Uutiset

Algoritmi optimoi graafisen esityksen käyttäjää varten

Datan suuri määrä vaatii tiedon analysoinnin ja optimoinnin automatisointia.
Kuva: Sirontakaavio paineen ja lämpötilan muuttujista Isabel-hurrikaania käsittelevässä tietokokonaisuudessa. Vakiomalli (vasemmalla) menettää luotettavuutta ja edellyttää manuaalista korjaamista, mutta optimoitu malli (oikealla) mukautuu tietoihin automaattisesti.

Sirontakaavioita käytetään yleisesti monilla tieteen ulkopuolisillakin aloilla, kun pyritään kuvaamaan visuaalisesti kahden muuttujan välistä suhdetta. Kuitenkin vain harvat käyttäjät ovat ymmärtäneet ihmisten havainto- ja käsityskyvyn vaikutuksen siihen, miten sirontakaavioita tulkitaan. Sirontakaavioiden oletusmallit kuvaavat myös tietoa usein huonosti, ja mallin manuaalinen hienosäätö on hankalaa.

Tutkijat ovat äskettäin keksineet algoritmisen lähestymistavan, jonka avulla voidaan automaattisesti parantaa sirontakaavioita hyödyntämällä ihmisten havaitsemia malleja ja mittoja.

"Sirontakaavion suunnittelua voidaan pitää onnistuneena, kun ihmiset kykenevät tehokkaasti purkamaan sirontakaavioon alun perin graafisesti koodatun viestin. Huonot mallit saattavat sen sijaan vääristää halutun viestin", kertoo tutkijatohtori Luana Micallef.

Automaattiset ja optimoidut sirontakaaviomallit

Tutkijoiden kehittämä optimoija voi ennakoida käyttäjien tapaa reagoida tiettyyn malliin. Ihmisten havaintokykyyn liittyy lukuisia ominaisuuksia ja rajoituksia, joita visualisoinnissa olisi vastaavasti hyödynnettävä, jotta viesti välittyisi lukijalle tehokkaasti.

"Tiedon omistajana et välttämättä tiedä, kuinka muut havaitsevat sirontakaavion, ja suuria tietokokonaisuuksia on myös vaikea visualisoida. Uuden algoritmisen menetelmämme avulla voimme optimoida sirontakaavion mitä tahansa käyttäjän edellyttämää tieto- ja analysointitehtävää varten", kertoo professori Antti Oulasvirta.

Jokaisella sirontakaavion osatekijällä, kuten koolla, läpinäkyvyydellä, tunnisteiden väreillä tai kuvion kuvasuhteella, on väliä. Osatekijöillä on huomattava vaikutus havaittuihin korrelaatioihin, poikkeamiin ja luokkiin.

"Vaikka olisit visualisoinnin asiantuntija, automatisoitu malli auttaa säästämään aikaa erityisesti hyvin suurten tietokokonaisuuksien yhteydessä. Säästynyt aika voidaan käyttää visuaalisten mallien tulkintaan vaivalloisten parametriasetusten korjailun sijasta", kertoo tutkijatohtori Gregorio Palmas.

"Tämä on vasta alkua. Olemme keskellä muutosvaihetta, jossa automatisoimme tiedon analysointia, koska datan määrä on niin huomattava. Tiedon vuorovaikutteiset analysointimenetelmät, kuten sirontakaaviot, palvelevat meitä jatkossakin hyvin, mutta niiden tehokkuutta voidaan parantaa täydentämällä niitä jonkinasteisella koneälyllä", kertoo professori Tino Weinkauf.

Uuden algoritmisen lähestymistavan tehokkuus korostui erityisesti tehtävän suorittamiseen kuluneessa ajassa. Luana Micallefin, Gregorio Palmasin, Antti Oulasvirran ja Tino Weinkaufin mukaan jopa ne käyttäjät, jotka eivät ole visualisointisuunnittelun asiantuntijoita, voivat optimoijan avulla tuottaa tehokkaita sirontakaavioita. Tällaisten algoritmisten menetelmien ansiosta voidaan ei-toivottujen väärinymmärrysten määrää vähentää tulevaisuudessa.

Lisätietoja:

Antti Oulasvirta
Professori
Aalto-yliopisto
[email protected]
puh. 050 3841561

Artikkeli: Micallef, L., Palmas, G., Oulasvirta, A. & Weinkauf, T. (2017), Towards Perceptual Optimization of the Visual Design of Scatterplots, IEEE Transactions on Visualization and Computer Graphics 23(6) : 1–12.

Projektin sivu (englanniksi)

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Keltainen viljapelto ja sininen taivas
Mediatiedotteet Julkaistu:

Tutkimus: Lisääntyneet sään ääri-ilmiöt heikentävät eri viljelykasvien satoja maailmanlaajuisesti, vehnä suurin kärsijä

Viljelijöiden riski kohdata sään ääri-ilmiö kasvoi tutkimusjaksolla joka puolella maailmaa.
Lähikuva superpakastimesta eli kryostaatista
Mediatiedotteet Julkaistu:

Tutkijat pääsivät kvanttiturbulenssin jäljille - turbulenssin ymmärtämisestä voi olla apua niin sään ennustamisessa kuin autojen suunnittelussakin

Tutkijat ovat onnistuneet ensimmäistä kertaa osoittamaan energian katoamisen kvanttiturbulenssissa lähellä absoluuttista nollapistettä.
An Image created with MidJourney_artificial_intelligence_in_online_learning_supports_ learning two robots in pixar style are reading.
Mediatiedotteet Julkaistu:

Miten tekoäly voi vaikuttaa luovaan kirjoittamiseen ja verkko-opetukseen? Online Hybrid Lab toivottaa tervetulleeksi uuden maisteriopiskelijan Aayush Kucherian.

Aalto Online Hybrid Labissa tehdään uusia löytöjä, tutkitaan uusia ilmiöitä ja tarkastellaan Aalto-yliopiston verkko-opetuksen strategiaa asiantuntijanäkökulmasta.
Pyörteilevä, turbulentti vetyiekki (simulointikuva). Ilya Morev ja Ville Vuorinen, Aalto-yliopisto
Mediatiedotteet Julkaistu:

Miljoonahanke pureutuu vedyn palamisen fysiikkaan ja kemiaan

Business Finlandin rahoittaman hankkeen tavoitteena on vauhdittaa muun muassa päästöttömän meritekniikan kehittämistä.