Visualização Avançada de Informação / Advanced Information Visualization

Docente responsável:
Manuel Marques Pita

Outros docentes e respetivas cargas letivas na unidade curricular:
Tiago Simas

Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):

OA1. O objetivo central desta unidade curricular é proporcionar os fundamentos, teorias e técnicas para a visualização efetiva de dados complexos. Uma das grandes limitações da ciência dos dados é a incapacidade de comunicar resultados efetivamente a grandes audiências.
Os objetivos específicos da UC são:
OA2. Entender como o sistema cognitivo humano processa dados visuais.
OA3. Compreender o conjunto de técnicas cognitivas e computacionais para o desenho de visualizações que sejam fáceis de entender.
OA4. Dominar a teoria de perceção de cores e objetos.
OA5. Dominar técnicas para guiar a perceção, cálculo de carga cognitiva, minimalismo visual. OA6. Dominar a linguagem usada em InfoViz 5. Implementar visualizações estatísticas simples, e complexas.

Intended learning outcomes (knowledge, skills and competences to be developed by the students):

LG1.The key goal of this curricular unit is to provide the fundamental theories and techniques for effective visualisation of complex data. One of the major limitations of data science is the inability to effectively communicate results to large audiences.
The specific objectives of the curricular unit are:
LG2. Understand how the human cognitive system processes visual data.
LG3. Understand the set of cognitive and computational techniques for designing visualizations that are easy to understand.
LG4. Master the theory of perception of colors and objects.
LG5. Master techniques to guide the perception, calculation of cognitive load, visual minimalism. LG6. Master the language used in InfoViz 5. Implement simple, complex statistical Infoviz.

Conteúdos programáticos:

CP1. Introdução a Infoviz: Importancia, e posicionamento em data science.
CP2. Contexto geral das técnicas Infoviz.
CP3. Termos usados na comunidade InfoViz para descrever elementos, técnicas, etc.
CP4. Visualizações estatísticas estándar.
CP5. Visualizações complexas.
CP6. Processamento de informação visual no sistema cognitivo humano.
CP7. Balance entre função e estética; minimalista visual; carga cognitiva.
CP8. Mapeamento de elementos visuais a ligações semânticas, e construção de sequências. CP9. Teoria da formas e da cor.
CP10. Visualizações em D3.js e Bokeh.

Syllabus:

PC1. Introduction to Infoviz: Importance, and positioning in data science.
PC2. General context techniques in Infoviz.
PC3. Terms used in the InfoViz community to describe elements, techniques, etc.
PC4. Standard statistics visualizations.
PC5. Complex visualizations.
PC6. Processing of visual information in the human cognitive system.
PC7. Balance between function and aesthetics; visual minimalism; cognitive load.
PC8. Mapping visual elements to semantic links and constructing sequences.
PC9. Theory of shapes and color
PC10. Views in D3.js and Bokeh.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular:

A UC de visualização de informação está desenhada para cumprir três objetivos principais: (OA2) Entender o processamento de informação visual no cérebro humano; (O3) como desenhar visualizações que funcionem dentro dos parâmetros que determinam a nossa perceção de informação visual; e (OA4) implementação computacional usando diferentes técnicas. Os temas (CP6-CP9) proporcionam uma base sólida para a compreensão de como o sistema cognitivo humano processa informação visual (objetivos OA2,OA4,OA5). Os temas (CP1-CP4) constituem a base de técnicas principais usadas para criar visualizações de qualquer género (objetivos OA1,OA3,OA5). Finalmente os temas CP4,CP5 e CP10 tem o objetivo de por em pratica a implementação computacional de um conjunto diverso de métodos para criar visualizações de alto nível (OA3, OA5, OA6).

Evidence of the syllabus coherence with the curricular unit’s intended learning outcomes:

The information visualisation CU is designed to fulfil three main areas: (LG2) Visual information processing in the human brain; (LG3) how to design visualisations that work within the parameters that determine our perception of visual information; and (LG4) computational implementation using different techniques. Topics (PC6-PC9) provide a solid basis for understanding how the human cognitive system processes visual information (objectives LG2,LG4,LG5). Topics (PC1-PC4) form the basis of key techniques used to create visualisations of any gender (objectives LG1,LG3.LG5). Finally, topics PC4,PC5 and PC10 aim to put into practice the computational implementation of a diverse set of methods to create high level visualizations (LG3, LG5, LG6).

Metodologias de ensino (avaliação incluída):

Esta UC consiste em aulas presenciais (teórico-praticas). As primeiras aulas são teóricas. A partir da 5ta semana aproximadamente as aulas tem uma componente pratica, na qual os estudantes trabalham com um problema claramente definido. Isto permite a identificação de sub-objetivos que levam gradualmente a resolução do problema. Cada um corresponde a um dos temas da cadeira. Esta metodologia evita aulas unidirecionais e favorece a co construção do conhecimento nos estudantes.
A avaliação consiste em dois testes (25%+25%) e dois projetos (25%+25%). Os testes avaliam a capacidade dos estudantes para relacionar conhecimentos básicos na criação de soluções complexas, assim como a escolha de técnicas para criar visualizações de acordo a parâmetros específicos. Os projetos estão desenhados para que os estudantes possam usar os conhecimentos adquiridos, apoiando assim à assimilação tanto dos aspetos teóricos como práticos que possam ser usados pelos estudantes no mercado de trabalho.

Teaching methodologies (including students’ assessment):

This CU consists of theoretical-practical lectures.Starting on approximately the fifth week, lectures begin to have a practical component, in which the students work with a clearly defined problem.This allows the identification of sub objectives that gradually lead to the complete resolution of the problem. Each sub-objective corresponds to one of the topics of the CU. This methodology avoids unidirectional classes and favors the co-construction of knowledge in the students facilitated by the teacher.
The evaluation consists of two tests(25%+25%) and two projects(25%+25%). The tests assess students’ ability to relate basic knowledge in creating complex solutions, as well as choosing techniques for creating visualizations according to specific parameters. The projects are designed so that students can use the knowledge acquired in building real solutions to complex problems, supporting the assimilation of both theoretical and practical aspects that can be used by students in the market.

Demonstração da coerência das metodologias de ensino com os objetivos de aprendizagem da unidade curricular:

A natureza teórico-pratica das aulas procura simular o contexto de trabalho de um especialista em visualização de dados. Este contexto considera variáveis diferentes na criação de uma ferramenta visual que tem como objetivo transmitir informação com mínimo esforço cognitivo por parte do consumidor (objetivos OA1, OA2, OA3). Durante as aulas os estudantes tem acesso direto a referencias teóricas, documentação de pacotes para programar, etc. Um dos aspetos mais importantes que depende da metodologia de ensino consiste em garantir que os estudantes conseguem trabalhar com um conjunto extenso de ferramentas teóricas e computacionais para resolver problemas que precisam de (a) considerar variáveis cognitivas (objetivos OA2,OA3,OA5); (b) implementação de visualizações que efetivamente implementam métodos apropriados para transmitir informação (objetivos OA4,OA6); e (c) dominar a linguagem de Infoviz para poder manter conhecimentos atualizados (objetivo OA1, OA5).
Os testes tem a função de solidificar este processo de assimilação de novos conhecimentos e técnicas computacionais (OA5, OA6). Os projetos práticos são desenvolvidos quase na sua totalidade nas próprias aulas o que permite aos estudantes ganhar experiência mais aprofundada na resolução de problemas centrais em Infoviz (OA1, OA5, OA6).

Evidence of the coherence between the teaching methodologies and the intended learning outcomes:

The theoretical-practical nature of this curricular unit seeks to simulate the working context of a data visualization specialist. This context considers different variables in the creation of a visual tool that aims to transmit information with minimal cognitive effort on the part of the consumer (objectives LG1, LG2, LG3) ).
During the classes the students have direct access to theoretical references, documentation of packages to be programmed, etc. One of the most important aspects that depends on teaching methodology is to ensure that students can work with an extensive set of theoretical and computational tools to solve problems that need to (a) consider cognitive variables (objectives LG2,LG3,LG5); (b) implementation of visualizations that effectively implement appropriate methods to transmit information (objectives LG4,LG6); and (c) mastering the Infoviz language in order to maintain up-to-date knowledge (objective LG1, LG5).
The tests have the function of solidifying this process of assimilation of new knowledge and computational techniques (LG5, LG6). The practical projects are developed almost entirely in the classes themselves, which allows students to gain more in-depth experience in solving core problems at Infoviz (LG1, LG5, LG6).

Bibliografia de consulta/existência obrigatória:
Cairo, A. (2016) The Truthful Art, New Riders Lima, M. (2013) Visual Complexity: Mapping
Patterns of Information. Princeton Architectural Press
Tufte, E. (2001) The Visual Display of Quantitative Information. Graphics Pr (2nd Edition)
This module will be supplemented with scientific articles and computational tutorials available online, specifically to cover Matplotlib in Python, D3.js and Bokeh.