Médicos lendo EEGs em salas de emergência, socorristas olhando para várias telas que mostram feeds de dados ao vivo de sensores em uma zona de desastre, todos os corretores que compram e vendem instrumentos financeiros precisam tomar decisões informadas com muita rapidez. A complexidade da visualização pode complicar a tomada de decisões quando se olha os dados em um gráfico. Quando o tempo é crítico, é essencial que um gráfico seja fácil de ler e interpretar.

Para ajudar os tomadores de decisão em cenários como esses, os cientistas da computação da Columbia Engineering e da Tufts University desenvolveram um novo método - "Pixel Approximate Entropy" - que mede a complexidade de uma visualização de dados e pode ser usado para desenvolver visualizações mais fáceis de ler. Eugene Wu, professor assistente de ciência da computação, e Gabriel Ryan, que era então um estudante de mestrado e agora doutorado. estudante em Columbia, apresentará seu artigo na conferência IEEE VIS 2018 na quinta-feira, 25 de outubro Em Berlim, Alemanha.

"Esta é uma abordagem totalmente nova para trabalhar com gráficos de linha com muitas aplicações potenciais diferentes, "diz Ryan, primeiro autor do artigo. "Nosso método oferece aos sistemas de visualização uma maneira de medir a dificuldade de leitura dos gráficos de linha, portanto, agora podemos projetar esses sistemas para simplificar ou resumir automaticamente gráficos que seriam difíceis de ler por conta própria. "

Além de inspecionar visualmente uma visualização, Existem poucas maneiras de quantificar automaticamente a complexidade de uma visualização de dados. Para resolver este problema, O grupo de Wu criou Pixel Approximate Entropy para fornecer uma "pontuação de complexidade visual" que pode identificar automaticamente gráficos difíceis. Eles modificaram uma medida de entropia de baixa dimensão para operar em gráficos de linha, e, em seguida, conduziu uma série de estudos de usuários que demonstraram que a medida poderia prever o quão bem os usuários percebiam os gráficos.

"Em configurações aceleradas, é importante saber se a visualização vai ser tão complexa que os sinais podem ser obscurecidos, "diz Wu, que também é copresidente da Data, Meios de comunicação, &Society Center no Data Science Institute. "A capacidade de quantificar a complexidade é o primeiro passo para fazer algo automaticamente sobre isso."

A equipe espera seu sistema, que é de código aberto, será especialmente útil para cientistas de dados e engenheiros que estão desenvolvendo sistemas de ciência de dados baseados em IA. Ao fornecer um método que permite ao sistema entender melhor as visualizações que está exibindo, A entropia aproximada de pixels ajudará a impulsionar o desenvolvimento de sistemas de ciência de dados mais inteligentes.

"Por exemplo, no controle industrial, um operador pode precisar observar e reagir às tendências nas leituras de uma variedade de monitores do sistema ao longo do tempo, como em uma usina química ou de energia, "Ryan acrescenta." Um sistema que está ciente da complexidade do gráfico pode adaptar as leituras para garantir que o operador possa identificar tendências importantes e reduzir a fadiga de tentar interpretar sinais potencialmente ruidosos.

O grupo de Wu planeja estender a visualização de dados para usar esses modelos para alertar automaticamente os usuários e designers quando as visualizações podem ser muito complexas e sugerem técnicas de suavização, e desenvolver outros modelos quantitativos de percepção que podem informar o projeto de sistemas de processamento e visualização de dados.