02/01/2014

1

BÖLÜM 14

BİLGİ ARAŞTIRMA VE

GÖRSELLEŞTİRME

Özgür Kayaş Bengü Yıldırım

2010639037 2010639064

Giriş

Kullanıcılar, yapmak istedikleri araştırmaları dijital kütüphanelerden ve mevcut veritabanları içerisindeki uygun bilgi alanlarından gerçekleştirebiliyorlar.Bu araştırma sırasındaki işlemleri görselleştirmek için kullanıcı arayüzleri tasarlanmıştır.Kullanıcı arayüzü tasarımcıları,teknolojiyi kullanarak bu araştırma ve görselleştirmenin gelişim sürecine

katkıda bulunmaya devam etmektedirler.

Bu bölümde hedef kitle; acemi kullanıcılar ve acemi kullanıcılara kıyasla sisteme daha alışık olan kullanıcılardır.

Bu nedenle;konuyu daha iyi anlayabilmek için birkaç terimin anlamına ihtiyacımız var.

Metinsel Döküman Kütüphaneleri: Verinin bulunduğu kütüphane hakkındaki bilgileri içerir.Kütüphanenin ismi,yeri gibi bilgiler.

Multimedya Döküman Kütüphaneleri:Resimlerin,taranmış dökümanların,ses,video ve animasyonları içeren dökümanların toplandığı koleksiyondur.

Dijital Kütüphaneler:Tüm bilgilerin sadece dijital bir formatta yer aldığı, bilginin kendisinin elektronik bellek ya da disk gibi farklı bir depolama ortamında bulunduğu kütüphanelerdir.

Yapılandırılmış veritabanı:Veri tabanındaki ilişkileri tanımlamak için şemaları ve şemaların birbiriyle olan bağlantılarının tanımlanmış olduğu veritabanıdır.

Metinsel Dökümanlarda Araştırma

ve Veritabanı Sorgulama

Kullanıcı çeşitliliğinden dolayı arama işlemine basit arayüzlerle başlamak önemlidir.

Buna ek olarak; bilgilerin çok olmasından dolayı,araştırılan bilgiyle ilgili sonuçlara hyperlink aracılığıyla

ulaşılabilir.Hyperlink; bir resim yada yazının bir kısmı olup bunlara tıklandığında başka bir internet sayfasına,resim,video ya da görüntüye yönlendiren iletişim yoludur.

Örneğin; Hyperlink açıldığında daha detaylı bilgilere ulaşabileceğimiz

yeni bir siteye yönlendirildik.

02/01/2014

2

Veritabanı araştırmaları, yapılandırılmış veritabanı sisteminden yapılandırılmış sorgulama dili (Structured Query Language-SQL) ile yapılmaktadır.

Örneğin;

SELECT DOCUMENT

FROM JOURNAL-DB

WHERE (DATE>=2001 AND DATE<=2003)

AND(LANGUAGE=ENGLISH OR FRENCH)

AND(PUBLISHER=ASIST OR HFES OR ACM)

yazılan bu sorgu ile veritabanındaki dökümanlar arasından istenen bilgi hızla seçilir.SQL kullanımı bu nedenle eğitim gerektirmektedir.

Bir araştırmanın başarısı, kullanıcıya ve karışıklıkların az olmasına bağlıdır.Bu amaçla tasarım uygulamalarını düzenleyen, metin araştırmada açıklığı sağlayan 5 düzenleme vardır.Bunlar;

1)Formülasyon

2)Olayın başlaması

3)Sonuçları gözden geçirme

4)Sadeleştirme

5)Kullanım

1) Formülasyon

Araştırma işlemini ifade eder.

Kütüphane ya da toplanmış veri koleksiyonlarındaki uygun kaynaklara erişim sağlanır.

Kaynakları; yayınlanma yılı,dili gibi özelliklerine göre sınırlandırabilir.

Girilen ifadenin tanınmasına izin vererek araştırmayı kolaylaştırır.

Alan(field) değerinden tam emin olunmadığı zamanlarda, araştırma konusunun sistem tarafından kabul edilecek değişik formları ile araştırmanın sınırlarının genişletilmesine izin verir.

2)Olayın başlaması

Olayın başlaması açık ya da üstü kapalı araştırma şeklinde olabilir.

Açık araştırmada;

Açıklamalar tutarlı etiketlerle sağlanmalı.

Araştırmayı başlatacak bir buton olmalı.

Bu butonun boyutu;rengi ve açıklamaları tutarlı olmalıdır.

Üstü kapalı araştırmada;

Her bileşen ifade için değişen bir araştırma seti vardır.

Örneğin; Telefonda bir tuşa basıyorsun o harfin içinde geçtiği tüm ifadelerin sıralanması gibi

3)Sonuçları gözden geçirme

Araştırma ile ilgili metinsel görüntünün oluşturulması ve görselleştirme işlemi yapılır.

Sıralama kriterleri belirlenir.(Alfabetik,kronolojik gibi)

Sonuç kısmında neler gösterileceği ve boyutu ayarlanır.

Kullanıcıya araştırma ile ilgili açıklayıcı mesajlar gösterilir.

02/01/2014

3

4)Sadeleştirme Anlamlı mesajları kullanarak,kullanıcı için ileri adım

sadeleştirmesi yapar.

Örneğin;aranan bir ifade ile ilgili olarak;”Bunu mu demek istediniz “ şeklinde anlamlı mesajlar kullanılır.

5)Kullanım

İstatistiksel olarak aldığımız sonuçların, farklı programlarda kullanılarak araştırma performansına katkı sağlanmasıdır.

Bu 5 yöntem tasarımcılar tarafından uygulanır.Böylece kullanıcıların yaptığı araştırmaların daha görülebilir,anlaşılabilir ve kontrol edilebilir olması sağlanır.

Multimedya Dökümanlarında

Araştırma Multimedya;metin, görüntü, grafik, çizim, ses,videolardan

birden fazlasının bir arada bulunduğu ortamdır.Multimedya araştırması ise,multimedyanın bilgisayarda gösterilmesi, dosyalarda saklanması, bilgisayar ağından iletilmesi ve sayısal olarak işlenmesi ile ilgili bir kavramdır.

Multimedya araştırmaları;

1)Resim-Görsel Araştırma

2)Harita Araştırma

3)Tasarım Araştırma

4)Ses Araştırma

5)Video Araştırma şeklinde sınıflandırılabilir.

1)Resim-Görsel Araştırma

Görsellerin-fotoğrafların araştırılmasıdır.

Görsel araştırma motorlarına örnek olarak ;

Google images

oScope

Yometa

Spezify

gibi arama motorları verilebilir.

Örneğin Google images kullanarak görsel araştırma yapmak için; aranacak görsel direkt olarak resimle, klavye yoluyla girdiğimiz ifadelerle ya da ses ile de yapabilir.

Aramak istediğimiz görsel bilgisayarımızda olmayıp,internet üzerinde yayınlanmış yani URL’si olan bir görsel ise;

02/01/2014

4

Eğer araştırmak istediğimiz görsel bilgisayarımzda var ise ;

Görsel yükleyin seçeneği ile; görsel, bilgisayarda bulunduğu konumdan seçilerek ortama aktarılır.

Araştırdığımız görselin ne ile ilgili olduğu,adı,konumu ve benzer bilgilerine ulaşılır.

Bunlara ek olarak aradığımız görselle ilgili olarak metinsel dökümanlara da ulaşabiliriz.

Aramak istediğimiz görsel, net bir ifadeyi karşılamıyorsa;fotoğrafın içerik,renk gibi özelliklerine göre benzer sonuçlar verecek şekilde araştırma sonuçlanır.

oScope görsel arama motorunda ise;

02/01/2014

5

2)Harita Araştırma

İnternet üzerindeki haritalara erişim,yapılandırılmış veri tabanlarından enlem boylam çözümlemesi yapılarak sağlanır.

Harita arama motorlarına örnek olarak;

google maps

bing maps verilebilir.

Örneğin google maps aracılığıyla;

Empire State binasını arayalım.

Aranılan yerin harita üzerinden belirlenen bir başlangıç noktasına göre yol tarifi alınabilir.

Harita üzerinde aranacak yerle ilgili olarak;trafik yoğunluğu,toplu taşıma yolları,bisiklet için uygun yollar,hava durumu,web kamerası fotoğrafları gibi ek özelliklere de ulaşılabilir.

3)Tasarım Araştırma

Kullanıcıya sınırlı bir araştırma kapasitesi içerisinden seçenekler sunar.

Tasarım arama motorlarına örnek olarak;

Google

DuckDuckgo

AltaVista

Yahoo

Bing örnek verilebilir.

02/01/2014

6

Örneğin İspanya’da Bilbao şehrindeki modern sanat müzesi olan Guggenheim Müzesini DuckDuckGo arama motoru ile arayalım.

4)Ses Araştırma

Kullanıcıların müzik ya da ses içeriği ile sorgulama yapabildiği araştırmalardır.

Kullanıcı sistemeden bilgiyi ses girdisi ile de araştırabilir.Sistem bu girdiye karşılık olarak en çok benzeyen ifadeleri aramanın sonucu olarak kullanıcıya döndürür.

Örneğin ses arama motoru SoundJax’te ses araştırması yapabilmek için; Belirlenen kategorilerden biri seçilip arama yapıldığında çıkan

ekran ile aranılan ses,müzik bulunmuş olur.

Bazı arama motorlarında ise ses girişi seçeneği ile sesli araştırma sağlanmaktadır.

02/01/2014

7

Ses girişi ile araştırmanın sonucu; 5)Video Araştırma

Bir video veya film araştırılırken,aranan video aslında sahnelere ya da birbirini takip eden sahneler şeklinde kesilmiştir.

Video arama motorlarından bazılarını;

Youtube

Dailymotion

Clip Blast

olarak örnek verebiliriz.

Örneğin Clip Blast’ta video araştırması yapılaırken; Video araştırmamızda youtube kullanalım.

Araştırmamızı daha da detaylandırmak istersek; Araştırmamızın konusunu değiştirdiğimizde içerikte

değişmektedir.

02/01/2014

8

İleri Düzeyde Filtreleme ve

Araştırma Arayüzleri

İleri düzeyde kullanım için alternatif sağlamak için;

1)Karmaşık Boolean Sorguları ile Filtreleme

2)Dinamik sorgular

3)Yönlü Metadata(üstveri) Araştırması

4)İşbirliği yaparak filtreleme

5)Çoklu dil araştırması

6)Görsel Araştırma

1)Karmaşık Boolean Sorguları ile Filtreleme

“and(ve)” , “or(veya)” ifadelerinin boolean kullanımının konuşma dili kullanımından farklı olmasıdır.

“and(ve)” ifadesi konuşma dilinde seçenekleri genişletirken,boolean ifadelerde daraltıcı özelliğe sahiptir.

“or(veya)” ifadesi ise genişletici özelliğe sahiptir.

2)Dinamik sorgular

Belirlenmiş aralıktaki belirli bilgilerin,görsellerin buton yardımıyla alınmasıdır.

Online veritabanlarında dinamik sorgular kullanılır.100 ms’den daha kısa sürede istenen verinin geri dönüşü sağlanır.

Yönlendirilebilen sorgulardır.

3)Yönlü Üstveri(Metadata) Araştırma

Üstveri;oluşturulmuş bir dosyanın anlaşılması ve kullanılabilmesi için;içerikle birlikte,bu dosyanın adı,dosyayı oluşturan kişi bilgisi, oluşturulma tarihi şeklinde basit bilgilerden oluştuğu gibi,görüntülerin fikri hakları, kullanım ücretleri ya da videolardaki seslerin yazıya dökülmüş bölümleri gibi kompleks içeriklerden de oluşabilen bilgilerdir.

Yönlü üsteveri araştırması ise;

Girilen bir anahtar kelime ile kategoriler taranır.

Sorgulama işlemi önizlemeler şeklinde gerçekleştirilir.

4)İşbirliği yaparak filtreleme

Geniş bir veritabanı içinde bulunan öğelerin değerlendirmelerinin birleştirilmesine yardımcı olur.

Kullanıcılar kişisel bilgileri ile sisteme giriş yapar ve ilgilendiği öğe için oy kullanırlar, daha sonra kullanıcıların bilgileri kullanılarak öğe üzerinde değerlendirme oranı yapılır.

Örneğin;

02/01/2014

9

5)Çoklu dil araştırması

Mevcut sistemler kullanıcının kendi dilinde araştırma yapmasını sağlarken,çoklu dil araştırması ile özel sözlükler kullanılarak daha hassas çeviriler elde edilir.

6)Görsel Araştırma

Aranan bilgilerin özelleştirilmiş görsel sunumlarıdır.

Örneğin; uçakta boş olan yerlerin gösterilmesi gibi.

Görselliğin daha değerli olduğu araştırma şeklidir.Görselliğe bilgiden daha fazla ihtiyaç duyulduğunda kullanılır.Geri bildirim hızlıdır.

Örneğin Avrupa haritasından İspanya seçildiğinde İspanyadaki şehirlere de ulaşılabildiği gibi diğer Akdeniz ülkelerini de görebiliriz.

Bilgi Görselleştirme

Bengü Yıldırım

2010639064

BİLGİ GÖRSELLEŞTİRME NEDİR?

• Bilgi görselleştirme bilgiyi anlama seviyesini yükseltmek için soyut, etkileşimli veri görsel temsillerinin kullanımı olarak tanımlanabilir.

• ‘Bir resim bin kelime değerindedir ‘.

• Bir metin rapor ya da sözlü ifadelerdense bunun resim üzerinden açıklanması, anlatılması insanlar üzerinde daha kalıcı etki bırakır.

• Tasarımcılar kullanıcı kontrollü ,daha yararlı ,kalıcı bilgi sunmak ve bilgileri işlemek için çalışmalar yapıyorlar. İşlemci hızları ve ekran çözünürlüğü arttıkça bu gün geçtikçe daha üst seviyelere taşınıyor.Görselleştirme arayüzü günümüzde her alanda kullanılıyor.

• Bilimsel görselleştirme ile bilgi görselleştirmeyi ayıran verilerin soyut özelliğidir.

Bilgi görselleştirme: Soyut verilerdir. Metin ve coğrafi bilgi olarak , sayısal ve sayısal olmayan veriler içerir. Kategorik değişkenler,modeller, kümeler, aykırılıklar ve eksiklikler keşfedilir.

Bilimsel görselleştirme: Somut verilerdir.Değerler sabittir, hacimler, yüzeyler ele alınır.Bilimsel görselleştirme için, üç boyutlu sorular(iç/dış,sağ/sol,yukarı/aşağı),değişkenler,birimler ve yüzeyler gerekli.

Bilgi görselleştirme Bilimsel görselleştirme

02/01/2014

10

Tarihi Gelişimi

Denis Diderot ve Jean le Rond d'Alembert (1751)

Görselleştirmeyi ; insan bilgisinin bir taksonomisi(sınıflandırılması) olarak görmüşler ve buna "İnsan Bilgisinin Figüratif Sistemi" demişlerdir.

Bu yapı "Diderot ve d'Alembert ve ağacı" olarak bilinir.

İlk 3 dalının adını Bellek, Sebep ve Hayal koydukları bir tablo yapmışlardır.İçindekiler tablosu olarak üretmişlerdir .Bunu tarih,felsefe,şiir alanlarına ayırmışlar.

Edmund Cooper ve John Snow - Londra Kolera Haritası (1854)

Kolera sulardan ve kanalizasyon sularının normal sulara karışmasından doğan bir hastalıktır.Eylül 1854 yılında bir kolera salgını Londra’da Broad Street ‘te görülmeye başlanıyor.

Edmund Cooper Büyükşehir Komisyonu’nda kanalizasyonlarda görevli bir mühendisti . Kamudan şikayetler geliyor ve kolera salgınının kanalizasyon ile bağlantılı olduğunu söylüyorlar.

Kolera ölümleri artmaya başlıyor ve Cooper Londra haritası üzerinde bu ölümlerin yerlerini noktalar ile belirtiyor.

Kanalizasyon deliklerinin yerleri de saptanıyor ve bu deliklerin ölümlerin olduğu adreslere yakın olmadığı anlaşılıyor.

Böylelikle Cooper suçsuzluklarını ispatlamış oluyor ve salgının başka yerlerden taşındığı kanaatine varılıyor.

Temel Veri Tipleri 7 adet temel veri tipimiz mevcuttur.

1D lineer(doğrusal) veriler - (linear data)

2D harita verileri - (map data)

3D dünya verileri - (world data)

Çok Boyutlu veriler - (multidimensional data)

Zamansal (geçici) veriler - (temporal data)

Ağaç veriler - (tree data)

Ağ verileri - (network data)

1 D lineer(doğrusal) veri

Doğrusal veri türleri tek boyutlu olan verilerdir.Bunlar sıralı bir şekilde organize edilebilir alfabetik listeler içerir. Örneğin bir programın yeni sürümünün eski sürümüyle karşılaştırılması,kod satırlarındaki değişikliklerin gösterilmesi bu veri türü ile yapılabilir.

• Program kaynak kodları

• Metin Belgeleri, sözlükler

• İsimleri metin belgesinde tutma

• Tasarım konuları:

- Renkler, boyutları, düzen,kaydırma, seçim yöntemleri

• kullanıcı görevleri belirtme listeleri

• program kaynak kodu

• metinsel bilgi listeleri

02/01/2014

11

Renk kodlama sistemi hakkında bilgi sağlamak için kullanılmış bir görselleme. SeeSoft bilgisayar programı ile 4.000 satır kodu gösterir. Küçük tarayıcı penceresi, koda genel bakışı ayrıntılı pencerede gösterir. (Eick, 1998)

1 D

Bu şekil metin bilgi görselleştirilmesinin diğer bir örneğini gösterir. Bu durumda renk kodu sürümleri arasındaki farklar gösterilmiş.

1 D

Alice Harikalar Diyarında örneği; tamamını bir yay olarak düşünüp başlangıç noktasını 12.00 alarak, saat yönünde adımlarla ilerlenir.Burada en sık kullanılan kelimeleri görmek için ya da bir ögeyi tüm özellikleri ile görmek için çalışmalar yapılmış. Kelimeler iç çerçevenin etrafındadır.Daha sık görünen sözcükler parlaktır. Örneğin bir 'tavşan' kelimesi arandğında yeşil yay ile çizilmekte.

1 D 1 D

• Coğrafi haritalar, kat planları için idealdir.

• Coğrafi Bilgi Sistemleri, mekansal görüntülerde sıkça kullanılır.

• Yapılan 2 boyutlu gölgelendirmeler ya da belirtimler ile bitişik öğeleri bulma kolaylığı sağlar.

2D harita verileri

NOAA Fırtına Tahmin Merkezi

2 D

02/01/2014

12

2 D

Almanya’nın 2D haritası

2 D

3D dünya verileri Günümüzde çok fazla yaygınlaşmıştır.2D den farklı olarak hacimsel ilişki

söz konusu olur. Gerçek dünya nesneleri, moleküller, binalar, karmaşık hacimsel ilişkiler üzerinde etkin kullanım alanına sahiptir.

tıbbi görüntüleme

mimari çizimler

bilimsel simülasyonlar

kimyasal yapı modelleme

konum, yönlendirme ve navigasyon ve bunun gibi birçok alanda kullanılmakta.

Kullanıcılar, nesneleri görüntülerken onların konumunu ve yönünü anlamak zorundadır.

Bakış açılarıyla oynanabilmeli,görüntüler gerçeğe çok yakın olmalı.Bunun içinde somut kullanıcı arayüzleri,gelişmiş 3D teknikleri kullanılmalı.

Kullanıcılar yukarıda / aşağıda , iç / dış , sağ / sol ilişkilerine odaklanır .

Üç boyutlu uygulamalar , kullanıcıların konum ve yönelimi ile başa çıkmak zorundadır.

3 D 3 D

02/01/2014

13

Rüzgarın yön ve hız bilgilerinin o arazi üzerinde akışını gösteren 3d gösterim.

3 D

ThemeView ile temsil eden üç boyutlu gösterim.Yakınlık,benzer olanları gösterir. Yüksekliği belge ve terimlerin frekans sayısını yansıtır.

3 D

N adet niteliği olan, n boyuta sahip verilerdir.

En yaygın kullanım alanları;

- İlişkisel, istatistiksel veriler üzerinde -Arazilerde,arsalarda koordinat gösterimleri -Metinsel olan çok nitelikli, ilişkili bilgiler

Çok boyutlu veriler üç boyutlu saçılım diyagramı ile temsil edilebilir, ancak oryantasyon bozukluğu ve tıkanıklığı gibi sorunlar olabilir.

Çok boyutlu veriler

Guetamala’da hapishanedeki suçluların yaşları,cinsiyetleri,hangi yılda suç işledikleri,suçları,hangi uygulama sisteminden ceza alacaklarını tutan bir excel dosyası.

M D

yukarıdaki excel dosyasının spotfire ile görsellenmesi.

M D

Satılık evlerin listesi görselleştirilmiştir.Fiyat,odaların ayrıntıları,evlerin metre kareleri,bulundukları şehir,ayrıntılı adresleri vs.bilgiler mevcuttur.(wwvv.inxight.com)

M D

02/01/2014

14

Yıllara göre yeni doğan bebeklere verilen isimlerden ‘J’ harfi ile başlayanların sayılarının,dağılımlarının görsellenmesi

M D

Bir çiftlikte yetişen ürünleri tutan çok boyutlu Excel dosyası.

M D

spotfire ile aynı Excel dosyasının görselleştirilmiş hali.

M D M D

Zamansal veri (geçici)

Zamana göre değişiklik gösteren verilerdir.

Olayların bir başlangıç ve bitiş zamanı vardır.

Periyodik olayların karşılaştırarak gözlemlenmesini de sağlar.

Bu tek boyutlu verilerden ayrı bir veri türü olarak alınır. Bir doğrusal veri serisidir diyebiliriz . Birden fazla zaman serisi, birleşmiştir.

Geçici veri görselleştirme, video verileri düzenleme müzik bestelerinde ya da Flash gibi animasyonlar hazırlamak için uygulamalara dahil edilir. Örneğin ; - Bir petrol kuyusunun durumuna göre borsa fiyatlarının değişimi,elektrokardiyogram, hisse senedi fiyatları veya hava durumu verileri.

-Zaman çizelgeleri (tıbbi kayıtlar, proje yönetimi, tarihi temsiller)

lifeLines (Plaisant et a1., 1998)

Temporal

02/01/2014

15

Ülkelerde meydana gelen olayların yıllara göre değişimleri

Temporal

Metropolitian müzesinin sanat tarihinin zaman çizelgesi

Temporal

Ağaç veri

• Belirli hiyerarşileri , ağaç yapısına birebir benzer öğeleri vardır.

• Her öğe (kök hariç) bir üst öğe ile bağlantılıdır.

• Ebeveyn ve çocuk ilişkisi mevcuttur.

• Bu yapı borsada veri görselleştirme için,petrol üretimlerinin izlenmesinde,elektronik ürün katalogları aranmasında birçok firma tarafından kullanılmaktadır.

Bu şekil Explorer'dan alınan bir dizin listesini gösterir.

Tree

Düğüm yapısı

Tree

Kuruluş şeması (Card and Nation, 2002)

Tree

02/01/2014

16

Tree

Ağ verileri

• Bir öğe ağdaki diğer öğeler ile bağlantılıdır.

• Öğeler arasındaki ilişkiler karmaşıktır ve çeşitli sayılarda ilişki olabilir.

• Ağların pek çok özel çeşitleri vardır.Bunlardan bazıları çevrimsel olmayan,kafes,yönlü,yönsüz .

• Öğeleri arasındaki ilişkileri bir ağaç yapısı ile uygulanamadığı zamanlarda seçilen yöntem genellikle budur.

• Öğeleri bir ağ içinde diğer öğeler ile bağlantılıdır.

• Kullanıcıların bu yapıdan talep ettikleri : 2 öğeyi bağlayan en kısa veya en az maliyetli yolu hakkında bilgi almaktır.

Bell Labs ağ veri gösterimi

Bu şekil internet ağında yönlendiricileri(routers) gösterir.

Network

Belirli bir düğümden geçen düğüm çiftleri arasındaki en kısa yol sayısının bulunması.

Network

Bu ABD, uzun mesafe telefon görüşmeleri için en yoğun kullanılan yolları gösteren bir başka figür Sarmal gösterim

Network

Bu da yine ABD uzun mesafe telefon görüşmeleri için en yoğun kullanılan yolları gösteren farklı bir figür – iğneli gösterim.

Network

02/01/2014

17

Ağ yapısında radyal bir gösterim

Network

Yedi temel görev

Genel bakış

Yakınlaştırma

Filtreleme

Ayrıntıları görme

İlişki kurma

Geçmişe dönme

Ayıklama

Kullanıcıların tüm koleksiyona bir bakış açısı kazanabilmesidir.Tüm görevleri,yakınlaştırma araçlarını,kutuları,sekmeleri genel olarak inceleyebilmesidir.

3 ile 30 arası yakınlaştırma faktörleri sağlayan,ayrıntıları,görünüm ve içerikleri rahatlıkla seçebilecek nitelikte olmalıdır.

Bir diğer yaklaşım ise balık gözü stratejisidir.Balık gözü görünümü çoğu zaman görüş açısı 100º nin üzerindeki geniş açılı (çok kısa odak uzunluklu) objektiflere verilen genel addır. Bu objektiflerin kimileriyle 180º görüş açısı elde edilebilmektedir. Bu tür objektiflerin verdikleri görüntüde ise aşırı bir görüntü bozulması (dairesel görüntü) söz konusudur.Geniş kadrajlı alanların hepsinin tek karede görünmesini sağlar bu nedenle görselleştirme uygulamalarında tercih edilmektedir.

Genel Bakış Yakınlaştırma Kullanıcıların ilgili öğeleri yakınlaştırabilmesi sağlanmalıdır.

Daha ayrıntılı bir görünüm sağlar. Özellikle Küçük ve karmaşık ekranlar için önemlidir.

Yakınlaştırma yapılırken yakınlaştırılan noktanın etrafının korunması çok önemlidir.

- Örneğin akıllı telefon üzerinde harita uygulaması.

Kullanıcı isteğine bağlı yakınlaştırma .

Filtreleme

Kullanıcıların ayrıntılı görmek istediği kısımı diğer ögelerden ayırarak görüntülemesidir. Bu sayede istediğimiz verileri görüntüler istenmeyenleri de gizlemiş oluruz.

Kullanıcı arama boyutunu azaltır.

Hız sağlar.

02/01/2014

18

Excel dosyası üzerinde filtreleme örneği.

Ayrıntıları görme(detaylandırma)

Kullanıcıların talepleri doğrultusunda bilgi almak için bir öğe veya grup seçerek inceleyebilmesidir.

Genellikle ayrı bir pop-up penceresi ile üzerine tıklanan öge ayrıntılı şekilde görüntülenir.

İlişki kurma Öğeler arasındaki çift bağlantılı ilişkileri görüntülemektir.

Bu ilişkiler çeşitli yöntemlerle gösterilebilir .Bunlardan bir kaçı;Yakınlık, çevreleme, bağlı çizgi, renk ile belirtme . Örnek:

Yönetmen adlarının tutulduğu bir belgede o yönetmen ile tüm filmlerini ilişkilendirmek.

Yaşam çizgileri örneğinde, kullanıcılar bir ilaç üzerinde tıkladığında ilaçla ilgili notları veya test sonuçlarını görüntüler.

Geçmişe dönme Kullanıcıların geri alma ve yeniden göndermelerini desteklemek için

geçmiş kayıtları tutulmalıdır.Eylemlerin tarihini tutmak ve kullanıcıların adımlarını takip etmek gerekir.Ancak, çoğu ürünler bu gereksinimi karşılayamamaktadır.Tasarımcılar bu sistemleri iyi şekilde yapmak için aramaları sıraya koruyup, bu aramaları kombine veya rafine olarak yapmalıdır.

02/01/2014

19

Ayıklama Kullanıcılar istedikleri öğeleri diğer öğelerden bağımsız şekilde ayırıp

ayrı olarak inceleme fırsatına sahip olmalıdır.

Bu kullanıcılara karmaşık durumlarda daha ayrıntılı bir görüş ve diğer öğeler ile karşılaştırma yapma imkanı sağlar.

Ayrıca ayıklanan öğeler kaydedilip ,elektronik posta ile gönderilebilinir olursa bu tasarıma bir avantaj sağlamış olacaktır.

Bilgi görselleştirme için sorunlar

Evrensel kullanılabilirlik sağlanması.

Veri ekleme ya da veri temizleme.

Kullanıcı hataları ile başa çıkabilme.

14-

112

• Büyük dosya sistemi : veri geniş hacimli görüntüleniyor.

14-

113

• Metinsel etiketlerle görsel temsilleri birleştirme.

Başarılı bilgi görselleştirme aracı her şartta iyi olmalı, gerçekçi görevler için faydalar sağlamak zorundadır. Ayrıca farklı dilleri konuşan ve engelli kullanıcılar için erişim sağlarken, platformlar, ekran boyutları ve ağ bant genişliği de evrensel kullanılabilirlik ilkelerini karşılamak için inşa edilmelidir. Bilgi görselleştirme geliştikçe, bu alan için kurallar, ilkeler ve teoriler ortaya çıkacaktır.

02/01/2014

20

Referanslar

Ahlberg, C. and Shneiderman, B., Visual information seeking: Tight coupling of dynamic query filters with starfield displays, Proc. CHI '94 Conference: Human Factorsin Computing Systems, ACM, New York (1994), 313-321 and color plates.

Amento, B., Terveen, L., and Hill, W., Does "authority" mean quality? Predicting expert quality ratings of web documents, Proc. ACM SIGIR 2000 Conference, ACM, New York(2000),296-303.

Andrienko, N., Andrienko, G., and Gatalsky, P., Exploratory spatia-temporal visualization:An analytical review, Journal of Visual Languages and Computing, 14,6 (2003),503-541.

Bederson, B. B., PhotoMesa: A zoomable image browser using quantum treemaps and bubblemaps, Proc. UIST 2001 Symposium on User Interface Software & Technology, ACM CHI Letters, 3, 2 (2001),71-80.

Bederson, B. B., Meyer, J., and Good, L., Jazz: An extensible zoomable user interface graphics toolkit in Java, Proc. UlST 2000 Symposium 011 User Illterface Software & Technology, ACM CHI Letters, 2, 2 (2000), 171-180.

Bederson, B. B. and Shneiderman, B., The Craft of Information Visualization: Readings andReflections, Morgan Kaufmann Publishers, San Francisco, CA (2003).

Bederson, B. B., Shneiderman, B., and Wattenberg, M., Ordered and quantum treemaps: Making effective use of 2D space to display hierarchies, ACM TransactiO/IS on Graphics, 21, 4 (October 2002),833-854.

Belkin, N. J. and Croft, B. W., Information filtering and information retrieval: Two sidesof the same coin?, Communicatio/ls of the ACM. 35,12 (1992),29-38.

Bertin, J., Semiology of Graphics, University of Wisconsin Press, Madison, WI (1983).

Borner, B. and Chen C. (Editors), VisualIllterfaces to Digital Libraries: Motiz'atioll. UtilizatiOIl, and Socio-Technical Challenges (Lecture Notes in Computer Science, 2539), Springer-Verlag, London, U.K. (2003).

Brin S. and Page L., The anatomy of a largescale hypertextual web search engine, Proc.Seventh Illternational World Wide Web Conference (1998),107-117.

Card, S., Mackinlay, J., and Shneiderman, B., RCildings in Information Visualization: UsingVision to Think, Morgan Kaufmann Publishers, San Francisco, CA (1999).

Card, S., Information visualization, in Jacko, J. and Sears, A. (Editors), The HlImilllComputer Interaction Halldbook, Lawrence Erlbaum Associates, Mahwah, NJ (2002),544-582.

Card, S. and Nation, D., Degree-of-interest trees: A component of attention-reactive user interface, Proc. Advanced Visual Interface '02 (2002),231-245.

Chen, c., Information Visualisation and Virtual Environments, Springer-Verlag, Berlin, Germany (1999).

Chen, c., Mapping Scientific Frontiers: The Quest for Knowledge Visualisation, SpringerVerlag, Berlin, Germany (2003).

Cleveland, w., Visualizing Data, Hobart Press, Summit, NJ (993).

Doan, K., Plaisant, c., Shneiderman, B., and Bruns, T., Interface and data architecture for query preview in networked information systems, ACM Tral1sactions on Information Systems, 17,3 (1999), 320-341.

Dodge, M. and Kitchin, R., Atlas of Cyberspace, Addison-Wesley, Reading, MA (2001).

Doermann, D., The indexing and retrieval of document images: A survey, Computer Vision and Image Understanding, 70, 3 (1998), 287-298.

Dumais, S., Cutrell, E., and Chen, H., Optimizing search by showing results in context, Proc. CHI 2001 Conference: Human Factors in Computing SHstems (2001), 277-284.

Dykes, J., MacEachren A. M., and Kraak, M. J. (Editors), Exploring Geovisllalization, Elsevier, Amsterdam, The

Netherlands (2004).

Eick, Stephen, Maintenance of large systems, in Stasko, John, Domingue, John, Brown, Marc H., and Price, Blaine A. (Editors), Software Visualization: Programming as aMultimedia Experience, MIT Press, Cambridge, MA (I 998), 315-328.

Fayyad, U., Grinstein, G., and Wierse, A., Information Visualization in Data Mining and Knowledge Discovery, Morgan Kaufmann Publishers, San Francisco, CA (2001).

Fekete, J.-D. and Plaisant, c., Excentric labeling: Dynamic neighborhood labeling for data visualization, Proc. CHI '99 Confermce: Human Factors in Computing Systems, ACM, Ne\v York (1999), 512-519.

Fekete, J.-D. and Plaisant, c., Interactive information visualization of a million items, Proc. IEEE Symposium 0/1 Information Visualization (2002), 117-124.

Friendly, M., Mosaic displays for multi-way contingency tables, Journal ofthe American Statistical Association, 89 (1994), 190-200.

Greene, S., Marchionini, G., Plaisant, c., and Shneiderman, B., Previews and overviews in digital libraries: Designing surrogates to support visual information-seeking, Journal of the America11 Society for Information Sciellce, 51,3 (March 2000), 380-393.

Hearst, M., User interfaces and visualization, in Baeza-Yates, Ricardo and Ribeiro-Neto, Berthier (Editors), Modem Information Retrieml, Addison-Wesley, Reading, MA (1999).

Herman, I., Melan<;on, G., and Marshall, M. S., Graph visualization and navigation in information visualization: Asurvey, IEEE Transactions on Visualization {llld ComputerGraphics, 6, 1 (2000l, 24-43.

Hochheiser, H. and Shneiderman, B., Dynamic query tools for time series data sets: Timebox widgets for interactive exploration, IIlformati011 Visualizatioll, 3, 1 (2004,1-18).

Hornbaek, K., Bederson, B. B., and Plaisant, c., Navigation patterns and usability of zoomable user interfaces with and without an owerview, ACM Transactions 011 CLl/11l'lItcr-HulIltlll lnten/ctio/I, 9, -4 (2002), 362-389.

Hovy, E. H, Ide, N., Frederking, R.E., Mariani, J., and Zampolli, A (Editors), Multilingual Information Management, Giardini Editori e Stampatori, Pisa, Italy and Kluwer Academic Publishers, Dordecht, The Netherlands (2001).

Hu, N. and Dannenberg, R., Music digital libraries: A comparison of melodic database retrieval techniques using sung queries, Proc. 2nd ACMjIEEE-CS Taint Conference on Digital Libraries (2002), 301-307.

Inselberg, A, Multidimensional detective, Proc. IEEE Symposium on Information Visualization (October 1997), 100-107.

Keirn, D. A., Visual exploration of large data sets, Communications of the ACM, 44, 8 (August 2001), 38-44.

Koenemann, J. and Belkin, N., A case for interaction: A study of interactive information retrieval behavior and effectiveness, Proe. CHI '96 Conference: Human Factors in Computing Systems, ACM, New York (1996),205-212.

Komlodi, A, The role of interaction histories in mental model building and knowledge sharing in the legal domain, I-KNOW '02 2nd International Conference on Knowledge Management, Journal of Universal Computer Science, 8,5 (2002),557-566.

MacEachren, A, Dai, X., Hardisty, E, Guo, D., and Lengerich, G., Exploring high-D spaces with multiform matrices and small multiples, Proc. IEEE Symposium on Information Visualization (2003),31-38.

Marchionini, Gary, Information Seeking in Electronic Environments, Cambridge University Press, Cambridge,UK (1995).

Munzner, T., Drawing Large Graphs with H3Viewer and Site Manager, Lecture Notes in Computer Science series, Proceedings for the Symposium on Graph Drawing, GD '98, Montreal, Canada (1998).

North, c., Conklin, N., and Saini, v., Visualization schemas for flexible information visualization, Proc. IEEE Symposium 011 Information Visualization (2002), 15-22.

Oard, D. W., Gonzalo, J., Sanderson, M., Lopez-Ostenero, E, and Wang, J., Interactive cross-language document selection, Information Retrieval, special issue on results from the Cross-Language Evaluation Forum (2004).

Pirolli, P., Schank, P., Hearst, M., and Diehl, c., ScatterI gather browsing communicates the topic structure of a very large text collection, Proc. CHI '96 Conference: Human Factors in Computing Systems, ACM, New York (1996),213-220.

Plaisant, c., Information visualization and the challenge of universal access, in Dynes, J., MacEachren, A. M., and Kraak, M. J. (Editors), Exploring Geol'isualization, Elsevier Amsterdam, The Netherlands (2004).

Plaisant, c., Mushlin, R., Snyder, A, Li, J., Heller, D., and Shneiderman, B., lifelines: Using visualization to enhance navigation and analysis of patient records, American Medical Informatics Association Annual Fall Symposium, AMIA, Bethesda, MD (1998),76-80.

Plaisant, c., Grosjean, J., and Bederson, B. B. SpaceTree: Supporting exploration in large node link tree, design evolution and empirical evaluation, Proe. IEEE Symposium 011 Information Visualization (2002), 57-64.

Reisner, P., Query languages, in Helander, M. (Editor), Handbook of Human-Computer Interaction, North-Holland, Amsterdam, The Netherlands (988), 257-280.

Riedl, J., Konstan, J., and Vrooman, E., Word of Mouse: The Marketing Power of Collaborative Filtering, Warner Business Books, New York (2002).

Robertson, George G., Card, Stuart K., and Mackinlay, Jock D., Information visualization using 3-D interactive animation, Communications of the ACM, 36, 4 (April 1993), 56-71.

Shneiderman, B., Dynamic queries for visual information seeking, IEEE Software, 11,6 (1994),70-77.

Shneiderman, 8., Byrd, D., and Croft, B., Clarifying search: A user-interface framework for text searches, D-LlB Magazine of Digital Library Research (January 1997). Available at http://www.dlib.org/.

Shneiderman, B., Treemaps for space-constrained visualization of hierarchies, (2004). Available at http://www.cs.umd.edu/hcil/treemap-history.

Silva, S. E, and Catarci, T., Visualization of linear time-oriented data: A survey, Proc. First International Conference on Web Information Systems Engineering (WISE '00), IEEE Computer Society (2000), 310-319.

Spence, R., Information Visualisation, Addison-Wesley, Reading, MA (2001).

Stasko, John, Domingue, John, Brown, Marc H., and Price, Blaine A. (Editors), Software Visualization: Programming as a Multimedia Experience, MIT Press, Cambridge, MA (1998).

Tanin, E., Lotem, A., Haddadin, 1., Shneiderman, B., Plaisant, c., and Slaughter, L., Facilitating network data exploration with query previews: A study of user performanceand preference, Behaviour & Information Technology, 19,6 (2000), 393-403.

Tufte, E., The Visual Display of Quantitative Information, Graphics Press, Cheshire, CTa(1983).

Tufte, E., Visual Explanations, Graphics Press, Cheshire, CT (1997).

Wactlar, H. D., Christel, M. G., Yihong G., and Hauptmann, A. G., Lessons learned from building a terabyte digital video library, JEEE Computer, 32, 2 (1999),66-73.

Wakefield, G. and Bartsch, M., Where's Caruso? Singer identification by listener and machine, Cambridge Music Processing Colloquium 2003 (2003).

Ware, Colin, Information Visualization: Perception for Design: Second Edition, Morgan Kaufmann Publishers, San Francisco, CA (2004).

Welty, c., Correcting user errors in SQL, International Journal of Man-Machine Studies, 22 (1985),463-477.

Wilkinson, L., The Grammar of Graphics (Statistics and Computing), Springer-Verlag, New York (1999).

Williamson, C. and Shneiderman, B., The dynamic HomeFinder: Evaluating dynamic queries in a real-estate information exploration system, Proc. ACM SIGIR '92 COllference. ACM, New York (1992),338-346.

Wise, J. A., Thomas, J., Pennock, K., Lantrip, D., Pottier, M., Schur, A., and Crow, V., Visualizing the non-visual: Spatial analysis and interaction with information from text documents, Proc. JEEE Symposium on Jnjimnation Visuali:ation. IEEE Computer Press, Los Alamitos, CA (1995), 51-58.

Wurman, Richard Saul.lntimnatioll Anxiety, Doubleday, New York (1989),

Yee, K.-P., Swearingen, K., Li, K., and Hearst, M., Faceted metadata for image search and browsing, Proc. CHI 2003 Conference: Human Factors in Computing Systems, ACM, New York (2003), 401-408.

Zhao, H., Plaisant, c., and Shneiderman, B., Improving accessibility and usability of geo-referenced statistical data, Proc. 2003 National Conference on Digital Government Research (2003), 147-152 (available at www.dgrc.org).