APLICANDO O MÉTODO MULTIDIMENSIONAL IN-DEPTH LONG-TERM CASE STUDIES PARA AVALIAR VISUALIZAÇÃO DE INFORMAÇÕES

Ano: 2010 | Volume: 3 | Número: 1

Autores: Eliane Regina de Almeida Valiati

Palavras-chave: visualização de informações, taxonomia de tarefas, avaliação de usabilidade

Resumo Português:

A visualização de dados multidimensionais tem o potencial de auxiliar na aná-lise e compreensão de grandes volumes de dados através da detecção de padrões, agrupamentos e tendências, que não são óbvios, quando se utilizam formas não gráficas de apresentação. No desenvolvimento de uma técnica de visualização, as tarefas que um usuário precisa desempenhar durante sua utilização devem guiar tanto a escolha das metáforas de visualização quanto os recursos de interação implementados pela técnica. Testes de usabilidade de técnicas de visualização também necessitam de uma definição clara das tarefas do usuário. A identificação e o entendimento dessas tarefas é uma questão recente de pesquisa na área de visualização de informações, e alguns trabalhos têm proposto taxonomias para organizá-las. O presente trabalho relata e compara os resultados de estudos de caso conduzidos com o método Multidimensional In-depth Long--term Case studies (MILCs). Os estudos de caso foram executados para classificar as tarefas de visualização em diferentes níveis de abstração, bem como, estabelecer um mé-todo de avaliação de usabilidade para ferramentas de visualização baseado no MILCs.

Resumo Inglês:

Information visualization is meant to support the analysis and comprehension of (often large) datasets through techniques intended to show features, patterns, clusters and trends which are not always visible even when using a graphical representation. During the development of information visualization techniques, the designer has to take into account the users’ tasks to choose the graphical metaphor as well as the interactive resources to be provided. Testing and evaluating the usability of the techniques also certainly demand a clear definition of tasks if interaction experiments are to be performed. The identification and understanding of these tasks is still a research question although some authors have proposed classifications (or taxonomies) along the years. The present work reports and compares the results of case studies conducted as Multi-dimensional In-depth Long-term Case studies. The case studies were carried out to classify visualization tasks at different abstraction levels, as well as to establish a MILCs-based usability evaluation method for visualization tools.