Haga un click aquí

O Paradigma Qualitativo na Visualização da
Informação: Uma Revisão Sistemática
Héctor Andrés Melgar Sasieta
Sección de Ingeniería Informática
Departamento de Ingeniería, Pontificia Universidad Católica del Perú
Email: [email protected]
Roberto Carlos dos Santos Pacheco
Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento (EGC),
Universidade Federal de Santa Catarina (UFSC), Brasil
Email: [email protected]
Resumo—Neste trabalho apresenta-se uma revisão sistemática
do uso do paradigma qualitativo na visualização da informação e
na visualização do conhecimento visando identificar quais os
métodos qualitativos que têm sido usados; quais as fontes de
informação usada nestas pesquisas; e quais as motivações destes
trabalhos.
Palavras-chave— Visualização da Informação, Visualização do
Conhecimento, Paradigma Qualitativo, Revisão Sistemática
I. INTRODUÇÃO
O uso de representações visuais como veículo para a
disseminação do conhecimento, está sendo estudado pela área
de visualização o conhecimento [4] que se apóia nas
habilidades dos humanos para processar imagens muito
rapidamente e lembrá-las por muito tempo. Segundo Alavi [3]
a disseminação do conhecimento para locais onde este é
requerido e possa ser usado é uma tarefa complexa, pois
organizações não são cientes do conhecimento que têm e não
possuem sistemas que permitem localizar e recuperar
eficientemente o conhecimento que reside nelas.
Dois importantes paradigmas têm emergido como suporte
para estudar a relação dos usuários com os sistemas de
visualização de informação e visualização do conhecimento: o
paradigma quantitativo e qualitativo. Neste trabalho apresentase uma revisão sistemática do uso do paradigma qualitativo na
visualização da informação e do conhecimento. Esta revisão
tem por objetivo identificar quais os métodos qualitativos
usados nestas áreas; quais as fontes de informação usadas para
suportar as análises qualitativas; e quais foram usados os
métodos qualitativos nesta área.
O trabalho está organizado da seguinte forma: na seção dos
apresenta-se uma breve descrição do campo da visualização da
informação, na seção três é descrita a área da visualização do
conhecimento. Finalmente na seção quatro é apresentada a
revisão sistemática.
II. VISUALIZAÇÃO DA INFORMAÇÃO
O objetivo principal de um sistema de visualização da
informação é representar visualmente informações com o
objetivo de facilitar a compreensão dos conjuntos de dados [68] que, à primeira vista, são voluminosos ou não são
facilmente de compreender em seu estado original, tornando as
informações relevantes em objetos mais naturais, mais
semelhantes a outros objetos que já são conhecidos [9]. Os
sistemas de visualização da informação são especialmente
úteis quando os usuários não sabem que perguntas fazer
ajudando-os a restringir rapidamente o espaço de busca e a
encontrar dados para estudar mais detalhadamente [10, p. 2].
A. As habilidades dos humanos para processar imagens
Segundo [14] existem principalmente duas teorias na
psicologia que explicam como a visão pode ser usada
efetivamente para perceber elementos e formas. No baixo
nível, a teoria do processamento pré-atencional explica que
alguns elementos visuais podem ser processados rapidamente e
com muita precisão por nosso sistema visual; e no nível mais
alto, a teoria da forma ou teoria da Gestalt descreve alguns
princípios usados pelo nosso cérebro para entender uma
imagem.
O processo de visualização pode ser dividido em duas
etapas [15, 16], na primeira delas, a informação é processada
pelo olho e pelo córtex visual primário, onde neurônios
individuais em áreas específicas (denominadas V1, V2, V3,
V4, MT) são especializados para identificar características
particulares como, por exemplo, orientação, cor, textura,
contorno ou movimento. Nesta fase a informação é processada
de forma pré-atencional e muito rápido. Posteriormente, na
segunda fase, o processamento é dividido dentro de dois
subsistemas complementares e independentes, um deles focado
na identificação dos objetos (quê) e o outro focado na
localização espacial (onde) [4].
III. VISUALIZAÇÃO DO CONHECIMENTO
Nos últimos anos diversos métodos e técnicas da
visualização da informação têm sido criados [11, 64, 65], no
entanto, não tem sido feita uma ligação destes métodos para o
ciclo de vida da gestão do conhecimento [20, 66]. É assim que
surge a necessidade da visualização do conhecimento como
uma estrutura de mediação para a utilização das diferentes
técnicas e métodos de visualização com as tarefas que os
gestores de conhecimento têm interesse em executar,
começando pela exploração da informação e terminando com a
transferência de conhecimento [19].
A visualização do conhecimento pode ser definida como o
uso de representações visuais para melhorar a transferência de
conhecimentos entre pelo menos duas pessoas ou grupo de
pessoas [4, 20, 67-69]. Tornar visível o conhecimento para
que ele possa ser acessado, discutido, avaliado, apreciado ou
gerenciado, é um objetivo de longa data na gestão do
conhecimento, devido a isto a visualização do conhecimento
torno-se recentemente o foco de atenção nas comunidades
acadêmica e de negócios [66].
A. Visualização da informação vs visualização do
conhecimento
Tanto a visualização da informação quanto a visualização
do conhecimento exploram as nossas capacidades inatas para
processar representações visuais de forma eficaz. Mas a
maneira de usar essas competências visuais difere: a
visualização da informação visa explorar dados abstratos e
criar novos insights. A visualização do conhecimento, além
disso, visa melhorar a transferência de conhecimentos entre as
pessoas. Enquanto a visualização da informação geralmente
ajuda a melhorar a recuperação de informação, o acesso e
apresentação de grandes conjuntos de dados, e em especial a
interação entre humanos e computadores [10, 74], a
visualização do conhecimento visa essencialmente aumentar
comunicação intensiva em conhecimento entre os indivíduos
ou grupo de indivíduos [66].
B. Framework para a visualização do conhecimento
Nesta seção apresenta-se brevemente o framework proposto
por Burkhard [4, 20, 68, 72, 75, 76] para a visualização do
conhecimento. Este framework baseia-se em cinco
perspectivas que respondem a cinco perguntas-chave em
relação à visualização de conhecimento:
• Que tipo de conhecimento precisa ser visualizado
(conteúdo)?
• Por que o conhecimento deve ser visualizado
(propósito, processos da gestão do conhecimento)?
• A quem está sendo destinado (grupo-alvo)?
• Em que contexto deveria ser visualizado (situação: os
participantes, local/media)?
• Como pode o conhecimento ser visualizado (método,
formato)?
A listagem de possíveis respostas a estas perguntas
fundamentais leva a um quadro conceptual para representações
visuais na gestão do conhecimento que pode fornecer uma
visão geral do campo de visualização do conhecimento e
orientar a sua aplicação. O quadro apresentado na figura 1,
portanto, responde à seguinte pergunta: Por que temos que
visualizar o conhecimento em determinada situação e como?
Figure 1: Framework para a visualização do conhecimento.
Adaptado de [4, 75].
IV. REVISÃO SISTEMÁTICA
A. O Processo
A pesquisa dos artigos foi realizada sobre as bases Scopus,
ACM Digital Library, IEEE Xplorer e ScienceDirect. A base
Scopus foi selecionada por ser umas das maiores bases
citações bibliográficas. As bases ACM Digital Library, IEEE
Xplorer e ScienceDirect foram selecionadas por conter anais
de conferências e revistas relevantes às áreas de visualização
da informação e visualização do conhecimento.
Usando estas bases foram feitas buscas usando como filtro
os termos “information visualization” and qualitative e
”knowledge visualization” and qualitative. As buscas foram
feitas usando os campos título, resumo e palavra-chave. Foram
encontrados 77 artigos usando os termos “information
visualization” and qualitative (ver na tabela 1) e 12 artigos
usando os termos “knowledge visualization” and qualitative
(ver tabela 2). Ambas as consultas foram executadas o dia 21
de julho do ano 2010.
Base Pesquisada
Qty. Artigos Retornados
Scopus
38
ACM
17
IEEE
19
ScienceDirect
3
Tabela 1: Resultados das buscas usando o termo “Information Visualization”.
Base Pesquisada
Qty. Artigos Retornados
Scopus
5
ACM
7
IEEE
0
ScienceDirect
0
Tabela 2: Resultados das buscas usando o termo “Knowledge Visualization”.
Devido a que as ferramentas de buscas efetuam um processo
de busca textual, foram analisados os resumos para excluir os
artigos que não usavam o paradigma qualitativo. Este processo
foi feito nos dois conjuntos de resultados, apresentados nas
tabelas 1 e 2. Após a filtragem, ficaram 26 artigos. Com o
objetivo de visualizar a evolução no decorrer dos anos da
utilização de métodos qualitativos nas áreas de visualização da
informação e visualização do conhecimento foram tabulados a
quantidade de artigos por ano, tal como pode-se apreciar na
tabela 3. Segundo os dados desta tabela, o uso dos métodos
qualitativos tem aumentado nos últimos quatro anos.
Ano Qty. Artigos
1998
1
2000
2
2003
1
2004
1
2005
1
2006
2
2007
4
2008
6
2009
4
2010
4
Tabela 3: Quantidade de artigos por anos após filtragem.
Os dados destes 26 artigos foram compilados em um banco
de dados para facilitar a analises. Para cada artigo foi
cadastrado seu título, ano de publicação, autores, resumo e
suas palavras-chaves. As palavras-chaves mas repetidas no
conjunto de dados foram visualização, desempenho, avaliação
e usuário tal como pode-se apreciar na tabela 4. Como era
esperado o termo visualização é o que mais ocorrências possui
(14).
Palavras-chave
Quantidade
visualização
14
desempenho
5
avaliação
5
usuário
5
Tabela 4: Palavras-chaves padronizadas.
B. Resultados da Revisão
Visando atingir o objetivo deste trabalho foram analisados
todos os artigos a fim de identificar i) quais os métodos
qualitativos que foram usados; ii) qual foi a fonte de
informação usada nestas pesquisas; e iii) qual foram os
objetivos dos trabalhos. Em relação aos métodos qualitativos
usados, os resultados mostram que a entrevista tem sido o
métodos mais usado nas pesquisas estudadas. Na tabela 5
pode-se apreciar os artigos estudados agrupados por método
qualitativo usado nos trabalhos.
Método
Entrevistas
Análisis qualitativa
Observação
Ground Theory
Protocolos verbais
Focus group
Tabela 5: Métodos usados.
Qty.
11
6
4
3
3
1
Referências
[63, 104-113]
[100, 114-118]
[107, 112, 119, 120]
[63, 105, 108]
[121-123]
[62]
Na tabela 6, podem-se apreciar os trabalhos estudados
agrupados por fonte de informação usada. A fonte de
informação mais usada foram as pessoas. A informação das
pessoas foi obtida usando diversos métodos tais como
entrevistas, observação, protocolos verbais e focus group.
Dado que os sistemas de visualização da informação e
visualização do conhecimento são considerados como sistemas
interativos, onde as pessoas interagem com o sistema para
alterar os parâmetros de visualização, era esperado que as
pesquisas estivessem focadas nas pessoas. Por outro lado, uma
grande quantidade de informação foi obtida a partir de fontes
secundárias como registros históricos. Neste caso foram
usados os arquivos de transações dos sistemas de visualização.
Estes arquivos armazenam as operações feitas pelos usuários e
através deles é possível analisar o comportamento do usuário
para executar determinadas tarefas. Em outros casos foram
usados blog, foros e wikis como fontes de informação.
Fontes
Pessoas
Registros históricos
Vídeos
Qty
Referências
14
[62, 104-111, 113, 114, 122-124]
9
[100, 112, 115-118, 120, 121, 123]
2
[119, 123]
Tabela 6: Fontes usadas.
Em relação aos objetivos das pesquisas, estas podem ser
categorizadas em três grupos como se pode apreciar na tabela
7. Estes grupos são: i) para obter feedback do sistema, ii)
avaliar métodos e técnicas de visualização e iii) compreender a
natureza dos usuários.
Objetivo
Qty
Referências
Para obter feedback do sistema
9 [63, 104, 106, 110, 118,
119, 121-123]
Avaliar métodos e técnicas de
8 [62, 107, 108, 113, 116,
visualização
117, 120, 124]
Compreender a natureza dos
7
[100, 105, 109, 111,
usuários
112, 114, 115]
Tabela 7: Objetivo da pesquisa qualitativa.
REFERÊNCIAS
[1] A. Tiwana, The Knowledge Management Toolkit: Practical Techniques
for Building a Knowledge Management System with Cdrom. Prentice Hall
PTR, 2002.
[2] A. Abecker, A. Bernardi, K. Hinkelmann, O. K¨uhn, and M. Sintek,
“Toward a technology for organizational memories,” IEEE Intelligent
Systems, vol. 13, no. 3, pp. 40–48, 1998.
[3] M. Alavi and D. Leidner, “Review: Knowledge management and
knowledge management systems: Conceptual foundations and research
issues,” MIS Quarterly, vol. 25, no. 1, pp. 107–136, 2001.
[4] R. A. Burkhard, “Towards a framework and a model for knowledge
visualization: synergies between information and knowledge visualization,”
in Knowledge and Information Visualization. Berlin/Heidelberg:
Springer, 2005, vol. 3426, pp. 238–255.
[5] A. Gupta and V. Govindarajan, “Determinants of knowledge outflows
from and inflows into foreign subsidiaries in multinational
corporations,” Working paper, Smith School of Business, University of
Maryland, College Park, MD., 1996.
[6] N. Gershon, S. G. Eick, and S. Card, “Information visualization,”
interactions, vol. 5, no. 2, pp. 9–15, 1998.
[7] S. K. Card, J. D. Mackinlay, and B. Shneiderman, Readings in
information visualization: using vision to think. San Francisco, CA,
USA: Morgan Kaufmann Publishers Inc., 1999.
[8] J. S. Yi, Y.-a. Kang, J. T. Stasko, and J. A. Jacko, “Understanding and
characterizing insights: how do people gain insights using information
visualization?” in Proceedings of the 2008 conference on BEyond time
and errors. New York, NY, USA: ACM, 2008, pp. 1–6.
[9] A. Rauter and K. Benato, “Visualização da informação aplicada à
estratégia competitiva de uma instituição educacional,” in XXV Encontro
Nac. de Eng. de Produção. Porto Alegre, RS, Brasil: ENEGEP, 2005,
pp. 4618–4624.
[10] J.-D. Fekete, J. J. Wijk, J. T. Stasko, and C. North, “The value
of information visualization,” in Information Visualization: HumanCentered Issues and Perspectives. Berlin, Heidelberg: Springer-Verlag,
2008, pp. 1–18.
[11] R. Kosara, H. Hauser, and D. Gresh, “An interaction view on
information
visualization,” in EUROGRAPHICS 2003 State-of-the-Art Reports,
2003, pp. 123–137.
[12] M. Chen, D. Ebert, H. Hagen, R. Laramee, R. van Liere, K.-L. Ma,
W. Ribarsky, G. Scheuermann, and D. Silver, “Data, information, and
knowledge in visualization,” Computer Graphics and Applications,
IEEE, vol. 29, no. 1, pp. 12–19, Jan.-Feb. 2009.
[13] F. J. Anscombe, “Graphs in statistical analysis,” The American
Statistician,
vol. 27, no. 1, pp. 17–21, 1973.
[14] C. Ware, Information visualization: perception for design. San
Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2000.
[15] A. Treisman, “Preattentive processing in vision,” Computer Vision,
Graphics, and Image Processing, vol. 31, no. 2, pp. 156–177, 1985.
[16] J. M. Wolfe, A. Treisman, and T. S. Horowitz, “What shall we do with
the preattentive processing stage: Use it or lose it?” Journal of Vision,
vol. 3, no. 9, p. 572, 2003.
[17] D. R. Flatla and C. Gutwin, “Individual models of color differentiation
to improve interpretability of information visualization,” in Proceedings
of the 28th international conference on Human factors in computing
systems. Atlanta, Georgia, USA: ACM, 2010, pp. 2563–2572.
[18] J. Meddes and E. McKenzie, “Improving visualization by capturing
domain knowledge,” in Visual Data Exploration and Analysis VII, F. E.
Robert, C. C. Philip, C. R. Jonathan, and M. W. Craig, Eds., vol. 3960.
San Jose, CA, USA: SPIE, 2000, pp. 186–195.
[19] C. Chen, “Top 10 unsolved information visualization problems,”
Computer
Graphics and Applications, IEEE, vol. 25, no. 4, pp. 12–16,
July-Aug. 2005.
[20] R. A. Burkhard, “Learning from architects: The difference between
knowledge visualization and information visualization,” in Eighth
International
Conference on Information Visualisation (IV’04). Los
Alamitos, CA, USA: IEEE Computer Society, 2004, pp. 519–524.
[21] J. Baker, D. Jones, and J. Burkman, “Using visual representations of
data to enhance sensemaking in data exploration tasks,” Journal of the
Association for Information Systems, vol. 10, no. 7, p. 2, 2009.
[22] C. Ziemkiewicz and R. Kosara, “The shaping of information by
visual metaphors,” IEEE Transactions on Visualization and Computer
Graphics, vol. 14, no. 6, pp. 1269–1276, 2008.
[23] V. L. Averbukh, M. Bakhterev, A. Baydalin, D. Ismagilov, and
P. Trushenkova, “Interface and visualization metaphors,” HumanComputer Interaction. Interaction Platforms and Techniques, pp. 13–
22, 2007.
[24] V. L. Averbukh, “Towards the conceptions of visualization language
and visualization metaphor,” in Proceedings IEEE Symposia
on Human-Centric Computing Languages and Environments. Stresa,
Italy: IEEE Computer Society, 2001, pp. 390–391.
[25] E. M. Reingold and J. S. Tilford, “Tidier drawings of trees,” IEEE
Transactions on Software Engineering, vol. SE-7, no. 2, pp. 223–228,
1981.
[26] C. Buchheim, M. JU¨ nger, and S. Leipert, “Improving walker’s
algorithm
to run in linear time,” in Revised Papers from the 10th
International Symposium on Graph Drawing. Irvine, CA, USA:
Springer-Verlag, 2002, pp. 344–353.
[27] P. D. Eades, “Drawing free trees,” Bulletin of the Institute for
Combinatorics
and its Applications, vol. 5, pp. 10–36, 1992.
[28] G. D. Battista, P. Eades, R. Tamassia, and I. G. Tollis, Graph Drawing:
Algorithms for the Visualization of Graphs. New Jersey, USA: Prentice
Hall, 1998.
[29] K. Yee, D. Fisher, R. Dhamija, and M. Hearst, “Animated exploration of
dynamic graphs with radial layout,” in IEEE Symposium on Information
Visualization 2001. San Diego, California: IEEE, 2001, pp. 43–50.
[30] J. Heer, S. K. Card, and J. A. Landay, “prefuse: a toolkit for interactive
information visualization,” in Proceedings of the SIGCHI conference
on Human factors in computing systems. Portland, Oregon, USA:
ACM, 2005, pp. 421–430.
[31] K. Andrews and H. Heidegger, “Information slices: Visualising and
exploring large hierarchies using cascading, semi-circular discs,” in
Proceedings of IEEE Symposium on Information Visualization (InfoVis), Late Breaking Hot Topics,. North Carolina, USA: IEEE, 1998,
pp. 9–12.
[32] J. Stasko and E. Zhang, “Focus+context display and navigation
techniques
for enhancing radial, space-filling hierarchy visualizations,” in
IEEE Symposium on Information Visualization 2000. Salt Lake City,
Utah, USAC: IEEE Computer Society, 2000, pp. 57–65.
[33] J. Yang, M. Ward, and E. Rundensteiner, “Interring: An interactive
tool for visually navigating and manipulating hierarchical structures,”
in Proceedings of IEEE Symposium on Information Visualization (InfoVis),
Boston, Massachussets, USA, 2002, pp. 77–84.
[34] G. M. Draper, Y. Livnat, and R. F. Riesenfeld, “A survey of radial
methods
for information visualization,” IEEE Transactions on Visualization
and Computer Graphics, vol. 15, no. 5, pp. 759–776, 2009.
[35] R. Boardman, “Bubble trees the visualization of hierarchical information
structures,” in CHI ‘00 extended abstracts on Human factors in
computing systems. The Hague, The Netherlands: ACM, 2000, pp.
315–316.
[36] S. T. Teoh and K.-L. Ma, “Rings: A technique for visualizing large
hierarchies,” in Revised Papers from the 10th International Symposium
on Graph Drawing. Irvine, CA, USA: Springer-Verlag, 2002, pp.
268–275.
[37] B. Johnson and B. Shneiderman, “Tree-maps: a space-filling approach
to the visualization of hierarchical information structures,” in Proceedings
of the 2nd conference on Visualization ‘91. San Diego, California:
IEEE Computer Society Press, 1991, pp. 284–291.
[38] B. Shneiderman, “Tree visualization with tree-maps: 2-d space-filling
approach,” ACM Trans. Graph., vol. 11, no. 1, pp. 92–99, 1992.
[39] M. Bruls, K. Huizing, and J. Van Wijk, “Squarified treemaps,” in
Proceedings of the joint Eurographics and IEEE TCVG Symposium
on Visualization. Vienna: Springer, 2000, pp. 33–42.
[40] L. T. Nowell, R. K. France, D. Hix, L. S. Heath, and E. A. Fox,
“Visualizing search results: some alternatives to query-document similarity,”
in Proceedings of the 19th annual international ACM SIGIR
conference on Research and development in information retrieval.
Zurich, Switzerland: ACM, 1996, pp. 67–75.
[41] T. Paek, S. Dumais, and R. Logan, “Wavelens: a new view onto internet
search results,” in Proceedings of the SIGCHI conference on Human
factors in computing systems. Vienna, Austria: ACM, 2004, pp. 727–
734.
[42] C. Tsung Teng and H. Liang Chi, “On visualization of cocitation
networks,” in Proceedings of the 11th International Conference Information
Visualization. Zurich, Switzerland: IEEE Computer Society,
2007, pp. 470–475.
[43] C. Edward, “Resultmaps: Visualization for search interfaces,” IEEE
Transactions on Visualization and Computer Graphics, vol. 15, pp.
1057–1064, 2009.
[44] A. Veerasamy and N. J. Belkin, “Evaluation of a tool for visualization
of information retrieval results,” in Proceedings of the 19th annual
international ACM SIGIR conference on Research and development in
information retrieval. Zurich, Switzerland: ACM, 1996, pp. 85–92.
[45] T. Heimonen and N. Jhaveri, “Visualizing query occurrence in search
result lists,” in Proceedings of the Ninth International Conference on
Information Visualisation. London, UK: IEEE Computer Society,
2005, pp. 877–882.
[46] T. Heimonen and H. Siirtola, “Visualizing query occurrence in mobile
web search interfaces,” in 13th International Conference on Information
Visualisation. Barcelona, Spain: IEEE, 2009, pp. 639–644.
[47] O. Hoeber, X. Yang, and Y. Yao, “Visiq: Supporting visual and
interactive query refinement,” Web Intelligence and Agent Systems,
vol. 5, no. 3, pp. 311–329, 2007.
[48] M. Dork, S. Carpendale, C. Collins, and C. Williamson, “Visgets:
Coordinated visualizations for web-based information exploration and
discovery,” IEEE Transactions on Visualization and Computer Graphics,
vol. 14, no. 6, pp. 1205–1212, 2008.
[49] A. Hubmann-Haidvogel, A. Scharl, and A. Weichselbraun, “Multiple
coordinated views for searching and navigating web content repositories,”
Information Sciences, vol. 179, no. 12, pp. 1813–1821, 2009.
[50] K. Knautz, S. Soubusta, and W. G. Stock, “Tag clusters as information
retrieval interfaces,” in 43rd Hawaii International Conference on
System Sciences (HICSS). Poipu, Kauai, Hawaii: IEEE, 2010, pp.
1–10.
[51] B. B. Bederson, J. D. Hollan, J. B. Stewart, D. Rogers, A. Druin, and
D. Vick, “Zooming web browser,” in San Jose, CA, USA, F. Martin,
J. Paul, and M. V. Harrick, Eds., vol. 2667. Multimedia Computing
and Networking: SPIE, 1996, pp. 260–271.
[52] T. N. Nguyen and J. Zhang, “A novel visualization model for web
search results,” IEEE Transactions on Visualization and Computer
Graphics, vol. 12, no. 5, pp. 981–988, 2006.
[53] D. S. Ebert, A. Zwa, E. L. Miller, C. D. Shaw, and D. A. Roberts,
“Twohanded
volumetric document corpus management,” IEEE Computer
Graphics and Applications, vol. 17, no. 4, pp. 60–62, 1997.
[54] R. H. Fowler and W. A. L. Fowler, “Information visualization and
retrieval using stereoscopic display of document and term relations,”
in Stereoscopic Displays and Virtual Reality Systems V, T. B. Mark,
S. F. Scott, and O. M. John, Eds., vol. 3295. San Jose, CA, USA:
SPIE, 1998, pp. 148–155.
[55] C. Plaisant, “The challenge of information visualization evaluation,” in
AVI ’04: Proceedings of the working conference on Advanced visual
interfaces. New York, NY, USA: ACM, 2004, pp. 109–116.
[56] B. Shneiderman and C. Plaisant, “Strategies for evaluating information
visualization tools: multi-dimensional in-depth long-term case studies,”
in BELIV ’06: Proceedings of the 2006 AVI workshop on BEyond time
and errors. New York, NY, USA: ACM, 2006, pp. 1–7.
[57] A. Dix, J. Finlay, and G. Abowd, Human-computer interaction, 3rd ed.
London: Prentice Hall, 2003.
[58] C. Ardito, P. Buono, M. F. Costabile, and R. Lanzilotti, “Systematic
inspection of information visualization systems,” in BELIV ’06: Proceedings
of the 2006 AVI workshop on BEyond time and errors. New
York, NY, USA: ACM, 2006, pp. 1–4.
[59] J. Nielsen and R. Mack, Usability Inspection Methods. New York:
John Wiley & Sons, 1994.
[60] J. Nielson, Usability engineering. Cambridge, MA: Academic Press,
1993.
[61] T. Zuk, L. Schlesier, P. Neumann, M. S. Hancock, and S. Carpendale,
“Heuristics for information visualization evaluation,” in BELIV ’06:
Proceedings of the 2006 AVI workshop on BEyond time and errors.
New York, NY, USA: ACM, 2006, pp. 1–6.
[62] R. Mazza and A. Berre, “Focus group methodology for evaluating
information visualization techniques and tools,” in Proceedings of the
11th International Conference Information Visualization. Zurich,
Switzerland: IEEE Computer Society, 2007, pp. 74–80.
[63] P. Isenberg, T. Zuk, C. Collins, and S. Carpendale, “Grounded
evaluation
of information visualizations,” in Proceedings of the 2008
conference on BEyond time and errors: novel evaLuation methods for
Information Visualization. Florence, Italy: ACM, 2008, pp. 1–8.
[64] I. Herman, G. MelanC¸ on, and M. S. Marshall, “Graph visualization and
navigation in information visualization: A survey,” IEEE Transactions
on Visualization and Computer Graphics, vol. 6, no. 1, pp. 24–43,
2000.
[65] E. Carvalho and A. Marcos, “Visualizac¸ ˜ao de informac¸ ˜ao,”
Universidade
do Minho, Portugal, Tech. Rep., 2009.
[66] W. Xiao-yue, “Visualization based on concept maps: An efficient
way to knowledge sharing and knowledge discovery in e-science
environment,” in Fourth International Conference on Fuzzy Systems
and Knowledge Discovery, FSKD 2007, M. Yan, Ed., vol. 2. Haikou,
Hainan, China: IEEE Computer Society, 2009, pp. 144–147.
[67] M. Eppler and R. A. Burkhard, “Knowledge Visualization Towards a
New Discipline and its Fields of Application,” 2004.
[68] R. A. Burkhard, “Knowledge visualization – the use of complementary
visual representations for the transfer of knowledge. a model, a framework,
and four new approaches.” Ph.D. dissertation, Swiss Federal
Institute of Technology Zurich, Switzerland, 2005.
[69] M. Eppler and R. A. Burkhard, “Knowledge Visualization,”
Encyclopedia
of Knowledge Management, 2005.
[70] J. Hou and S. Pai, “A spatial knowledge sharing platform. using the
visualization approach,” International Journal of Production Research,
vol. 47, no. 1, pp. 25–50, 2009.
[71] K. Seki and J. Mostafa, “Literature-based discovery by an enhanced
information retrieval model,” in Discovery Science, ser. Lecture Notes
in Computer Science, V. Corruble, M. Takeda, and E. Suzuki, Eds.,
vol. 4755. Sendai, Japan: Springer, 2007, pp. 185–196.
[72] R. A. Burkhard and M. Meier, “Tube map visualization: evaluation of a
novel knowledge visualization application for the transfer of knowledge
in long-term projects,” Journal of Universal Computer Science, vol. 11,
no. 4, pp. 473–494, 2005.
[73] R. Lengler, “Identifying the competencies of ’visual literacy’ - a
prerequisite for knowledge visualization,” in Proceedings of Tenth
International Conference on Information Visualization. London, UK:
IEEE, July 2006, pp. 232–236.
[74] F. Zhang, “The application of visualization technology on knowledge
management,” in International Conference on Intelligent Computation
Technology and Automation (ICICTA), vol. 2. Changsha, Hunan,
China: IEEE Computer Society, Oct. 2008, pp. 767–771.
[75] M. Eppler and R. A. Burkhard, “Visual representations in knowledge
management: framework and cases,” Journal of Knowledge Management,
vol. 11, no. 4, pp. 112–122, 2007.
[76] R. A. Burkhard, “Strategy Visualization: A New Research Focus in
Knowledge Visualization and a Case Study,” in 5th International
Conference on Knowledge Management I-KNOW ’05, Graz, Austria,
2005.
[77] Z. Jianping, Z. Da, and Z. Jiahua, “Knowledge visualization: An
effective
way of improving learning,” in Second International Workshop on
Education Technology and Computer Science (ETCS), vol. 1. Wuhan,
China: IEEE, 2010, pp. 598–601.
[78] J. Novak and A. CaN˜ as, “The theory underlying concept maps and how
to construct them,” in Technical Report IHMC CmapTools 2006-01 Rev
01-2008. Florida: Institute for Human and Machine Cognition, 2008.
[79] A. Arruarte, U. Rueda, and J. A. Elorriaga, “Organizing the learning
resources related to the subject introduction to artificial intelligence
through concept maps,” in 38th Annual Frontiers in Education Conference.
Saratoga Springs, New York, USA: IEEE Computer Society,
2008, pp. F1C–17–F1C–22.
[80] Y. Chunting and L. Yang, “Research on the application of concept
map to software engineering teaching,” in International Conference
on Scalable Computing and Communications; Eighth International
Conference on Embedded Computing. Dalian, China: CPS, 2009,
pp. 612–615.
[81] B. J. Daley and D. M. Torre, “Concept maps in medical education:
an analytical literature review,” Medical Education, vol. 44, no. 5, pp.
440–448, 2010.
[82] J. W. Coffey, R. R. Hoffman, A. Ca˜nas, and K. M. Ford, “A concept
map-based knowledge modeling approach to expert knowledge
sharing,” in Proceedings of IASTED International Conference on
Information and Knowledge Sharing. Virginia, USA: ACM, 2002.
[83] A. Ca˜nas, R. Carff, G. Hill, M. Carvalho, M. Arguedas, T. Eskridge,
J. Lott, and R. Carvajal, “Concept maps: Integrating knowledge and
information visualization,” Lecture Notes in Computer Science, vol.
3426, p. 205, 2005.
[84] S. Tergan, “Digital concept maps for managing knowledge and
information,”
Knowledge and information visualization, pp. 185–204, 2005.
[85] J. W. Coffey, R. R. Hoffman, and A. J. Ca˜nas, “Concept map-based
knowledge modeling: perspectives from information and knowledge
visualization,” Information Visualization, vol. 5, no. 3, pp. 192–201,
2006.
[86] R. Morsi, W. Ibrahim, and F. Williams, “Concept maps: Development
and validation of engineering curricula,” in 37th Annual Frontiers
In Education Conference - Global Engineering: Knowledge Without
Borders, Opportunities Without Passports. Milwaukee, Wisconsin:
IEEE, 2007, pp. T3H–18–T3H–23.
[87] Y. Chen, “The application of keystone concept map in scientific
research and teaching,” in First International Workshop on Education
Technology and Computer Science, vol. 2. Wuhan, China: IEEE, 2009,
pp. 329–333.
[88] J. Gerken, H.-C. Jetter, and H. Reiterer, “Using concept maps to evaluate
the usability of apis,” in Proceedings of the 28th of the international
conference extended abstracts on Human factors in computing systems.
Atlanta, Georgia, USA: ACM, 2010, pp. 3937–3942.
[89] P. Farrand, F. Hussain, and E. Hennessy, “The efficacy of the ‘mind
map’ study technique,” Medical Education, vol. 36, no. 5, pp. 426–431,
2002.
[90] T. Buzan and B. Buzan, The mind map book, 2nd ed. London: BBC
Books, 1995.
[91] J. Budd, “Mind maps as classroom exercises,” The Journal of Economic
Education, vol. 35, no. 1, pp. 35–46, 2004.
[92] C. L. Willis and S. L. Miertschin, “Mind maps as active learning tools,”
J. Comput. Small Coll., vol. 21, no. 4, pp. 266–272, 2006.
[93] G. Aydin and A. G. Balim, “Technologically - supported mind and
concept maps prepared by students on the subjects of the unit ”systems
in our body”,” Procedia - Social and Behavioral Sciences, vol. 1, no. 1,
pp. 2838–2842, 2009.
[94] I. A. Zualkernan, M. A. AbuJayyab, and Y. A. Ghanam, “An alignment
equation for using mind maps to filter learning queries from google,”
in Sixth International Conference on Advanced Learning Technologies.
Kerkrade, The Netherlands: IEEE Computer Society, 2006, pp. 153–
155.
[95] J. Beel and B. Gipp, “Enhancing search applications by utilizing mind
maps,” in Proceedings of the 21st ACM conference on Hypertext and
hypermedia. Toronto, Ontario, Canada: ACM, 2010, pp. 303–304.
[96] C. Jianxin, “The using of mind map in concept design,” in 9th
International Conference on Computer-Aided Industrial Design and
Conceptual Design. Kunming, China: IEEE, 2008, pp. 1034–1037.
[97] A. Wu, X. Zhang, G. Convertino, and J. M. Carroll, “Civil: support
geo-collaboration with information visualization,” in GROUP ’09:
Proceedings of the ACM 2009 international conference on Supporting
group work. New York, NY, USA: ACM, 2009, pp. 273–276.
[98] V. L. Averbukh, “Visualization metaphors,” Program. Comput. Softw.,
vol. 27, no. 5, pp. 227–237, 2001.
[99] N. Worren, K. Moore, and R. Elliott, “When theories become tools:
toward a framework for pragmatic validity,” Human Relations, vol. 55,
no. 10, pp. 1227–1250, 2002.
[100] S. I. Fabrikant, D. R. Montello, and D. M. Mark, “The natural
landscape
metaphor in information visualization: The role of commonsense
geomorphology,” Journal of the American Society for Information
Science and Technology, vol. 61, no. 2, pp. 253–270, 2010.
[101] M. Eppler, “Making knowledge visible through intranet knowledge
maps: Concepts, elements, cases,” in Proceedings of the 34th Annual
Hawaii International Conference on System Sciences, vol. 34. Maui,
Hawaii, USA: IEEE Computer Society, 2001, p. 4030.
[102] S. Lehmann, U. Schwanecke, and R. D¨orner, “Interactive visualization
for opportunistic exploration of large document collections,” Information
Systems, vol. 35, no. 2, pp. 260–269, 2010.
[103] N. Gershon and W. Page, “What storytelling can do for information
visualization,” Commun. ACM, vol. 44, no. 8, pp. 31–37, 2001.
[104] M. Mandic and A. Kerne, “Using intimacy, chronology and zooming to
visualize rhythms in email experience,” in CHI ’05 extended abstracts
on Human factors in computing systems. Portland, OR, USA: ACM,
2005, pp. 1617–1620.
[105] S. Faisal, P. Cairns, and A. Blandford, “Developing user requirements
for visualizations of literature knowledge domains,” in Proceedings of
the conference on Information Visualization. Washington, DC, USA:
IEEE Computer Society, 2006, pp. 264–269.
[106] J. R. Goodall, “Visualizing network traffic for intrusion detection,” in
Proceedings of the 6th conference on Designing Interactive systems.
University Park, PA, USA: ACM, 2006, pp. 363–364.
[107] Y. Zhu, “Measuring effective data visualization,” in Proceedings of the
3rd international conference on Advances in visual computing - Volume
Part II. Lake Tahoe, NV, USA: Springer-Verlag, 2007, pp. 652–661.
[108] S. Faisal, B. Craft, P. Cairns, and A. Blandford, “Internalization,
qualitative methods, and evaluation,” in Proceedings of the 2008
conference on BEyond time and errors: novel evaLuation methods for
Information Visualization. Florence, Italy: ACM, 2008, pp. 1–8.
[109] M. A. Hearst and D. Rosner, “Tag clouds: Data analysis tool or
social signaller?” in Proceedings of the Proceedings of the 41st Annual
Hawaii International Conference on System Sciences. Waikoloa, Big
Island, Hawaii: IEEE Computer Society, 2008, p. 160.
[110] T. D. Wang, C. Plaisant, A. J. Quinn, R. Stanchak, S. Murphy,
and B. Shneiderman, “Aligning temporal data by sentinel events:
discovering patterns in electronic health records,” in Proceeding of
the twenty-sixth annual SIGCHI conference on Human factors in
computing systems. Florence, Italy: ACM, 2008, pp. 457–466.
[111] M. Skeels, B. Lee, G. Smith, and G. Robertson, “Revealing uncertainty
for information visualization,” in Proceedings of the working conference
on Advanced visual interfaces. Napoli, Italy: ACM, 2008, pp.
376–379.
[112] A. Nordin, N. L. Noor, and A. Zainuddin, “Batik kr semantic network:
Visualizations of creative process and design knowledge for
the malaysian batik designers’ community,” in Proceedings of the
Symposium on Human Interface 2009 on Human Interface and the
Management of Information. Information and Interaction. Part II: Held
as part of HCI International 2009. San Diego, CA: Springer-Verlag,
2009, pp. 334–341.
[113] S. Asimakopoulos, R. Fildes, and A. Dix, “Forecasting software
visualizations: an explorative study,” in Proceedings of the 2009
British Computer Society Conference on Human-Computer Interaction.
Cambridge, United Kingdom: British Computer Society, 2009, pp.
269–277.
[114] T. Apted, J. Kay, A. Lum, and J. Uther, “Visualisation of ontological
inferences for user control of personal web agents,” in Proceedings
of the Seventh International Conference on Information Visualization.
IEEE Computer Society, 2003, pp. 306 – 311.
[115] O. A. Puade and T. G. Wyeld, “Visualising collaboration: Qualitative
analysis of an email visualisation case study,” in Proceedings of the
11th International Conference Information Visualization. Zurich,
Switzerland: IEEE Computer Society, 2007, pp. 163–167.
[116] M. Burch, F. Bott, F. Beck, and S. Diehl, “Cartesian vs. radial — a
comparative evaluation of two visualization tools,” in Proceedings of
the 4th International Symposium on Advances in Visual Computing.
Las Vegas, NV: Springer-Verlag, 2008, pp. 151–160.
[117] N. Fujita and C. Teplovs, “Automating the analysis of collaborative
discourse: identifying idea clusters,” in Proceedings of the 9th international
conference on Computer supported collaborative learning Volume 2. Rhodes, Greece: International Society of the Learning
Sciences, 2009, pp. 162–164.
[118] M. Ogawa and K.-L. Ma, “code-swarm: A design study in organic
software
visualization,” IEEE Transactions on Visualization and Computer
Graphics, vol. 15, no. 6, pp. 1097–1104, 2009.
[119] K. Alfred, “User experiments with tree visualization systems,” in IEEE
Symposium on Information Visualization (InfoVis 2004), Austin, Texas,
2004, pp. 9–16.
[120] M. E. Joorabchi, A. Dalvandi, H. Seifi, L. Bartram, and C. D. Shaw,
“Visualizing search results: evaluating an iconic visualization,” P. Jinah,
C. H. Ming, C. W. Pak, and C. Chaomei, Eds., vol. 7530. SPIE, 2010,
p. 75300G.
[121] A. M. MacEachren, F. P. Boscoe, D. Haug, and L. Pickle, “Geographic
visualization: Designing manipulable maps for exploring temporally
varying georeferenced statistics,” in Proceedings of the 1998 IEEE
Symposium on Information Visualization. North Carolina: IEEE
Computer Society, 1998, p. 87.
[122] M. Graham, J. B. Kennedy, and C. Hand, “A comparison of setbased
and graph-based visualisations of overlapping classification
hierarchies,” in Proceedings of the working conference on Advanced
visual interfaces. Palermo, Italy: ACM, 2000, pp. 41–50.
[123] M. Graham, J. Kennedy, and D. Benyon, “Towards a methodology for
developing visualizations,” International Journal of Human-Computer
Studies, vol. 53, no. 5, pp. 789–807, 2000.
[124] R. ETEMADPOUR, M. MASOOD, and B. BELATON, “Information
visualization and proposing new interface for movie retrieval system
(imdb,” Turkish Online Journal of Distance Education-TOJDE, vol. 11,
no. 3, 2010.