1 摘要2 内容
Data Analysis and Visualization Group, University of Konstanz
2.1 计算机部分
模型（Model）
2 .2 在人的部分
验证循环（Verification Loop）
在探索循环中，人们通过模型输出和可视化图表寻找数据中可能存在的模式，基于此采取一系列行动，例如改变参数，去产生得到新的模型输出和新的可视化图表。这样做的动机在验证循环之中：人们通过模式洞察到数据的特点，产生可能的猜测。这些猜测的验证正是基于探索循环中的行动。最后，在验证循环之上有知识循环，不断的收集验证循环中已被验证的猜测，总结为知识。
Jigsaw是一款利用文本挖掘算法建立各种文档可视化视图的软件，可生成文档的聚类图、时间轴、词树图等。建模是系统根据任务自动完成的，并产生相对模型的可视化图表，用户可自由调节图表的属性和外观，是一个典型的可视化分析系统。
这个模型将人类和计算机作为一个循环，在产生知识的过程中二者不可或缺。利用模型可以评估分析系统的功能和效果，改进系统；在模型中探索循环是知识产生的基础，对知识生态系统改进的重心应放在人机交互，如自动发现意外的结果特征和复杂模型的可操作性；而在知识圈中间位置的验证循环，要求可视化的分析系统设计有效组织和总结结果的功能；对于最末端的知识循环，人类设计和依赖系统提供不同的视角
作者也谈到，本模型具有一些局限性，比如未考虑多个分析人员之间的协作与交流，未考虑不同可视分析系统之间的切换，未考虑分析人员和领域专家、政府官员之间的沟通，未考虑动态变化的流数据。这些问题可以进一步研究。
基于此模型，作者展望了未来可视分析的研究方向。例如，在探索循环中，研究者可以更多的考虑通过可视化与数学模型进行交互的技术，，也可以考虑如何引导用户快速系统的发现数据中的模式，或者如何自动检测模式。在验证循环中，研究者可以如何保存之间的探索结果，以方便回溯，验证其可靠性。研究者可以考虑如何组织不同的探索结果，辅助用户产生假设，甚至自动产生假设。在知识发现循环中，研究者可以做的比较少。毕竟，知识发现只在人脑中。但研究者可以提供更多更方便的可视化视图和数学模型，方便用户从多个角度考虑同一个数据、同一个问题。这样，也许用户更容易最终得到有用的知识。
[1]Dominik Sacha, Andreas Stoffel, Florian Stoffel, Bum Chul Kwon, Geoffrey Ellis, and Daniel Keim,Knowledge Generation Model for Visual Analytics,IEEE Trans. Vis. Comput. Graph. (VAST’14), 2014, to appear.
[2]C. Grg, Z. Liu, J. Kihm, J. Choo, H. Park, and J. T. Stasko. CombiningComputational Analyses and Interactive Visualization for Document Explorationand Sensemaking in Jigsaw,IEEE Trans. Vis. Comput. Graph., 19(10):1646–1663, 2013.
[3]Weka 3: Data Mining Software in Java,
[4] Tableau: Visual Analytics for Everyone,
[5] nSpace: Web 2.0 Analysis,
版权声明：本文为博主原创文章，未经博主允许不得转载。
你可以这样理解 impossible(不可能)–I'm possible (我是可能的)。
