is physically based (scientific visualization) or abstract(information visualization)

• Whether the spatialization is given (scientific visualization) or chosen (information visualization)

16

Tory, M. & Moeller T., “Rethinking Visualization: A High‐Level Taxonomy”,IEEE Symposium on Information Visualization 2004 

Scientific Visualization – Examples(1)

17

A simulation of Rayleigh‐Taylor instability caused by two mixing fluids

Surface rendering of Arabidopsis thaliana pollen grains with confocal microscope

Wikipedia, Dec 21st , 2019

Scientific Visualization – Examples(2)

18

Scientific Visualization – Examples(3)

19

Examplesเลคเชอร์ น้องปราง ศริดา คะแนนแอดมชิชั่นสูงสุด ปี 58

20

Why Visualization?• record information ‐ blueprints, photographs, seismographs, …

• expand memory• find patterns• analyze data to support reasoning• develop & assess hypotheses• discover errors in data• collaborate & revise• communicate information• share & persuade

21

Why Visualization? (cont.)

making data easier to understand using direct sensory experience

especially visual!

but ... may include text, numbers, etc.

22

Who is your reader?

for the information (data) analystscientist, statistician, possibly you!

for the data consumeraudience, client, reader, end‐user

23

Who is your reader? (cont.1)

• Understanding• Consumer• Rhetoric

• focus on well understood, simple representations

24

Who is your reader? (cont.2)

• Understanding• Consumer• Rhetoric

• to help others see what the analyst has already seen (or what you want them to see)

25

Who is your reader? (cont.3)

• Understanding• Consumer• Rhetoric

• to persuade readers of  particular point(and not others!)

26

Who is your reader? (cont.4)

• Understanding• Analyst• Exploration

• powerful, often novel visualizations, possibly training

27

Who is your reader? (cont.5)

• Understanding• Analyst• Exploration

• to make more clear onparticular aspectsof data (e.g. confirming hypotheses)

28

Who is your reader? (cont.6)

• Understanding• Analyst• Exploration

• to find new thingsthat have not been previously considered

29

Understand Your Data

30

Understand Your Data• Mean of X = 9.0• Mean of Y = 7.5• S.D. of X = 3.317• S.D. of Y = 2.03

31

Understand Your Data

32

Understand Your Data

33

Good Web Sites!

• Visualization Tools for Turning Information Into Insightshttp://www.infotoday.com/online/sep12/Phelps‐‐Visualization‐Tools‐for‐Turning‐Information‐Into‐Insights.shtml

• Introduction to Infographics & Data Visualizationhttp://www.slideshare.net/trisnadi/infographics‐data‐visualisation?from_search=24

• Daily Infographichttp://dailyinfographic.com/

34

A Little Break …• From the website : Visualization Tools for Turning Information Into Insights

• What is the appropriate data visualization tool for “Key milestones to complete a project or task”?

• A timeline diagram

35 36

Coffee Drinks

37

Coffee Drinks

38

Spatial data

39

• Geospatial data• Geographic information

Apply a visual mapping

Size

40

Apply a visual mapping (cont.1)Colors (used for identifying patterns & anomalies in big datasets)

41

Gestalt Principles

Principle of Simplicity

42Gestalt = แบบหรือรูปร่าง (form or pattern) สว่นรวมหรือสว่นประกอบทัง้หมด (the wholeness)

Gestalt Principles (cont.1)Principle of Proximity – The closer objects are to each other, the more likely they are to be perceive as a group

43

Gestalt Principles (cont.2)Principle of Symmetry – Objects must be balanced or symmetrical to be seen as complete or whole

44

Gestalt Principles (cont.3)Principle of Similarity – Objects that are similar, like components or attributes are more likely to be organized together

45

Gestalt Principles (cont.4)Principle of Common Fate – Objects with a common movement, that move in the same direction, at the same pace, at the same time are organized as a group

46

Gestalt Principles (cont.5)Principle of Continuation – Objects that are arranged in a straight or smooth line tend to be seen as a unit

47

Gestalt Principles (cont.6)Principle of Isomorphism – is similarity that can be behavioral or perceptual, and can be a response based on the viewers’ previous experience

48

49 50

Case Studies…

51 52

53 54

55 56

57 58

59

Don’t use visualization to lie!

60

61 62

References• Information visualisation ‐ Alan Dix• See the Data, Be the Data ‐ Tony Hillerson & Juan 

Sanchez• Infographic, Visualizing Information ‐ @donuzz&@bact, 

Mekong ICT Camp 2010, Chiangmai, Thailand, June 7‐11, 2010

• Visualizing Data: Making Sense of an Information‐Rich World – Diego Maranan

• Data Visualization ‐ An introduction, Prof. Jan Aerts, University of Leuven, Belgium

• Information Visualisation, Joris Klerkx

63

Try them!• Color Wheelhttp://www.worqx.com/color/color_wheel.htm

• Paletton.comhttp://paletton.com/

• Easellyhttp://www.easel.ly/

• Piktochart (try Dark 2)http://piktochart.com/

• ChartGizmohttp://chartgizmo.com/

64