Vsebina

  • sklop: Uvod v vizualizacijo informacij in oblikovanje interakcij
  • Definicije: DataVis, InfoVis, SciVis, Interaction Design
  • Učni plan, orodja (D3, Vega-Lite, Unity, WebGL)
  • Ključni koncepti: paradigme interakcije, pripovedovanje zgodb, generiranje vpogleda
  • sklop: Zaznavanje, kognicija in podatkovne strukture v vizualizaciji
  • Vizualna percepcija, Gestalt zakoni, pozornost in spomin
  • Osnove vizualnega kodiranja: položaj, oblika, velikost, barva, gibanje
  • Podatkovni tipi in strukture: tabelarne, hierarhične, relacijske, prostorske, časovne
  • sklop: Vizualno kodiranje in načela oblikovanja
  • Izraznost in učinkovitost
  • Taksonomija grafikona: stolpec, črta, območje, tortni diagram, razpršeni diagram, omrežje, matrika
  • Izbira vizualnih kodiranj
  • Načrtovanje na podlagi opravil: iskanje, primerjava, pregled, filtriranje, raziskovanje
  • sklop: Večspremenljiva in visokodimenzionalna vizualizacija
  • Vizualizacija večspremenljivih podatkov: glifi, razpršene matrike, vzporedne koordinate
  • Zmanjševanje dimenzionalnosti: PCA, t-SNE, UMAP
  • Učinkovito kodiranje več spremenljivk
  • Tehnike vizualne abstrakcije in redukcije
  • sklop: Tehnike interakcije v vizualizaciji
  • Modeli interakcije: neposredna manipulacija, ščetkanje, povezovanje, povečava, filtriranje
  • Upravljanje stanja in povratne informacije uporabnikov
  • Sestava nadzorne plošče in raziskovalni vmesniki
  • sklop: Vizualizacija negotovosti
  • Vrste negotovosti: na ravni podatkov, na ravni modela, zaznavna
  • Vizualno kodiranje negotovosti: vrstice napak, zamegljenost, animacija
  • Kognitivne pristranskosti in vizualno zaupanje
  • Aplikacije v umetni inteligenci in simulaciji
  • sklop: Geoprostorska vizualizacija
  • Koordinatni sistemi, projekcije zemljevidov, prostorski spoji
  • Horopleti, točkasti zemljevidi, toplotni zemljevidi, zemljevidi simbolov
  • Prostorsko-časovni podatki in dinamično upodabljanje
  • sklop: Časovna in prostorsko-časovna vizualizacija
  • Časovne vrste: črtni grafikoni, majhni delilniki, horizontni grafi
  • Koledarji, zaporedja dogodkov, animacije
  • Združevanje prostorskih in časovnih plasti
  • sklop: AR/VR za vizualizacijo podatkov
  • Načela potopne vizualizacije
  • Okolja z zaslonom na glavi (HMD) v primerjavi z ročno AR
  • Prostorska interakcija in multimodalni vnos
  • Študije primerov v znanstvenih in mestnih podatkih
  • sklop: Strojno učenje in razložljiva vizualizacija
  • Ponazoritev modela (drevesa, plasti, vdelave)
  • Orodja XAI: SHAP, LIME, zemljevidi izrazitosti
  • Vizualna analitika za modele črne skrinjice
  • Etika, pristranskost in podpora pri odločanju
  • sklop: Vizualizacija v realnem času in vizualna analitika
  • Progresivno upodabljanje, pretakanje podatkov, upodabljanje na podlagi skic
  • Optimizacija učinkovitosti delovanja v spletnih kontekstih
  • Načela vizualne analitike: združevanje avtomatizirane analize z interaktivno vizualizacijo
  • Osmišljanje in odločanje na podlagi vizualizacije
  • sklop: Pripovedništvo s podatki
  • Narativne tehnike v vizualizaciji
  • Grafikoni z opombami, scrollytelling
  • Študije primerov (NYT, Gapminder, Datawrapper)
  • sklop: Sodelovalna vizualizacija in večuporabniški sistemi
  • Sinhrono in asinhrono sodelovanje
  • Skupno stanje, izvor, opomba
  • Študije primerov: nadzorne plošče za sodelovanje, državljanska znanost, izobraževanje
  • sklop: Projektni studio in kritika
  • Kritike oblikovanja: ponovitev projekta in povratne informacije vrstnikov
  • Ocenjevalni okviri za InfoVis: metrike, ki temeljijo na vpogledu, uporabnost
  • Zaključna razprava: prihodnost interakcije in vizualizacije
  • sklop: Zaključne predstavitve projektov
  • Končne predstavitve projekta in navodila
  • Povratne informacije vrstnikov + inštruktorjev
  • Oddaja poročila in kode/artefaktov
  • Na večini predavanj bo zadnja ura posvečena predstavitvi najsodobnejših del z ustrezne teme.
  • Shared state, provenance, annotation

Temeljna literatura

  • Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons.
  • Munzner, T. (2014). Visualization analysis and design. CRC press.
  • Ware, C. (2019). Information visualization: perception for design. Morgan Kaufmann.
  • Kirk, A. (2019). Data visualisation: A handbook for data driven design. (pp. 1-328).
  • Tominski, C. (2015). Interaction for visualization. Morgan & Claypool Publishers.
  • Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons.
  • Rosenberg, D. & Grafton, A. (2013). Cartographies of time: A history of the timeline. Princeton Architectural Press.
  • McCandless, D. (2012). Information is beautiful. London: Collins.
  • Steele, J. & Iliinsky, N. (2010). Beautiful visualization: Looking at data through the eyes of experts. " O’Reilly Media, Inc. .
  • Fry, B. (2007). Visualizing data: Exploring and explaining data with the processing environment. " O’Reilly Media, Inc. .

Cilji in kompetence

Cilji:

  • Oblikovanje in izvajanje interaktivne vizualizacije podatkov z uporabo ustreznih vizualnih kodiranj, postavitev in tehnik interakcije z uporabniki.
  • Analiza in ovrednotenje sistemov za vizualizacijo podatkov glede na uporabnost, kognitivno učinkovitost in vizualno zaznavanje.
  • Integracija geoprostorskih, večspremenljivih, časovnih in negotovih podatkov v skladne in učinkovite vizualne predstavitve.
  • Razvoj poglobljene vizualizacije z uporabo ogrodij AR/VR za raziskovanje prostorskih podatkov in interaktivno pripovedovanje zgodb.

Kompetence:

  • Razumeti teoretične temelje vizualizacije informacij, vključno s človeško percepcijo, vizualnim kodiranjem in modeli interakcije.
  • Naučiti se izbrati ustrezne tehnike vizualizacije na podlagi podatkovnih tipov, ciljev analize in potreb uporabnikov.
  • Raziskati vlogo interakcije pri podpiranju raziskovalne analize podatkov in pripovedovanja zgodb na različnih področjih.
  • Kritično oceniti etične, kognitivne in komunikacijske razsežnosti vizualnih predstavitev v aplikacijah v resničnem svetu.

Objectives:

Predvideni študijski rezultati

Študenti bodo:

  • Sposobni pokazati kritično razumevanje teoretičnih temeljev vizualizacije informacij, vključno z zaznavnimi in kognitivnimi načeli, vizualnim kodiranjem in modeli interakcije.
  • Oblikovati in izdelati so sposobni interaktivne vizualizacijske sisteme, ki učinkovito sporočajo vzorce v kompleksnih podatkih, vključno z geoprostorskimi, časovnimi, večspremenljivimi in negotovimi nabori podatkov.
  • Sposobni so razviti potopne in prostorske vizualizacije z uporabo tehnologij AR/VR in tehnik 3D interakcije za raziskovanje podatkov v realnem času ali kontekstu.
  • Izbrati in utemeljiti ustrezne tehnike in izbor orodij za vizualizacijo za določene vrste podatkov, določiti analitične cilje in uporabniške kontekste v aplikacijah v resničnem svetu.
  • Učinkovito komunicirati oblikovalske odločitve in tehnične rešitve z vizualnim pripovedovanjem zgodb, dokumentacijo in predstavitvijo interaktivnih prototipov.

Naloge

Končno preverjanje (pisni in ustni izpit) 50,00 % Ocenjevalna lestvica: 5 - 10 pri čemer velja, da je pozitivna ocena od 6 - 10,