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.