Duplicate

What: Data Abstraction

태그
Data Abstraction 을 하면 domain 에 dependency 없이 디자인을 여러 분야에 걸쳐 활용할 수 있음

Why do Data Semantics and Types Matter

Semantics: Real-World Meaning
각 attribute 이 어떤 type 이고 어떤 의미를 가지는가가 시각화에 있어서 중요함
Type of the data: Structural or Mathematical Interpretation
Data Level: Data Types
Dataset Level: Dataset Types
Attribute Level: Attribute Types
어떤 math openration 이 이 attribute 에 행할 수 있고 의미 있는 operation 인가?

Data Types

Attribute
Item
Link
Grid
Position

Dataset Types and Data Types

Dataset: collection of info that is the target of analysis
Tables (Dataset) — items, attributes (Data)
Basic Dataset Types
attribute 는 field, variable, dimension 으로도 불림
cell contains values: quantitative, ordinal (순위 같은 것들), nominal (이름 같은 것들)
Networks & Trees — items(nodes), links, attributes (Data)
Basic Dataset Types
Fields — grids > positions, attributes
Basic Dataset Types
특정 spatial positions 에서의 sampling 에 기반한 cell structure → Grid Type 이 필요
Geometry — items > positions
Basic Dataset Types
item 의 shape 와 explicit 한 spatial position 을 같이 나타내주는 정보
Combinations: Clusters, Sets, Lists — items

Abstraction and Availability

Data Abstraction
Domain Specific to GENERIC
Data Availability
static File: available all at once
dynamic streams
Attribute Types
Categorical
Ordered
ordinal
ordering direction: sequential, diverging, cyclic
quantitative

Levels of Measurements

Semantics: Key vs. Value Semantics

Flat Tables: only one key
Multidimensional Tables: multiple keys required
Fields
Scalar Fields: univariate — one attribute per cell
Vector Fields: multivariate with a list of multiple attribute values at each point
Tensor Fields
Semantics: Temporal Semantics
Temporal Attribute: any info relates to time

Task Abstraction

다른 두 말이지만, 본질 (abstract form) 은 두 그룹간의 비교를 하라는 것임
좋은 시각화는 abstract form 에서부터 나옴
Actions Define User Goals!

High-Level: Analyze — Consume

Discover (=explore)
이전에 알려지지 않은 지식을 찾는 것
새로운 가설을 새우거나, 기존에 존재하는 가설을 검증
Present (=explain)
Enjoy

High-Level: Analyze — Produce

Annotate
시각화를 만든 상태에서 어떤 특정 부분에 설명을 다는 것
Record
시각화의 읿부분을 캡처, 로그를 가져오는 행위
Derive
데이터를 있는 그대로 visualization 하는 것 — 하수의 visualization
있는 데이터 가지고 새로운 데이터 element 를 만들어 시각화 하는 것 — 고수의 visualization
e.g., 수출, 수입 내역만 가지고 적자 수준이라는 새로운 데이터를 만들어냄

Mid-Level: Search

Explore: 뭘 찾아야하는지도, 어딨는지도 모르지만 일단 주변을 탐색해보는 것 (e.g., 오지에서 살아남기)

Low-Level: Query

찾아야될 target 이 나온다면, target 을 query 해야 함
Identify — single target
compare — multiple target
summarize / overview — all possible targets