Post on 22-Feb-2016
description
Análise do Comportamento dos Usuários Através de Visualização da Informação
Barbara Moissa
2
Sumário
• Objetivos• Introdução• Histórico• Visualização da informação: modelo de
referência e técnicas de representação e interação
3
Sumário
• Ferramentas de Análise do Comportamento do Usuário– Website Exploration Tool (WET)– Trail Explorer– Trail Explorer 2
• Conclusão
4
Objetivo
Entender o que é a análise comportamental do usuário, qual a sua finalidade e sua importância
no comércio eletrônico
• Objetivos específicos:– Entender a conversão dos dados brutos para
representações gráficas– Conhecer as representações gráficas e as maneiras
de interagir com as representações visuais
5
Introdução: Problema
• Pascual-Cid (2008) cita dois interesses:– Projetar websites nos quais os usuários consigam
encontrar facilmente o que procuram– Auxiliar analistas a melhorarem a experiência dos
usuários em seus sistemas• E uma necessidade:– Compreender e descobrir os padrões de
navegações dos usuários do sistema analisado
6
Introdução: Solução
• Uma solução – Análise dos dados navegacionais• Meio de analisar a usabilidade sem a participação
direta do usuário (CYBIS, 2003 apud WEIRICH, 2006)– Identificar problemas no sistema
– Técnicas de visualização da informação (VI)• Representações gráficas manipuláveis (FREITAS et al,
2001)• Permitem que o analista descubra padrões ou
características (GHERSON; EICK; CARD, 1998)
7
Introdução: Justificativa para as técnicas de VI
Figura 1. Dados brutosARIZONA STATE UNIVERSITY. d13C and d18O of Carbonates. Disponível em: <http://kfleb.asu.edu/Analytical/gIRMS/Instrumentandanalysis/Analytical/Methods/Carbonates.html>. Acessado em 12 set 2013.
8
Introdução: Justificativa para as técnicas de VI
Figura 2. Gráfico de barras, um modo de representar dados brutosONLINE CHART TOOL. ONLINE CHART TOOL. Disponível em: < http://www.onlinecharttool.com/ >. Acessado em 12 set 2013.
9
Introdução: Aspectos que Podem ser Analisados em Comércio Eletrônico
• Em comércio eletrônico (PIWIK, 2013):– Compras realizadas– Receita total– Valor médio das compras– Produtos comprados– Carrinhos “abandonados”• Visitantes que abandoram os carrinhos• Total dos produtos nestes carrinhos
10
Introdução: Aspectos que Podem ser Analisados em Comércio Eletrônico
• Ainda em comércio eletrônico (GEOTRUST, 2013):– Visitantes– Páginas visitadas– Site onde o visitante o encontrou
11
Introdução: Resumo
A análise comportamental de usuário é um meio de conhecer os visitantes/clientes do seu comércio e identificar problemas no modelo de
negócios
12
Histórico: Linha do Tempo
Figura 3. Linha do TempoProdução da autora
13
Histórico: Três Gerações da Usabilidade
• Federici e Borsci (2013) separam a história da usabilidade em três períodos:– 1950-1963: não “havia a necessidade” porque os
programadores eram também os usuários– 1963-1984: caracterizado pela evolução dos sistemas e dos
modelos de interação• Primeira interface gráfica interativa, o Sketchpad, foi criado pela Sun
Systems– Após 1985: acessibilidade e a usabilidade tornaram-se centrais
devido a popularização dos computadores e da Internet• Distinção entre programadores e usuários
14
Histórico: Terceira Geração
• GUIs + popularização dos computadores = aumento nos problemas de acessibilidade e usabilidade
• Por volta de 1980 surgiu o primeiro teste de usabilidade conhecido como “laboratory usability testing”
• Rubin (1994 apud FEDERICI; BORSCI, 2013) cita considerações dos desenvolvedores:– Aumentar as vendas através do design mais competitivo– Criar um histórico de benchmarks de usabilidade– Diminuir custos com ligações
15
Histórico: Terceira Geração
• Métodos para coletas dados do usuário: – protocolos verbais (Ericsson and Simon 1984, 1987 apud
FEDERICI; BORSCI, 2013)– Relato de incidentes críticos (del Galdo et al, 1986 apud
FEDERICI; BORSCI, 2013)– Avaliações de satisfação dos usuários (Chin et al, 1988
apud FEDERICI; BORSCI, 2013)• Na década de 90, foram explorados outros métodos
de avaliação com o objetivo de diminuir os custos e o tempo exigidos (FEDERICI; BORSCI, 2013)
16
Histórico: Terceira Geração
• De acordo com ClickTale (2010)– 1993: arquivos de log, WebTrends (commercial
web analytics)– 1996: Contadores de visitas, Accrue e
WebSideStory– 1997: tags JavaScript– 2004: Criação da Web Analytics Association (WAA)– 2005: Google Analytics– 2006: In-Page analytics
17
Histórico: Terceira GeraçãoTermo Descrição
Arquivos de log Meio da analisar o comportamento do usuário a partir da coleta de dados realizada diretamente no servidor ao processar uma requisição de página
Contadores de visitas Recurso que mostra para os visitantes e webmasters o total de visitas no site ou em uma página específica (CARVALHO, 2013)
Tags JavaScript Código incluso nas páginas HTML para possibilitar que o navegador do usuário realize ações na mesma (inclusive enviar dados ao servidor para serem salvos)
Web Analytics É a ciência e arte de otimizar sites para aumentar a rentabilidade através da evolução da experiência dos usuários (WAISBERG; KAUSHIK, 2009).É uma abordagem de análise que envolve coletar, medir, monitorar, analisar e mostrar através de relatórios e gráficos o uso do site ou aplicação web para compreender a experiência dos usuários (CARVALHO, 2013).
InPage Analytics Quando se analisa ações na página, como por exemplo play/pause em vídeos, coordenadas x e y dos cliques... Foi possibilitada pelas tags JavaScript
18
Visualização da Informação: Justificativa
Como mencionado anteriormente, devido ao grande volume de dados coletados para
analisar o comportamento do usuário, é mais fácil realizar análises através de representações
gráficas interativas
19
Visualização da Informação: Modelo de Referência
• Existem diversos modelos de referência• O mais difundido é o de Card, Mackinlay e
Shneiderman (1999)• Todos abordam os dados brutos e a conversão
destes, bem como o mapeamento para as estruturas visuais
• Apenas o de Card, Mackinlay e Shneiderman (1999) aborda a interação do usuário
20
Visualização da Informação: Modelo de Referência
Figura 4. Modelo de referência de Card, Mackinlay e Shneiderman (1999)CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999.
21
Visualização da Informação: Modelo de Referência - Dados brutos
• São os dados coletados, aqueles que serão analisados
• Podem ser dados navegacionais de usuários, respostas de questionários, registros de vendas, etc
22
Visualização da Informação: Modelo de Referência – Tabela de Dados
• Os dados brutos são convertidos em uma tabela de dados composta de variáveis (colunas), itens (linhas) e metadados, conforme o modelo de Card, Mackinlay e Shneiderman (1999)
• Realizar somas de acordo com algum atributo, calcular uma média, ou qualquer outra operação necessária
• Freitas et al defendem que esta Tabela de Dados pode ser qualquer tipo de estrutura de dados (objeto, vetor, etc)
23
Visualização da Informação: Modelo de Referência – Tabela de Dados
num produto preço data1 Fogão R$ 370,00 01/11/2013
2 Geladeira R$ 1.250,00 01/11/2013
3 Cafeteira R$ 52,90 01/11/2013
4 Fogão R$ 370,00 02/11/2013
5 Cafeteira R$ 52,90 03/11/2013
6 Geladeira R$ 1.250,00 03/11/2013
7 Cafeteira R$ 52,90 04/11/2013
Exemplo: calcular a receita total por produtoproduto total
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Dados brutos referentes a vendas de produtos
Dados transformados para análise
24
Visualização da Informação: Modelo de Referência – Estruturas Visuais
• Para chegar nesta etapa, a Tabela de Dados é mapeada em um estrutura visual (gráfico)
Exemplo: mapear os dados transformados no exemplo anterior para um gráfico de barrasproduto total
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Dados transformados para análise
Eixo x Eixo y
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Mapeamento para um gráfico de barras
25
Visualização da Informação: Modelo de Referência – Visualizações
• É o resultado final• É o que o usuário vê• É o gráfico
26
Visualização da Informação: Modelo de Referência – Visualizações
Exemplo: gráfico de barras do mapeamento anterior
Eixo x Eixo y
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Mapeamento para um gráfico de barras Fogão Geladeira Cafeteira
0
500
1000
1500
2000
2500
3000
Produto
Rece
ita T
otal
Gráfico resultante
27
Visualização da Informação: Modelo de Referência – Interação
• Com o processo concluído, o usuário pode transformar a representação para extrair as informações que deseja
• Pode afetar desde os dados que são selecionados até a visualização final
28
Visualização da Informação: Técnicas de Representação
• De acordo com Card, Mackinlay e Shneiderman (1999), baseiam-se na utilização do espaço e possuem quatro abordagens: – ortogonais (1D, 2D e 3D);– multidimensionais (nD);– árvores;– redes.
29
Visualização da Informação: Técnicas de Representação - Ortogonais
• Utilizado para representar dados tabulares com poucas variáveis
• Histogramas, gráfico de barras, gráfico de linhas, gráfico de setores, gráfico de bolha, gráfico de área, gráfico de dispersão, mapa geográfico, etc
30
Visualização da Informação: Técnicas de Representação - Multidimensionais
• Utilizadas quando os dados tabulares possuem mais de três variáveis e as representações ortogonais são insuficientes
• Coordenadas paralelas e gráfico de radar
Figura 5. Gráfico de coordenadas paralelasFonte: Inselberg (2008)
31
Visualização da Informação: Técnicas de Representação - Árvores
• Representam relações hierarquicas ou de composição entre elementos como: diretórios de arquivos, árvores genealógicas (VAZ; CARVALHO, 2004)
• 5 maneiras de representá-las: 1. Nós e arestas;2. Aninhamentos;3. Adjacências;4. Identação;5. Matrizes.
32
Visualização da Informação: Técnicas de Representação - Árvores
• Cada nó representa um elemento• Cada aresta representa um relacionamento
Figura 6. Árvore representada através de nós e arestasFonte: Adaptado de Graham; Kennedy (2010)
33
Visualização da Informação: Técnicas de Representação - Árvores
• Representa o relacionamento entre, o que na representação através de nós e arestas seriam um nó pai e um nó filho, posicionando o nó filho dentro dos limites do nó pai (GRAHAM, KENNEDY, 2010)
• Treemaps
Figura 7. Árvore representada através de aninhamentosFonte: Adaptado de Graham; Kennedy (2010)
34
Visualização da Informação: Técnicas de Representação - Árvores
• A representação por adjacências posiciona os nós filhos próximos ao nó pai
• Requer uma definição de orientação pai e filho não só para diferenciar a relação entre nós irmãos como também para indicar a direção do relacionamento
Figura 8. Árvore representada através de adjacênciasFonte: Adaptado de Graham; Kennedy (2010)
35
Visualização da Informação: Técnicas de Representação - Árvores
• Na representação através de identações cada nível da árvore é identado de acordo com a sua profundidade
• Os filhos possuem uma margem esquerda um pouco maior que seu pai
Figura 10. Árvore representada através de identaçõesFonte: Adaptado de Graham; Kennedy (2010)
36
Visualização da Informação: Técnicas de Representação - Árvores
• Por fim, as representações através de matrizes evidenciam o parentesco entre pai e filho relacionando linhas e colunas (GRAHAM, KENNEDY, 2010)
• Linhas representam os pais e as colunas representam os filhos ou vice-versa
Figura 11. Árvore representada através de uma matrizFonte: Adaptado de Graham; Kennedy (2010)
37
Visualização da Informação: Técnicas de Representação - Redes
• Assim como as árvores, as redes também representam relacionamentos entre entidades, porém não hierárquicos
• Uma rede é representada por um grafo, direcionado ou não, que é composto por vértices, que representam os elementos, e por arestas, que representam o relacionamento destes elementos
38
Visualização da Informação: Técnicas de Representação - Redes
Figura 12. Grafo direcionadoFonte: Adaptado de Pascual-Cid et al (2009)
39
Visualização da Informação: Técnicas de Representação - Redes
• Também podem ser representadas através de matrizes (da mesma maneira que uma árvore)
• Exemplos de redes: rede de computadores e diagramas entidade-relacionamento (banco de dados)
40
Visualização da Informação: Técnicas de Interação
• Para compreender melhor o conjunto de dados que está sendo trabalhado, o usuário pode sentir a necessidade de realizar algumas alterações no conjunto de dados
• As técnicas de interação auxiliam os usuários nestas manipulações
41
Visualização da Informação: Técnicas de Interação
• Yi et al (2007) propõem sete categorias de técnicas:1. Seleção;2. Exploração;3. Reconfiguração;4. Codificação;5. Abstração/elaboração;6. Filtragem;7. Conexão.
42
Visualização da Informação: Técnicas de Interação - Seleção
• Permitem que os usuários selecionem itens de seu interesse de forma a analisá-los
• Distingue os itens de interesse dos demais e os usuários podem facilmente analisar os itens de seu interesse quando muitos itens estão representados
43
Visualização da Informação: Técnicas de Interação - Seleção
Figura 13. Seleção no programa Dust & MagnetFonte: Yi et al (2007)
44
Visualização da Informação: Técnicas de Interação - Exploração
• Permitem que o usuário examine diferentes subconjuntos de dados
• Usuários normalmente podem ver apenas um número limitado de itens por vez
• Mais comum: panning• Outra técnica é a Direct Walk
45
Visualização da Informação: Técnicas de Interação - Reconfiguração
• Fornecem aos usuários diferentes perspectivas dos dados visualizados através da troca da organização das representações
• Permitem que os usuários alterem a maneira que os itens estão organizados ou o alinhamento destes
• Exemplos: ordenar e reorganizar colunas em uma tabela, mover os nós de um grafo
46
Visualização da Informação: Técnicas de Interação - Codificação
• Permitem que os usuários alterem a representação visual (cor, tamanho, forma) dos dados
• Exemplos: alterar o gráfico
47
Visualização da Informação: Técnicas de Interação – Abstração/Elaboração
• Habilitam o usuário a ajustar o nível de abstração dos dados representados
• Alterar de visão geral para uma visão mais detalhada
• Exemplos: tooltip, zoom in, zoom out
48
Visualização da Informação: Técnicas de Interação - Filtragem
• Permitem que os usuários alterem o conjunto de dados que é representado com base em algumas condições específicas
• Exemplos: sliders para selecionar um intervalo de valores, checkboxes para selecionar valores específicos ou ainda através da interação com o teclado
49
Visualização da Informação: Técnicas de Interação - Conexão
• Permitem que o usuário destaque associações e relações entre itens
• Mostram itens escondidos que são relevantes a um item específico
• Exemplo: ao passar o ponteiro do mouse sobre um nó em um grafo, destacar os nós relacionados a ele
50
Visualização da Informação: Técnicas de Interação - Outras
• Yi et al (2007) citam outras técnicas que não são exclusivas da Visualização da Informação
• Exemplos: desfazer e refazer operações ou alterar configurações do sistema
51
Visualização da Informação: Modelo de Referência - Relembrando
Figura 14. Modelo de referência de Card, Mackinlay e Shneiderman (1999)CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999.
52
Ferramentas Para Análise do Comportamento do Usuário
• Website Exploration Tool• Trail Explorer• Trail Explorer 2
53
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Website Exploration Tool (WET)– Ferramenta visual de suporte à mineração de
dados na web– Sua principal característica é a capacidade de criar
uma representação visual baseando-se na estrutura, no conteúdo e na utilização do website analisado
– Seu diferencial são as diversas visualizações combinadas
54
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Composta de três módulos– Sistema de Recuperação da Informação e Web
Mining– Sistema da Lógica do Grafo– Sistema de Visualização
55
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Sistema de Recuperação da Informação e Web Mining– Utiliza um crawler para obter a estrutura do site,
bem como seu conteúdo– Calcula um conjunto de métricas dos dados de
navegação coletados– Salva no banco de dados
56
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Sistema da Lógica do Grafo– O objetivo deste módulo é evitar sobrecargas
computacionais e visuais– Extrai subgrafos significativos da estrutura do site
para simplificar o processo de análise• Exemplo: nós com uma determinada porcentagem de
acessos– Retorna um arquivo XML
57
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 15. Exemplo da extração do subgrafo da WETFonte: Adaptado de Pascual-Cid (2008)
58
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 16. Estrutura da WETFonte: Tradução de Pascual-Cid (2008)
59
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Sistema de Visualização– Módulo que efetivamente cria a visualização dos
dados– Três visualizações principais: uma representação
hierárquica da estrutura do website, outra dos caminhos percorridos mais comuns a partir de uma determinada página de entrada e um grafo ilustrando todos os caminhos percorridos
60
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 17. Interface da WETFonte: Pascual-Cid (2008)
61
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
• Técnicas de representação:– Árvore radial– Treemap– Grafos– Gráfico de barras
• Técnicas de interação:– Definir o nó de origem da árvore– Alterar todas as visualizações ao mesmo tempo
62
Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer
• Trail Explorer– Seu objetivo é ajudar na compreensão da
experiência do usuário em um fluxo de páginas– Permite a correlação do tempo com a taxa de
sucesso em um determinado fluxo
63
Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer 2
• Trail Explorer 2– Duas etapas: consulta de dados e a criação da
representação gráfica– Análise de dados temporais– Níveis de detalhamento– A interface é igual a versão anterior
64
Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer e Trail Explorer 2
Figura 18. Interface da Trail Explorer e Trail Explorer 2Fonte: Shen; Sundaresan (2010)
65
Estudo de Caso: Trail Explorer
• Estudos de Caso da utilização da ferramenta Trail Explorer pelos analistas do eBay– Fluxo de pagamento– Fluxo de cadastro
66
Estudo de Caso: Trail Explorer
• Fluxo de Conclusão de Compra
– Impacta diretamente na receita do eBay– Tornar este processo o mais fácil possível– Reduzir o número de desistentes
Figura 19. Fluxo de Conclusão de Compra no EbayFonte: Shen; Sundaresan (2010)
67
Estudo de Caso: Trail Explorer
• Foi descoberta uma correlação entre o tempo gasto na página de Revisão da Compra e a Taxa de Sucesso– Quanto maior o tempo na página de Revisão da
Compra, menor a taxa de sucesso• Foi decidido que esta página seria simplificada
para reduzir o tempo que os usuário permanecem nela
68
Estudo de Caso: Trail Explorer
• Fluxo de Registro
• Se o usuário se sentir frustrado e ir embora, o eBay perde um cliente
Figura 20. Fluxo de Registro no EbayFonte: Shen; Sundaresan (2010)
69
Estudo de Caso: Trail Explorer
• Principal descoberta feita foi em relação a seleção do país
• 33,5% dos usuários ia embora do sistema após esta etapa
• O problema foi corrigido e a taxa de sucesso deste processo cresceu
70
Estudo de Caso: Trail Explorer
• Outras descobertas:– Etapas mais demoradas– Padrões de diferentes tipos de clientes
• A maioria ocasionou em modificações do sistema
71
Conclusão
A análise comportamental de usuário é um meio de conhecer os visitantes/clientes do seu
comércio e identificar problemas no modelo de negócios
72
Conclusão
As técnicas de visualização da informação auxiliam no processo de analisar os dados
navegacionais coletados pois permitem a análise gráfica e interativa dos mesmos
73
Conclusão
A partir do estudo de caso de ferramentas como WET, Trail Explorer e Trail Explorer 2 pode-se
afirmar que analisar o comportamento do usuário frente a um sistema traz resultados
positivos para o seu negócio, visto que a partir dos padrões navegacionais é possível descobrir
os problemas no sistema e solucioná-los
74
Conclusão
A partir da solução para os problemas/barreiras encontrados, os usuários não terão dificuldades em, por exemplo, realizar uma compra em seu
sistema
75
ReferênciasFREITAS, C. M. D. S.; CHUBACHI, O. M.; LUZZARDI, P. R. G.; CAVA, R. A. Introdução à Visualização de Informações. Revista de Informática Teórica e Aplicada, Porto Alegre, RS, Brasil, v. 8, n. 2, p. 143-158, 2001.
GEOTRUST. Introduction to Web Analytics for E-Commerce: How to Track Activity to Optimize your Web Site. Disponível em < http://www.geotrust.com/resources/guides/web-analytics-for-ecommerce.pdf >. Acesso em 12 set 2013.
GHERSON, N.; EICK, S. G.; CARD, S. Information Visualization. Interactions, New York, NY, USA, v.5, n. 2, p. 9-15, 1998.
MOISSA, B. O Uso de Técnicas de Visualização da Informação para Representação de Informações Web Analytics em Sistemas Educacionais. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina (Em andamento). Joinville, 2013.
PASCUAL-CID, V. An information visualization system for the understanding of web data . IEEE Symposium on Visual Analytics Science and Technology (VAST ‘08), 2008. p. 183-184.
PIWIK. Ecommerce reports in Piwik. Disponível em <http://piwik.org/docs/ecommerce-analytics/#toc-ecommerce-reports-in-piwik>. Acesso em 12 set 2013.
76
ReferênciasFEDERICI, S.; BORSCI, S. Usability evaluation: models, methods, and applications. International Encyclopedia of Rehabilitation. Disponível em <http://cirrie.buffalo.edu/encyclopedia/en/article/277/>. Acesso em 20 set 2013.
CLICKTALE. A Brief History of Web Analytics. 2010. Disponível em <http://blog.clicktale.com/2010/11/17/a-brief-history-of-web-analytics/>. Acesso em 20 set 2013.
WAISBERG, D.; KAUSHIK, A. Web Analytics 2.0: empowering customer centricity. SEM.org Journal, Vol. 2 No. 1. Disponível em <http://www.semj.org/documents/webanalytics2.0_SEMJvol2.pdf>. Acesso em 01 nov 2013.
HABER, R. B.; MCNABB, D. A. Visualization Idioms: a conceptual model for scientific visualization systems. Visualization in Scientific Computing. p. 74-93. 1990.
CHI, E. H.; RIEDL, J. T. An Operator Interaction Framework for Visualization Spreadsheets. Proceedings of IEEE Information Visualization Symposium.1998.
77
ReferênciasCARVALHO, L. S. O uso de web analytics para melhorar a análise do comportamento do aluno no AdaptWeb. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina (Em andamento). Joinville, 2013.
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999.
CAMPO, M.; OROSCO, R.; TEYSEYRE, A. Automatic Abstraction Management in Information Visualization Systems. Proceedings of the International Information Visualization Conference. p.50-56, 1997.
YI, J. S.; KANG, Y.; STASKO, J. T.; JACKO, J. A. Toward a Deeper Understanding of the Role of Interaction in Information Visualization. IEEE Transactions on Visualization and Computer Graphics. p. 1224-1231. 2007.
WEIRICH, R. Análise de log para a avaliação do comportamento do aluno no AdaptWeb. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina. Joinville, 2006.
78
Referências• VAZ, F. R.; CARVALHO, C. L. Visualização de Informações. Relatório técnico -
Universidade Federal de Goiás. 2004.
• SHEN, Z.; WEI, J.; SUNDARESAN, N.; MA, K. Visual Analysis of Massive Web Session Data. IEEE Symposium on Large Data Analysis and Visualization. p. 65-72. 2012.
• SHEN, Z.; SUNDARESAN, N. Trail Explorer: Understanding User Experience in Webpage Flows. IEEE VisWeek Discovery Exhibition. p. 7-8. 2010.
• PASCUAL-CID, V.; BAEZA-YATES, R.; DUSTELER, J. C.; MINGUEZ, S.; MIDDLETON, C. New Techniques for Visualizing Web Navigational Data. 13th International Conference Information Visualization. p. 621-626. 2009.
• GRAHAM, M.; KENNEDY, J. A survey of multiple tree visualisation. Information Visualization. v. 9, n. 4, p. 235-252. 2010.