Técnica 3D de visualização da informação: design e avaliação da usabilidade

7/22/2019 Tcnica 3D de visualizao da informao: design e avaliao da usabilidade

1/182

Ps-Graduao em Cincia da Computao

TCNICA 3D DE VISUALIZAO DA

INFORMAO: DESIGN E AVALIAO DA

USABILIDADE

Por

AMADEU S DE CAMPOS FILHO

Tese de Doutorado

Universidade Federal de Pernambuco

[email protected]/~posgraduacao

RECIFE, FEVEREIRO/2014


2/182

UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO DE INFORMTICA

PS-GRADUAO EM CINCIA DA COMPUTAO

AMADEU S DE CAMPOS FILHO

TCNICA 3D DE VISUALIZAO DA INFORMAO: DESIGN EAVALIAO DA USABILIDADE

ESTA TESE FOI APRESENTADO PS-GRADUAO EMCINCIA DA COMPUTAO DO CENTRO DE INFORMTICA DAUNIVERSIDADE FEDERAL DE PERNAMBUCO COMO REQUISITOPARA OBTENO DO GRAU DE DOUTOR EM CINCIA DACOMPUTAO.

ORIENTADOR:DR. ALEX SANDRO GOMES

CO-ORIENTADORA:DRA. MAGDALA ARAJO NOVAES

RECIFE, FEVEREIRO/2014


3/182

Campos Filho, Amadeu S de.Tcnica 3D de visualizao da informao: design e

avaliao da usabilidade / Amadeu S de Campos Filho.Recife: O Autor, 2014.

180f.: fig., graf. quadro.

Orientador: Alex Sandro Gomes.Tese (Doutorado) - Universidade Federal de

Pernambuco. CIN. Cincia da Computao, 2014.Inclui referncias, apndice e anexos.

1. Interface grfica com o usurio (Sistemas decomputao). 2. Imagem tridimensional. 3. Visualizao.I.Gomes, Alex Sandro (orientador). II. Ttulo.

006.6 (22. ed.) MEI 2014-73

Catalogao na fonteBibliotecria Joana DArc L. Salvador, CRB 4-572


4/182

Tese de Doutorado apresentada por Amadeu S de Campos Filho Ps Graduao emCincia da Computao do Centro de Informtica da Universidade Federal de Pernambuco,sob o ttulo Tcnica 3D de Visualizao da Informao: Design e Avaliao daUsabilidade orientada pelo Prof. Alex Sandro Gomese aprovada pela Banca Examinadora

formada pelos professores:

__________________________________________Profa. Bernadette Farias LscioCentro de Informtica / UFPE

___________________________________________Profa. Veronica TeichriebCentro de Informtica / UFPE

___________________________________________Prof. Walter Franklin Marques Correia,Departamento de Design / UFPE

___________________________________________Prof. Ricardo Jos Rocha Amorim

Faculdade de Cincias Aplicadas e Sociais de Petrolina

____________________________________________Profa. Flvia Mendes de Andrade e PeresDepartamento de Educao / UFRPE

Visto e permitida a impresso.Recife, 26 de fevereiro de 2014.

___________________________________________________Profa. Edna Natividade da Silva BarrosCoordenadora da Ps-Graduao em Cincia da Computao doCentro de Informtica da Universidade Federal de Pernambuco.


5/182

DEDICO ESTE TRABALHO MINHA ME, AMIGA E COMPANHEIRA,MARIA EMLIA FERREIRA CAMPOS.

COM MUITO AMOR E CARINHO.


6/182

AGRADECIMENTOS

Este trabalho teve a participao e colaborao de vrias pessoas e entidades. Todas

elas contriburam de alguma forma para delineamento e orientao desta Tese. A todos, eu

agradeo pela ajuda e por poder contar nas horas mais difceis, e em especial:

Ao Prof. Dr. Alex Sandro Gomes, meu orientador e amigo, pela orientao e

oportunidade que me deu em poder pesquisar numa rea inovadora; pela pacincia e

dedicao que demonstrou em todas as etapas do Doutorado.

Profa. Dra. Magdala de Arajo Novaes, minha coorientadora e amiga, pelo apoio,suporte e oportunidade em poder trabalhar e pesquisar com a rea de Telessade.

Aos Professores Dr. Walter Franklin Marques Correia, Dra. Bernadette Farias Lscio e

Dra. Vernica Teichrieb, pelas contribuies atribudas Tese durante o exame de

qualificao e por aceitar participar da banca da defesa do meu Doutorado.

Aos Professores Dr. Ricardo Jos Rocha Amorim, Dra. Flvia Peres, Dr. Frederico

Luiz Gonalves de Freitas e Dra. Laura Bezerra Martins, por aceitarem participar da banca da

defesa do meu Doutorado.

A todos os Professores que compem o corpo docente do Centro de Informtica.

Aos professores, alunos e amigos do grupo Cincias Cognitivas e Tecnologias

Educacionais (CCTE), em especial a Rodrigo Lins que me ajudou na anlise estatstica dos

dados, Rosngela Carvalho, Ivanildo Melo, Nicolau Calado, Paulo Perris e Joo Marcelo

que participaram do experimento.

Aos professores, alunos e amigos do Ncleo de Telessade da Universidade dePernambuco, em especial Profa. Dra. Paula Diniz, Mariana Batista, Claudinalle Souza,

Daniele Alves, Fred Rabelo, Marlia Oliveira, Genival Filho, Danilo Silva e Tatiana Bertulino

que sempre me apoiaram nas horas de angstia.

toda equipe de funcionrios do Centro de Informtica da UFPE, em especial Lilia,

Nanci e Socorro da secretaria, por me ajudarem em todos os momentos que necessitei.

Ao Instituto Nacional de Psiquiatria do Desenvolvimento e ao CNPq que

possibilitaram a realizao deste trabalho e o ltimo por ter fornecido uma bolsa de estudos.


7/182

A todos os que participaram da aplicao do estudo de caso em especial a Jos

Carvalho Neto e a Marcos Machado que me ajudou no desenvolvimento do prottipo.

Dra. Nilza por me dar um apoio psicolgico nas horas mais difceis do Doutorado e

por ter me ajudado a enxergar a vida com outros olhos.

A todos meus amigos (Susane, Daniel, Maju, Judith, Ftima, Vanessa e Marcos

Aurlio) que nunca duvidaram de minha capacidade de vencer e acreditaram em mim, em

especial a Jairson Vitorino, e que sempre esto ao meu lado mesmo nas horas mais difceis.

toda minha famlia: Guto, Eva, Marcelo, Marzia, e meus sobrinhos (Isabela,

Guilherme, Julia e Letcia), minha querida madrinha Dulce que uma segunda me para mim,

minha av que um exemplo de vida e em especial minha querida me, exemplo de umagrande mulher, por ter acreditado e investido em mim todo seu amor, confiana, segurana e

credibilidade nas horas que eu mais precisava.

E por ltimo, a Andr Bernardo e seus filhos Andr Junior e Vinicius, por terem me

proporcionado uma nova vida e terem acreditado no meu potencial, me ajudado a vencer e,

principalmente, terem me feito entender que sempre somos capazes de chegar at o fim.


8/182

A fora no provm da capacidade fsica.

Provm de uma vontade indomvel.

Mahatma Gandhi


9/182

Resumo

Desde o surgimento da Internet, o volume de dados vem aumentando

exponencialmente. Com isso um dos grandes desafios transformar essa quantidade de dados

no estruturados em informaes legveis de forma clara atravs de tcnicas de visualizao.

Tradicionalmente a visualizao desses dados feita com tcnicas 2D, mas muitas vezes

difcil visualizar, interpretar e tomar uma deciso adequada quando se tem dados

multivariados. Com esse fato, as tcnicas 3D de visualizao vem surgindo para contornar

esse problema. Esta pesquisa tem como objetivo testar a hiptese de que o uso de tcnicas 3D

de visualizao da informao mais eficiente e eficaz no auxlio aos usurios na busca de

uma informao especfica diminuindo o tempo de procura e a carga mental que as tcnicas

de visualizao 2D. A validao da hiptese foi feita atravs de uma avaliao de usabilidade

ergonmica e da carga mental requerida na execuo de uma tarefa com o prottipo

desenvolvido. Contamos com a participao de uma amostra probabilstica de profissionais de

Telessade e Educao a distncia. A comprovao da hiptese foi realizada e os dados foram

coletados por meio de tcnica de observao e com a ajuda de questionrios de usabilidade e

de carga mental de trabalho. A anlise dos dados foi feita com base em abordagens

quantitativa e qualitativa. Os resultados do estudo mostraram que o prottipo continha 18

problemas de usabilidade e 13 sugestes de melhorias e a maioria dos participantes relatou

uma forte motivao e interesse na utilizao no prottipo desenvolvido com a tcnica 3D.

Em relao a anlise da carga mental de trabalho, apesar do tempo de execuo da tarefa e da

efetividade do prottipo com a tcnica 3D fosse menor que a tcnica 2D, a tcnica 3D

demandou menos esforo mental que a tcnica 2D.

Palavras-chave:Visualizao da informao, Design de Interao, Usabilidade, 3D,

Indicadores.


10/182

Abstract

Since the rise of the Internet, the volume of data has been increasing exponentially.

One of the challenges is to transform this amount of unstructured data into legible information

through visualization techniques. Traditionally, data visualization is developed with 2D

techniques, but it is often difficult to visualize, interpret or making the right decisions with a

2D technique when you have multivariate data. For this reason, the 3D visualization

techniques are emerging to addresses this issue. This research aims at testing the hypothesis

that the use of 3D techniques for information visualization is more effective as support to

users in visualizing information than some 2D visualization techniques. The validation of the

hypothesis was performed through a usability and mental load evaluation required in the

execution of a task with the prototype. We used a random sample of professionals from

Telehealth and Distance Education. Data were collected through observation technique and

with the help of usability and mental workload questionnaires; Protocol NASA TLX. Data

analysis was based on quantitative and qualitative approaches. The study showed that,

although the prototype obtain 18 usability problems and 13 suggestions for improvements,

most participants demonstrated strong motivation and interest in using the prototype.

Furthermore regarding mental workload, despite the time of task execution and effectiveness

of prototype with 3D technique was less than with the 2D technique, the 3D technique

required less mental effort than the 2D technique.

Keywords:Information visualization, Interaction Design, Usability, 3D, Indicators.


11/182

Lista de FigurasFigura 1Conceitos relacionados com visualizao. .............................................................. 23

Figura 2 - Conectividade e entendimento dos dados. ............................................................... 25Figura 3 - Visualizao de dados. ............................................................................................. 26Figura 4 - Visualizao da informao. .................................................................................... 27Figura 5 - Modelo de visualizao. .......................................................................................... 28Figura 6 - Modelo de visualizao de Card, Mackinlay e Shneiderman. ................................. 28Figura 7 - Modelo de interao homem mquina. .................................................................... 30Figura 8Visualizao dos eventos considerados marcos da visualizao de dados. ............ 37Figura 9Tcnica clssica de Visualizao de grafos em rvore. .......................................... 40Figura 10Tcnica de rvore radial.. ...................................................................................... 41Figura 11 - Sistemas de participao social mediada por tecnologia. ...................................... 43Figura 12 - Social networks adapting pedagogical practice (SNAPP). .................................... 44

Figura 13CourseVis. ............................................................................................................. 45Figura 14Tcnica 3D das caixas de informao alinhadas. .................................................. 48Figura 15Tcnica de visualizao 3D cone tree. .................................................................. 48Figura 16Webbook. .............................................................................................................. 50Figura 17Fases da pesquisa. ................................................................................................. 61Figura 18Mtodo de pesquisa. .............................................................................................. 62Figura 19Processo de design centrado no usurio. ............................................................... 67Figura 20Critrios ergonmicos de Bastien e Scapin. .......................................................... 70Figura 21Site de visualizao da informao ManyEyes. .................................................... 75Figura 22Indicadores de Telessade. ................................................................................... 76Figura 23Indicadores do Redu. ............................................................................................. 77Figura 24Procedimento da avaliao. ................................................................................... 78Figura 25Cenrio do prottipo 3D. ...................................................................................... 84Figura 26Arquitetura do prottipo ........................................................................................ 85Figura 27Interface 1: Universo 3D. ...................................................................................... 87Figura 28Interface 2: Nvel 3D. ............................................................................................ 88Figura 29Painel para escolher o arquivo XML. ................................................................... 89Figura 30 - Painel para configurar as variveis. ....................................................................... 90Figura 31Ambiente com a tcnica 3D. ................................................................................. 90Figura 32Problemas relatados pelos participantes no ambiente 3Dparte 1. ..................... 95Figura 33Problemas relatados pelos participantes no ambiente 3Dparte 2. ..................... 96

Figura 34 - Movimento planetrio. ......................................................................................... 139Figura 35 - Grfico da distncia de Toledo a Roma. .............................................................. 140Figura 36 - Grfico que compara a populaes e impostos por vrios pases. ....................... 141Figura 37 - Mapa do analfabetismo na frana. ....................................................................... 142Figura 38 - Grfico 3D da populao da Sucia. .................................................................... 143Figura 39 - Mapa do metro de Londres. ................................................................................. 144Figura 40 - Tcnica fisheyes do mapa de Washington D.C. .................................................. 145


12/182

Lista de Quadros

Quadro 1Quadro metodolgico. ............................................................................................ 57Quadro 2 - Objetivos especficos da pesquisa. ......................................................................... 58Quadro 3Relao dos variveis de avaliao x tcnica. ....................................................... 62Quadro 4Dicas de Profundidade. .......................................................................................... 65Quadro 5Anlise dos Concorrentes. ..................................................................................... 66Quadro 6 - Relao entre as questes de Usabilidade com os Critrios Ergonmicos. ........... 71Quadro 7Quadro da Taxa Global Ponderada ........................................................................ 74


13/182

Lista de Grficos

Grfico 1rea de Conhecimento dos Participantes em Telessade. .................................... 92Grfico 2Resultado da Anlise de Usabilidade. ................................................................... 93Grfico 3Mdia da Taxa Global Ponderada para a amostra de Telessade. ........................ 99Grfico 4Mdia de cada subfator para amostra de Telessade. ......................................... 100Grfico 5Taxa de Sucesso para Amostra de Telessade. ................................................... 101Grfico 6Tempo de Realizao da Tarefa para Amostra de Telessade. ........................... 102Grfico 7Eficincia da Tarefa para Amostra de Telessade. ............................................. 103Grfico 8rea de Conhecimento dos Participantes de Educao....................................... 104Grfico 9Mdia da Taxa Global Ponderada para Amostra de Educao a Distncia. ....... 105Grfico 10Mdia de valores de cada Subfator para Educao a Distncia. ....................... 106

Grfico 11Quantidades de Acertos para Amostra de Educao Distncia. ..................... 107Grfico 12Tempo de Realizao da Tarefa para Amostra de Educao a Distncia. ........ 108Grfico 13Taxa de Eficincia para Amostra de Educao a Distncia. ............................. 109


14/182

Lista de Abreviaturas e Siglas

2D Duas Dimenses3D Trs DimensesACM Association for Computing MachineryAPI Application Programming InterfaceCAAE Certificado da Apresentao para Apreciao de ticaCAVE Computer Assisted Virtual EnvironmentCIN Centro de InformticaCTA Cognitive Task AnalysisDARPA Defense Advanced Research Projects Agency

GUI Graphical User InterfaceIEEE Institute of Electrical and Electronics EngineersIHC Interfaces Homem ComputadorMDS Multidimensional ScalingMGA Medical Graphical AvatarRedeNUTES Rede de Ncleos de Telessade de PernambucoSNAPP Social Networks Adapting Pedagogical PracticeSGI Sistema de Gerenciamento de InformaoSDM Selective Dynamic ManipulationSWAT Subjetive Workload Assessment TechinicTCLE Termo de Consentimento Livre e Esclarecimento

TGP Taxa Global PonderadaUFPE Universidade Federal de PernambucoW3C World Wide Web ConsortiumWIMP Windows, Icons, Menus and PointersWIVF Web based Information VisualizationFrameworkWWW World Wide Web


15/182

Sumrio

Captulo 1 ............................................................................................................................................................. 16

1 Introduo ........................................................ ................................................................. ........................... 16

1.1 Contextualizao ................................................................................................................................... 17

1.2 Problemtica e Justificativa ................................................................................................ ................... 18

1.3 Motivao ............................................................. ................................................................. ................ 19

1.4 Questo de Pesquisa e Hipteses da Tese ........................................................ ...................................... 20

1.5 Objetivos ............................................................................................................................................... 20

1.6 Mtodo ....................................................... ................................................................. ........................... 21

1.7 Organizao do documento da tese ........................................... ............................................................ 22

Captulo 2 ............................................................................................................................................................. 23

2 Visualizao ................................................................................................................................................. 23

2.1 Conceitos: Visualizao de Dados, Visualizao de Informaes e Visualizao Cientfica ................ 24

2.2 Modelos de Visualizaes .................................................................................................. ................... 27

2.3 Fenmenos Cognitivos relacionado com a visualizao de dados................... ...................................... 302.3.1 Percepo Visual ................................................................................................ ........................... 30

2.3.2 Interpretao de dados ................................................................................................ ................... 322.3.3 Resoluo de Problemas ................................................................................................ ................ 332.3.4 Aprendizagem .......................................................... .............................................................. ........ 34

2.4 Abordagens Conceituais para Cognio .......................................................... ...................................... 36

2.5 Origem e Evoluo da Visualizao de Dados ........................................................... ........................... 37

2.6 Estudos Relacionados com Tcnicas de Visualizao 2D e 3D ........... ................................................. 382.6.1 Visualizao com Tcnicas 2D ................................................................ ...................................... 392.6.2 Visualizao com tcnicas 3D ................................................................................................ ....... 472.6.3 Estudos comparativos entre as tcnicas 2D e 3D ........................................................... ................ 53

2.7 Concluso ............................................................. ................................................................. ................ 55

Captulo 3 ............................................................................................................................................................. 57

3 Mtodo .............................................................. ................................................................. ........................... 57

3.1 Estrutura do Mtodo ................................................................................................ .............................. 57

3.2 Premissas .............................................................. ................................................................. ................ 58

3.3 Objetivos ............................................................................................................................................... 58

3.4 Hipteses ............................................................................................................................................... 58

3.5 Participantes .......................................................................................................................................... 59

3.6 Fases da Pesquisa .................................................................................................................................. 603.6.1 Primeira Fase: Referencial Terico ......................................................... ...................................... 623.6.2 Segunda Fase: Processo de Design centrado no usurio ........................................................ ........ 67


16/182

3.6.3 Terceira Fase: Avaliao de Usabilidade ............................................................ ........................... 683.6.4 Quarta fase: Anlise de Dados ................................................................. ...................................... 79

3.7 Aspectos ticos e Legais .................................................................................................... ................... 82

Captulo 4 ............................................................................................................................................................. 834 Resultados .................................................................................................................................................... 83

4.1 Frameworkpara visualizao da informao 3D ...................... ............................................................ 834.1.1 Arquitetura ............................................................... ................................................................. ..... 844.1.2 Interface 1: Universo 3D ............................................................................................................... 864.1.3 Interface 2: Nveis 3D ......................................................... ........................................................... 884.1.4 Interface 3: 3DataView ................................................................. ................................................. 89

4.2 Estudo de Caso: Telessade .................................................................................................................. 914.2.1 Avaliao da usabilidade da interface 3DataView..................................................................... 914.2.2 Caractersticas do usurio .............................................................................................. ................ 924.2.3 Avaliao Ergonmica de Usabilidade ............................................................... ........................... 92

4.2.4 Avaliao da severidade dos problemas de Usabilidade ......................... ...................................... 944.2.5 Avaliao Qualitativa ............................................................................................................ ........ 974.2.6 Avaliao da Carga Mental: NASA Task Load Index .............................................................. ..... 984.2.7 Avaliao da Efetividade (taxa de acertos) ......................................................... ......................... 1014.2.8 Avaliao do Tempo da Tarefa ................................................................ .................................... 1014.2.9 Avaliao de Eficincia (taxa de acerto / tempo) ............................................... ......................... 102

4.3 Caso de Estudo: Educao a Distncia ................................................................................................ 1034.3.1 Caractersticas do usurio .............................................................................................. .............. 1044.3.2 Avaliao da Carga Mental: NASA Task Load Index .............................................................. ... 1044.3.3 Avaliao da efetividade (taxa de acertos) .............................................. .................................... 1074.3.4 Avaliao do Tempo da Tarefa ................................................................ .................................... 1084.3.5 Avaliao da Eficincia (taxa de acerto / tempo) ............................................... ......................... 109

4.4 Discusso .............................................................. ................................................................. .............. 1094.4.1 Processo de Concepo do Framework ...................................................................... ................. 1104.4.2 Motivao dos usurios na utilizao do prottipo ........................................................ .............. 1124.4.3 Usabilidade do modelo de visualizao 3D ........................................................ ......................... 1124.4.4 Metforas utilizadas na concepo do prottipos ........................................................................ 1134.4.5 Dificuldades de orientao com a tcnica 3D ................................................................ .............. 1144.4.6 Efetividade na execuo de tarefas .......................................................... .................................... 1154.4.7 Tempos de execuo de tarefas ......................................... .......................................................... 1164.4.8 Eficincia na execuo de tarefas ................................................................................................ 117

Captulo 5 ........................................................................................................................................................... 118

5 Concluso e Trabalhos Futuros. ................................................................ ............................................... 118

5.1 Trabalhos Futuros ............................................................ ................................................................. ... 120

Referncias ............................................................... ................................................................. ......................... 122

APNDICES ............................................................ ................................................................. ......................... 138

APNDICE AHistria da Visualizao ........................................................ ............................................... 139

APNDICE BQuestionrio de Usabilidade Ergonmica ............................................................. .............. 146

APNDICE CQuestionrio de Problemas Encontrados no Ambiente 3D ............................................... 147

APNDICE D - Introduo a Avaliao ......................................................................................................... 148


17/182

APNDICE ETermo Consentimento Livre e Esclarecido ........................................................... .............. 149

APNDICE F - Questionrio demogrfico e de experincias anteriores ..................................................... 151

APNDICE GTarefas ..................................................................................................................... .............. 153

APNDICE HValores da TGP para Amostra de Telessade com a Tcnica 2D .................................... 156

APNDICE IValores da TGP para Amostra de Telessade com a Tcnica 3D ...................................... 160

APNDICE JValores dos Tempos da Amostra de Telessade com a tcnica 2D .................................... 164

APNDICE KValores dos Tempos da Amostra de Telessade com a Tcnica 3D ................... .............. 165

APNDICE LValores da TGP para Amostra de Educao Distncia com a Tcnica 2D ................... 166

APNDICE MValores da TGP para Amostra de Educao Distncia com a Tcnica 3D .................. 169

APNDICE NValores dos Tempos da Amostra de Educao Distncia com a tcnica 2D ................. 172

APNDICE OValores dos Tempos da Amostra de Educao Distncia com a tcnica 3D ................. 173

ANEXOS ............................................................................................................................................................ 174

ANEXO AQuestionrio de Carga Mental de Trabalho - NASA TLX ...................................................... 175

ANEXO BCertificado da Apresentao para Apreciao de tica ................................ .......................... 178


18/182

16

Captulo 11 Introduo

Desde o advento da Internet, em meados dos anos noventa, o volume de trfego de

dados atravs da rede vem crescendo rapidamente, proporcionando ao usurio mais acesso

informao e ao conhecimento do que antes e com uma quantidade maior de dados. Em

muitos casos, estes dados no so estruturados, o que torna cada vez mais difcil para o

usurio resumir, entender e dar sentido a esses dados na tomada de melhores decises e

encontrar o que est procura (KEIM, 2002; CHAKRABORTY, 2014). Enquanto isso, oresultado dessa busca nem sempre tem algum significado e a chance de um dado ter sentido

numa nuvem de informaes cada vez mais difcil tanto para novatos quanto para

experientes usurios da Internet.

O advento das redes sociais passou a contribuir para o aumento da quantidade de

dados e informaes na rede, e muitos indicadores passaram a ser produzidos sobre o

comportamento dos usurios nas redes sociais. Estes indicadores so importantes para

identificar o comportamento dos usurios ou servios sob determinados aspectos de uma

determinada rede social. Devido a este fenmeno Schwartzman e Borning (2007) observaram

uma crescente demanda por mtodos e ferramentas para apoiar a construo do conhecimento

e para a avaliao de variveis (indicadores) que apresentam ou fornecem informaes para

um gestor sobre o estado da qualidade do servio em vrias reas, tais como sade, educao,

economia, matemtica, engenharia e indstria.

A fim de auxiliar os usurios na busca, recuperao e no fazer sentido sobre

informaes, organizaes como a World Wide Web Consortium (W3C) e a Defense

Advanced Research Projects Agency (DARPA) esto dedicando esforos e iniciativas para

desenvolvimento da "Web Semntica" (BERNERS-LEE; HENDLER; LASSILA, 2001). Esta

iniciativa une o significado das palavras e tem como objetivo atribuir um sentido (lgica) para

o contedo publicado na Internet. A expectativa dessas iniciativas promover um resultado

mais eficaz e acessvel, de forma pragmtica, que seja mais fcil para o ser humano consumir

menos recursos computacionais.

Alm disso, a interpretao dessa quantidade de dados tornou-se progressivamente


19/182

17

mais difcil. Atualmente, existem vrias ferramentas que ajudam na anlise e explorao

visual de conjuntos de dados. Essas ferramentas aplicam tcnicas que tem como objetivo

representar visualmente dados e permitir que os usurios interajam com essas representaes.

Por outro lado, o resultado da pesquisa na literatura descrita no captulo de trabalhos

relacionados relatou que h poucas ferramentas com tcnica 3D para fornecer uma

representao visual que suporta a capacidade de visualizar e analisar mais de duas variveis

(multivariveis) em uma nica visualizao. Para superar este problema, propusemos nesse

trabalho o desenvolvimento de um sistema de visualizao com tcnicas 3D para a anlise dos

indicadores.

1.1 ContextualizaoDe acordo com Card, Mackinlay e Shneiderman (1999), Visualizao de Informao

corresponde a um conjunto de tcnicas que permitem ao usurio criar formas grficas de

processamento de dados que utilizam o computador em processos interativos para gerar

representaes visuais e expandir o conhecimento desta informao. Estas tcnicas so

utilizadas nas Graphical User Interfaces (GUI) desde a dcada de 1990 para facilitar a

percepo visual, a compreenso de dados e tarefas de interpretao de dados (fenmenos

cognitivos relacionados com a interpretao dos dados). As tcnicas de visualizao da

informao tambm so usadas como uma forma de interao com o usurio na manipulao

dos dados.

A essncia da visualizao de informao consiste em representar visualmente um

objeto na forma de uma imagem dentro do modelo mental humano, que um mecanismo do

pensamento pelos quais o homem tenta explicar como so os objetos no mundo real. uma

espcie de projeo do objeto para o sistema cognitivo onde feita uma transformao do

objeto num smbolo interno ou numa representao da realidade externa (CARROLL, 1985).

Na maioria dos casos, as imagens projetadas so destinadas a criar uma espcie de correlao

visual com o modelo mental do usurio assim como representaes textuais. A visualizao

da informao tambm tem vantagens no grau de percepo humana (CARD; MACKINLAY;

SHNEIDERMAN, 1999; WARE, 2012; CHEN, 2006).

Assim, novas tcnicas de visualizao de informao esto se tornando a cada dia

essenciais para estimular o reconhecimento de padres em dados e ajudar os usurios a

entender os seguintes diferentes tipos de processos cognitivos (BUTLER et al., 1993):


20/182

18

a)explorao:o usurio no sabe o que est procurando (Descoberta);

b)anlise:o usurio sabe o que est procurando nos dados. A visualizao ajuda a determinar

se a informao que o usurio procura est nos dados (Deciso);

c)descrio: o fenmeno ocorre quando os dados so conhecidos, mas o usurio deve

examinar visualmente os dados para poder descrev-los (Explicao).

1.2 Problemtica e JustificativaGestores ou administradores de servios tem um desafio na interpretao de vrios

indicadores com mais de duas variveis de forma a encontrar tendncias, anomalias e

solues num conjunto de dados atravs dos processos cognitivos descritos acima. Esses

processos cognitivos podem ser sobrecarregados quando o volume de informao coletadassobre indicadores gerados for grande ou quando o nmero de variveis a serem analisadas

seja maior que duas variveis. Neste caso, os processos cognitivos iro exigir uma maior

percepo e carga mental para compreender o significado dos dados.

No entanto, ao longo do tempo, muitas centenas de indicadores so avaliados, na

tentativa de se obter um senso intuitivo dos dados, mas nem sempre isso posivel, pois

difcil exibir os conjuntos de dados de quatro ou mais dimenses em uma tela de duas

dimenses (2D) ou em um pedao de papel, sem a perda de viso (CVEK, 2011). Esse fato

ocorre em funo das tcnicas 2D de visualizao tradicionais no mostrarem claramente

todos os detalhes dos dados e tambm no serem projetadas de forma correta para tornar

perceptveis as tendncias que no so visveis de outra forma (MALCZEWSKI, 2006).

Por outro lado, atualmente os dados so visualizados em softwares que fornecem uma

representao grfica com diversos tipos de tcnicas 2D, como por exemplo: linhas

poligonais, grficos de barras, grficos de pizza, grficos de rosca, entre outros. Contudo, os

grficos com tcnicas 2D tm vrias restries, como por exemplo a no possibilidade de

rotacionar os grficos por eles serem planos, usando apenas o eixo X e Y (horizontal e

vertical) e consequentemente a imagem ficar em duas dimenses. A tcnica 3D acrescenta a

dimenso 'Z' que permite rotacionar a estrutura dos dados gerando uma nova visualizao e

inserir mais informao na profundidade do grfico (HELIANG; KATO; TSUCHIDA, 2013;

SANFTMANN, 2012).

Muitas vezes novas formas de representaes dessas variveis podem fazer com que

os dados sejam interpretados de forma mais rpida e eficaz, e pode tambm ajudar os


21/182

19

tomadores de deciso priorizar as aes e regulamentos necessrios para melhores resultados.

Alm disso, o acesso e gesto desta quantidade de informao tornam-se difceis e limitados

numa interface 2D, pois difcil ver todo conjunto de dados de uma forma simples e tambm

entender facilmente a relao entre eles (TAKAHASHI; FUJISHIRO; OKADA, 2009;

POCO, 2011). Assim, tcnicas de visualizao 3D esto surgindo (LTIFI et al., 2012;

WALLER et. al, 2013; CASERTA; ZENDRA; BODENES, 2011) e oferecendo possveis

solues para esses problemas que exigem grande carga mental, especialmente quando todos

os detalhes dos dados vo ser visualizados e explorados (HULLMAN; ADAR; SHAH, 2011).

1.3 MotivaoAtualmente ns vivemos num mundo cheio de dados em todos os lugares e muitas

vezes no conseguimos extrair e visualizar as informaes que estamos procurando. Em

alguns casos se faz necessrio a utilizao de um tradutor para que esses dados se tornem as

informaes corretas. Esse tradutor se chama visualizao. Existem algumas tcnicas com

interfaces 2D de visualizao utilizadas para representar visualmente os dados, mas nem

sempre essas tcnicas so eficientes quando representam dados multivariados.

Alguns autores (WARE, 2012; TUFTE, 2001; SHARAFI, 2011) afirmam que a

utilizao de duas dimenses (2D) suficiente para mostrar apenas a informao e o uso desta

nova dimenso (3D) deve ser aplicada para visualizar as relaes entre os dados num conjunto

de dados semanticamente estruturados ou quando so analisados mais de duas variveis de um

mesmo conjunto de dados. Outros, no entanto, pensam que visualizaes com tcnicas 3D

facilitam o entendimento por meio do sistema visual humano (IRANI; WARE, 2003), pois

eles acreditam que a incluso de elementos esteticamente atraentes, como grficos 3D e

animaes, podem melhorar os recursos de interpretao, a intuio e a capacidade de

memorizao (KOMLODI et. al.,2012; HULLMAN; ADAR; SHAH, 2011).

Alm disso, a semelhana dos grficos 3D com o mundo real permite que a

representao da informao se parea mais natural quando construda atravs do uso de

metforas (AVERBUKH et al., 2007). Os autores descreveram que as metforas so o uso de

conceitos e conhecimentos de um domnio (origem) da experincia humana para entender

melhor e estruturar os fenmenos e conceitos de outro domnio (destino) que, como regra,

mais abstrato. As metforas tambm so representao dos objetos de acordo com seu

verdadeiro conceito associado. Ao usar metforas em uma visualizao, a interao pode ser

mais eficaz; variando de uma imerso na navegao s diferentes tcnicas de manipulao.


22/182

20

Alm disso, as animaes podem ser percebidas de forma mais realista (TEYSEYRE;

CAMPO, 2009). A procura de novas solues para a visualizao de informaes usando uma

dimenso extra um desafio e uma necessidade para o suporte na procura de uma informao

especfica e de navegao atravs de grandes quantidades de dados.

1.4 Questo de Pesquisa e Hipteses da TeseA questo de pesquisa que norteia esta tese de doutorado : como conceber uma

soluo de visualizao de informao com tcnicas 3D para anlise e monitoramento de mais

de duas variveis de forma a melhorar a efetividade e eficincia na busca de informaes

especficas, reduzindo o tempo de busca e a carga mental?

A partir dessa questo de pesquisa, surgiu a hiptese principal deste trabalho: o uso de

tcnicas 3D de visualizao de informaes pode melhorar a identificao de padres,

percepo visual e compreenso na busca de informaes especficas, reduzindo o tempo de

busca e a carga cognitiva em relao ao uso de tcnicas 2D. Essa hiptese principal est

condicionada validao de quatro hipteses secundrias definidas abaixo:

Hiptese 1:a carga mental na realizao de uma tarefa com a tcnica 3D igual a

carga mental com a tcnica 2D. Para isto definimos a hiptese nula com sendo H1-0: CM3D=

CM2De a hiptese alternativa como sendo H1-1: CM3D CM2D

Hiptese 2: a efetividade na realizao da tarefa com a tcnica 3D igual a

efetividade com a tcnica 2D. Para isto definimos a hiptese nula com sendo H 2-0: Efe3D =

Efe2D e a hiptese alternativa como sendo H2-1: Efe3D Efe2D.

Hiptese 3:o tempo gasto na realizao da tarefa com a tcnica 3D igual ao tempo

gasto com a tcnica 2D. Para isto definimos a hiptese nula como sendo H3-0: t3D= t2D e a

hiptese alternativa como sendo H3-1: t3D t2D.

Hiptese 4:a eficincia na realizao da tarefa com a tcnica 3D igual a eficincia

com a tcnica 2D. Para isto definimos a hiptese nula com sendo H4-0: Efi3D= Efi2D e a

hiptese alternativa como sendo H4-1: Efi3D Efi2D.

1.5 ObjetivosO objetivo desta tese conceber uma nova tcnica 3D de visualizao de informao

por meio do design e avaliao da usabilidade. Para atingir este objetivo foram definidos os

seguintes objetivos especficos:


23/182

21

a) construir um framework que sirva como base para o desenvolvimento de sistemas com

tcnicas 3D de visualizao da informao;

b) desenvolver um prottipo com tcnicas de visualizao em 3D com base nos requisitos

identificados;

c) avaliar a usabilidade, efetividade e eficincia do prottipo desenvolvido com a tcnica 3D

baseado nos critrios ergonmicos em relao a tcnica 2D;

d) avaliar a carga mental usada na realizao de uma tarefa de interpretao, percepo visual,

resoluo de problemas e aprendizagem com a tcnica 3D em relao tcnica 2D.

1.6 MtodoFoi realizada uma pesquisa experimental com uma avaliao de usabilidade,

efetividade, eficincia e carga mental utilizando abordagens quali-quantitativa. A populao

do experimento foi constituda de profissionais que trabalham com indicadores de

monitoramento de qualidade de servios em uma rede social. Esta populao foi composta por

dois estratos relacionados Telessade e educao a distncia.

No estrato de telessade, o prottipo buscou dados na rede social de Telesade,

HealthNet, desenvolvida pelo Ncleo de Telessade (NUTES) no Hospital de Clnicas da

Universidade Federal de Pernambuco. No estrato de educao, o prottipo buscou dados na

Rede Social Redu (Rede Social para Educao) desenvolvido pelo Centro de Informtica

(CIn) da Universidade Federal de Pernambuco (UFPE).

De acordo com o mtodo, a pesquisa foi realizada em quatro fases:

a)reviso de literatura: foi realizado um estudo detalhado sobre os conceitos,

caractersticas, trabalhos realizados, requisitos dos usurios, problemas encontrados e

possveis solues encontradas em sistemas de visualizao da informao que utilizamtcnicas 2D e 3D;

b)processo de design:foi planejado e desenvolvido um prottipo com requisitos centrados

no usurio;

c)avaliao de usabilidade:foi realizado o teste de usabilidade juntamente com a avaliao

da carga mental de trabalho na realizao de uma tarefa;

d) anlise de dados: os dados coletados foram analisados quantitativamente (anlise

estatstica) e qualitativamente (anlise fenomenolgica).


24/182

22

Todas as tcnicas e instrumentos utilizados em cada fase descrita acima foram

detalhados no captulo 3 mtodo dapesquisa.

1.7

Organizao do documento da teseEm relao estrutura, este trabalho est dividido em quatro captulos: no captulo 2

descrita uma reviso da literatura sobre a rea de visualizao da informao atravs de

conceitos de visualizao de informao, definio de modelos de visualizao, definio dos

fenmenos cognitivos relacionados com a visualizao de dados e trabalhos relacionados com

o uso de tcnicas 2D e 3D. O captulo 3 relata o mtodo utilizado na pesquisa, apresentando

um quadro metodolgico, as fases da pesquisa juntamente com as tcnicas e instrumentos

utilizados, e todos os procedimentos para a aplicao do mtodo de pesquisa. O captulo 4

apresenta os resultados da avaliao da usabilidade juntamente com a anlise dos dados e as

discusses. Finalmente, o captulo 5 apresenta as concluses finais, trazendo uma anlise das

limitaes e validade do trabalho como um todo, lies aprendidas e recomendaes para

trabalhos futuros.


25/182

23

Captulo 22 Visualizao

A pesquisa na rea de Visualizao implica na discusso de uma grande variedade de

conceitos, modelos, processos e exemplos de tcnicas de visualizao. Este captulo est

dividido em quatro partes onde sero apresentados e discutidos alguns conceitos que podem

ser vistos na Figura 1. A primeira parte apresenta uma introduo aos conceitos de

visualizao da informao, visualizao de dados e visualizao cientfica. Na segunda parte

so apresentados os principais modelos de visualizao da informao, os fenmenos

cognitivos relacionados ao processo de visualizao e tambm as abordagens conceituais de

design da interao para a cognio. Aps isso ser descrita a origem e evoluo da

visualizao de dados atravs dos marcos da histria da visualizao de dados. Na quarta

parte sero apresentados alguns trabalhos e estudos realizados sobre o tema e sobre os

problemas encontrados de usabilidade ocorridos com as tcnicas de visualizao 2D e 3D e,

finalmente, vamos discutir os problemas encontrados e propor novas solues de visualizao

com tcnicas 3D para resolver estes problemas.

Figura 1Conceitos relacionados com visualizao.

Fonte: Autor (2014).


26/182

24

2.1 Conceitos: Visualizao de Dados, Visualizao de Informaes e VisualizaoCientfica

Existem muitas definies sobre o conceito de visualizao. Hutchins (1995) afirma

que a visualizao ocorre quando as pessoas processam os smbolos dentro da mente criandouma distino entre as atividades cognitivas e perceptivas. Por outro lado Card, Mackinlay e

Shneiderman (1999) definiram visualizao como um processo que recupera os dados brutos

para ser transformados em formas visuais utilizando principalmente os recursos visuais dos

seres humanos. Por outro lado, Kantardzic (2011) descreve que a visualizao preocupa-se

com a exibio do comportamento e, particularmente, com a exibio dos estados complexos

de comportamento compreensvel para o olho humano.

Assim, o processo de visualizao uma interface eficaz entre dois sistemas deprocessamento de informao: a mente humana e o sistema. De acordo com Russell Ackoff a

mente humana pode classificar o conhecimento em cinco categorias (ACKOFF, 1989; CHEN

et al.,2009):

a)Dados:valores brutos;

b)Informao:ocorre quando se entendem as relaes entre os dados e eles so processados

para terem significado. As informaes fornecem respostas para questes "quem", "o qu",

"onde" e "quando";

c)Conhecimento: ocorre quando so compreendidos os padres entre as informaes. O

conhecimento fornece respostas s questes "como";

d)Entendimento:proporciona a valorizao do "por qu";

e)Sabedoria:ocorre quando se entende os princpios do conhecimento. A sabedoria avalia a

compreenso.

Segundo Bellinger, Castro e Mills (2004) estas cinco categorias esto relacionadas

conexo e compreenso dos dados (Figura 2).


27/182

25

Figura 2 - Conectividade e entendimento dos dados.

Fonte: Bellinger, Castro e Mills (2004).

De acordo com a Figura 2, no primeiro nvel de relao os dados brutos no tm

nenhuma relao entre si. Essa condio faz com que a visualizao dos dados possa ser feita

de uma forma simples atravs de uma representao grfica num eixo cartesiano. Quandoexiste o entendimento das relaes entre os dados, eles se transformam em informaes. O

conhecimento surge a partir da identificao dos padres das informaes que podem virar

sabedoria quando os seus princpios so claros.

A visualizao de dados representa uma apresentao geral do conjunto de dados

complexos ou de grande porte, fornecendo um resumo dos dados, e apoiando os seres

humanos na identificao de possveis padres e das estruturas dos dados (BRTKA et. al.,

2012; PINEO; WARE, 2012; FIGUEIRAS, 2013). A representao grfica dos dados brutospode ser visualizada por vrias tcnicas, tais como: grfico de barras, grfico de pizza,

scatterplot,entre outros (Figura 3).


28/182

26

Figura 3 - Visualizao de dados.

Fonte: Wireware gaming service.

Em outros casos, alguns destes dados so originados a partir da comunidade cientfica

que gera grandes conjuntos de dados por instrumentos cientficos ou por enormes simulaes

de supercomputadores. A visualizao desses dados requer um grande esforo pela

comunidade cientfica. Neste caso, a visualizao de dados definida como "Visualizao

Cientfica" (KEHRER; HAUSER, 2013).

No entanto, o conceito de visualizao da informao pode ser compreendido como

sendo os dados representados visualmente de acordo com a percepo intuitiva de sua

modelagem visual e tambm das suas relaes. Em 1999, Card, Mackinlay e Shneiderman

definiram Visualizao de Informao como o uso de representaes visuais de dados

abstratos apoiados por computador para expandir o conhecimento interativo (CHEN et. al.,

2009; LAM et. al, 2012). Algumas tcnicas, como grafo ou rvore, podem apoiar a

representao grfica das relaes entre os dados. (Figura 4).


29/182

27

Figura 4 - Visualizao da informao.

Fonte: The steroids social network (2013).

Ambas as visualizaes Cientfica e de Informao esto focadas no processo de

interpretao, percepo e tomada de deciso, ao invs de uma simples observao das

figuras. Seus objetivos so expandir nossas atividades cognitivas, melhorando a compreenso

e explorao do que visualizado e causando a aquisio e consolidao dos conhecimentos.

Apesar da semelhana, na Visualizao Cientfica os dados a serem visualizados

geralmente correspondem medidas de objetos fsicos, fenmenos naturais ou posies em

um domnio espacial, tendo assim uma representao geomtrica. Como um exemplo deste

tipo de visualizao, existe a visualizao dos rgos do corpo humano, sequncia dos genes,

fluidos em movimento e at funes matemticas. Por outro lado, em uma visualizao de

informao, os dados so abstratos, no necessariamente precisam ter uma representao

geomtrica inerente a eles. Neste caso, a imagem deve ser gerada na base dos relacionamentos

ou das informaes que podem ser inferidas sobre os dados.

2.2 Modelos de VisualizaesHaber e MacNabb (1990) afirmaram que o processo de visualizao de informaes na

identificao das caractersticas de um conjunto de dados especficos pode seguir alguns


30/182

28

passos. Assim, os autores propuseram um modelo de referncia simples, baseado em quatro

etapas (Figura 5). A primeira etapa a aplicao de um filtro aos dados brutos (Raw Data)

para que depois possa ser feito um mapeamento nos atributos dos dados filtrados em uma

tabela de dados (Data Tables) e, finalmente, essas tabelas so processadas e renderizadas em

estruturas visuais, isto , representaes grficas definidas por uma estrutura espacial,

smbolos e propriedades grficas.

Figura 5 - Modelo de visualizao.

Fonte: Haber e Macnabb (1990).

Outros Autores (CHI; RIEDL, 1998; CAMPO; OROSCO; TEYSEYRE, 1997)

estenderam este modelo e propuseram uma nova forma de taxonomizar tcnicas de

visualizao de informao usando o modelo de Estado de Dados. Muitas das tcnicas

compartilham as etapas operacionais semelhantes do modelo de Haber e Macnabb que podem

ser facilmente reutilizados. Em 1999, Card, Mackinlay e Shneiderman apresentaram a sua

prpria interpretao deste modelo, apelidando-o modelo de referncia de visualizao de

informao (CARD, MACKINLAY; SHNEIDERMAN, 1999). Este modelo de referncia

(Figura 6) uma sequncia de atividades, onde em qualquer momento de cada fase seja

possivel receber a influncia mtua do usurio durante a interao com a informao.

Figura 6 - Modelo de visualizao de Card, Mackinlay e Shneiderman.

Fonte: Card, Mackinlay e Shneiderman (1999).


31/182

29

Este modelo um refinamento do modelo de visualizao representado na Figura 5,

que proporciona a diviso do processo de gerao de uma imagem a partir de um dado num

conjunto de trs etapas descritas a seguir:

a)Dados Brutos e tabelas: Os dados brutos so valores que podem ser encontrados em

formas diversas e fontes, tais como formulrios ou textos de livros. Quando os dados brutos

so estruturados so transformados em tabelas de dados onde os dados comeam a ter

conexo e relaes.

b)Estruturas Visuais:As estruturas visuais so resultados dos mapeamentos que ocorrem

nas tabelas de dados. Nas estruturas visuais so criadas as marcas visuais que so smbolos

grficos usados para representar visualmente os itens de dados. As marcas visuais podem

variar de acordo com os dados de origem e seus atributos (cor, forma, tamanho, etc.) So

preenchidos de uma forma diferente para que os dados sejam interpretados de forma mais

rpida, com clareza, preciso e eficincia (TUFTE, 2001).

c)Transformao Visual - Vises:O processo de transformao visual tem como objetivo

criar novas vises da estrutura visual atravs da modificao e do aumento da interatividade

com o usurio. Esta transformao visual faz com que as estruturas visuais sejam

transformadas em exibies dinmicas atravs dos parmetros grficos. A etapa detransformao visual ser composta por vrias tcnicas de visualizao.

De acordo com Chen e Janicke (2010) existem muitas variaes do modelo de Card,

Mackinlay e Shneiderman, tais como desenvolvido por Groth e Streefkerk (2006), Jankun-

Kelly, Ma e Gertz (2007) e Vitiello e Kalawsky (2012). Por outro lado, Liu e Stasko (2010)

identificaram e ilustraram as relaes de alto nvel entre os modelos de visualizao e

modelos mentais que inclui percepo, cognio e o conhecimento como parte do modelo de

visualizao.

O estudo e compreenso das etapas de modelos de visualizao de informaes

descritas acima importante para a concepo do framework que ser utilizado no

desenvolvimento do prottipo de visualizao de informao com tcnica 3D e tambm para

compreender, analisar e avaliar os fenmenos cognitivos relacionados com a visualizao de

informao.


32/182

30

2.3 Fenmenos Cognitivos relacionado com a visualizao de dadosA visualizao de dados fornece suporte relevante para a anlise de dados e tomada de

deciso. Entretanto, a maneira como as pessoas percebem e interagem com uma ferramenta de

visualizao pode influenciar fortemente a sua compreenso dos dados. Os fenmenos

cognitivos humanos contribuem significativamente para o processo de visualizao e tm um

papel importante na concepo e avaliao de ferramentas de visualizao.

Para entender os fenmenos cognitivos humanos relacionados com a visualizao de

dados necessrio em primeiro lugar compreender o papel dos usurios no processo de

visualizao, especialmente quando a ferramenta de visualizao interativa (Figura 7).

Figura 7 - Modelo de interao homem mquina.

Fonte: Autor (2013).

De acordo com a Figura 7, o usurio tem o papel principal de agente no modelo de

Interao Homem Mquina (IHC), onde ele executa uma ao na interface e o sistema

responde, visualizando os dados necessrios para que o usurio possa executar qualquer um

dos seguintes fenmenos cognitivos descritos a seguir:

a)Percepo Visual;

b)Interpretao de dados;

c)Resoluo de Problemas;

d)Aprendizagem.

2.3.1 Percepo VisualA percepo visual parte do processo cognitivo humano no que se refere ao estudo

do processamento humano da informao, isto , o estudo de como os seres humanos

percebem, processam, codificam, armazenam, recuperam e utilizam a informao

(SWELLER, 2003). Alm disso, a percepo visual ocorre dentro do sistema visual humano

atravs de um processamento paralelo que busca as informaes diferentes e as relaciona com


33/182

31

as caractersticas de uma imagem, tais como: movimento, som, forma, espessura e cor

(PINKER, 2000; HULLMAN; ADAR; SHAH, 2011). O processamento paralelo se comunica

efetivamente com os centros cognitivos humanos (WARE, 2012), reduz as cargas cognitivas e

transfere parte do processamento para ele (CARD; MACKINLAY; SHNEIDERMAN, 1999).

O termo carga cognitiva usado na psicologia cognitiva para ilustrar a carga relacionada ao

controle executivo da memria de trabalho.

Um exemplo deste processo quando visualizamos uma forma grfica para

representar um conjunto de dados relacionados, ns estamos transferindo uma parte da carga

cognitiva do centro cognitivo humano para o sistema visual humano, que nos faz entender

mais facilmente a forma grfica. Isso no ocorre ao visualizar uma tabela com dados ou um

conjunto de palavras dentro de um texto.

Pylyshyn (2009) relatou que, quando ns percebemos o mundo, nosso crebro calcula

e transforma as sensaes visuais nas retinas em descries simblicas do mundo. Outros

cientistas (NOE, 2005; GIBSON, 1986) argumentaram que a percepo no deve ser

entendida como o clculo deste tipo de representao interna, mas como a interao ativa

entre os organismos e o ambiente.

Uma das primeiras contribuies para a cincia da percepo foi feito pela Escola dePsicologia de Gestalt. O propsito original dessas contribuies, quando comearam, em

1912, foi o de descobrir como o ser humano percebe a forma padro e a organizao dos

objetos que vemos. Os fundadores da escola observaram que o ser humano organiza os

objetos que v de forma particular com um esforo para dar sentido ela. O resultado desse

esforo foi uma srie de princpios da Gestalt da percepo que so descries precisas de

comportamento visual (BRUCE; GREEN; GEORGESON, 2003; MARRIOTT, 2012). Aqui

esto alguns dos princpios que podem demonstrar os esforos de visualizao de dados:

e)Proximidade:objetos que esto perto so percebidos como grupo;

f)Similaridade: objetos que compartilham atributos semelhantes (exemplo: cor ou forma)

so percebidos como um grupo;

g)Vizinhana: objetos que esto muito perto e eles tm um limite em torno deles (por

exemplo, formado por uma linha ou zona de cor comum) so classificados como grupo;

h)Fechamento:ocorre quando um objeto for incompleto ou um espao no completamente

fechado. Se muitas formas so indicadas, as pessoas percebem o todo, preenchendo as


34/182

32

informaes que faltam;

i)Continuidade: os objetos que esto alinhados em conjunto, ou parecem ser uma

continuao um do outro so percebidos como um grupo;

j)Conexo:os objetos que esto vinculados (por exemplo, por uma linha) so interligados

em grupo.

Estes princpios descritos acima ajudaram na construo das tarefas que iro medir o

grau de percepo visual na avaliao de usabilidade do prottipo de visualizao de

informao com tcnica 3D.

2.3.2 Interpretao de dadosA interpretao dos dados um fenmeno cognitivo que envolve, transforma e modela

os dados brutos coletados em informaes teis, sugerindo concluses, e apoiando a tomada

de deciso. De acordo com Eden et al. (2010), a interpretao dos dados uma decodificao

visual de informaes quantitativas e qualitativas inseridas nos grficos e as regras de

interpretao so desenvolvidos para atribuir significados pr-determinados para certas

combinaes das propriedades da imagem como cor, forma, tamanho, textura ou contexto.

Bowen e Roth (2000) investigaram com os especialistas da rea como eles interpretam

grficos e desenvolveram um modelo semitico de ler grficos. De acordo com este modelo, o

ato de interpretar um grfico comea com a identificao dos aspectos fundamentais do

grfico, que so sinais, e que se relacionam com um fenmeno, um conhecimento, que

chamado de referente. Assim, o grfico mostra:

a)O referente conhecido e capaz de interpret-lo;

b)O referente no est familiarizado com o grfico e procura no mundo real alguma

peculiaridade que se encaixe no grfico;

c)O referente no de todo familiarizado com o contedo do grfico e a interpretao de

grfico inibida.

Neste mesmo estudo, Bowen e Roth (2000) concluram que na interpretao de dados

os usurios especialistas e os menos experientes apresentaram dificuldades semelhantes, se

no houver algum fenmeno relacionado com qualquer particularidade do grfico. Eles

gravaram e analisaram situaes em que os participantes com diferentes graus de

conhecimento em biologia interpretavam grficos de populao (em relao s taxas de


35/182

33

natalidade e mortalidade) e descobriram que a falta do referente para alguma varivel causa o

mesmo tipo de dificuldades em todos os grupos.

Alm de estudar como podemos capturar os estmulos visuais, a psicologia cognitiva

est interessada em saber como o crebro organiza as informaes capturadas pela viso.

Existem vrios modelos que explicam o processo de interpretao de estmulos visuais. Estes

modelos so compostos por trs fases (EYSENCK; KEANE, 2007):

a)Primeiro Esboo: a primeira fase na organizao da percepo visual. Aqui so

organizados os estmulos, como luz e sombra, que permitem a identificao dos dados como

textura e bordas da figura, que so os elementos que do as caractersticas bsicas do objeto

percebido;

b)2 D esboo (Duas e meia dimenses): a segunda fase da organizao. Aqui criada

uma imagem que contm dados com a profundidade do objeto e mais dados complexos, como

concavidades e salincias, combinando dados do esboo preliminar;

c)Modelo em 3D (tridimensional):Esta etapa a construo de um modelo estvel, que

permite "rotao mental" da figura. Nestas rotaes, as informaes do objeto visualizado no

vo mudar com o movimento do observador porque construda a imagem mental do objeto

visualizado, que pode ser manipulado mentalmente.

As etapas do modelo de interpretao visual descritas acima vo ser necessrias para

realizao das tarefas pelos usurios durante a avaliao da usabilidade do prottipo. A

escolha das mtricas que vo avaliar se o usurio conseguiu interpretar os dados da maneira

correta vai ser baseada nas fases dos modelos de interpretao dos dados.

2.3.3 Resoluo de ProblemasA resoluo de problemas um fenmeno cognitivo que poderia ser descrito como

uma aprendizagem de investigao onde o conhecimento existente aplicado a uma situao

nova ou desconhecida, de modo a obter novos conhecimentos (KILLEN, 2012). s vezes, a

resoluo de problemas considerada uma estratgia usada para desenvolver habilidades de

raciocnio, porque envolve uma pesquisa para identificar problemas, analisar vrias

perspectivas sobre o problema, avaliar o mrito das diferentes perspectivas e fazer o resumo

dos resultados (TSENG; CHAO; LAI, 2013). O domnio da resoluo de problemas requer o

desenvolvimento de habilidades de ordem superior do pensamento, uma compreenso

conceitual de sistemas, e um ponto de vista mais holstico.


36/182

34

Segundo Mynen e Narayanan (2012), durante resoluo de problemas em ambientes

presenciais, os usurios iniciantes se concentram muitas vezes nas caractersticas superficiais

do problema e gastam pouco tempo para construir a representao do problema devido falta

de um conhecimento amplo e bem indexado do problema. Por outro lado, o avano das

tcnicas de visualizao e simulao baseadas em computador permitiu o desenvolvimento de

ferramentas de modelagem de grficos com o objetivo de fornecer o suporte auxiliar no

desenvolvimento de formas de visualizaes efetivas do problema onde o usurio simula

experimentos num ambiente virtual de aprendizagem, uma vez que no ambiente presencial

no era possvel.

De acordo com os psiclogos da escola de Gestalt, a resoluo de problemas tem uma

ligao clara com a percepo. Eles descobriram que os problemas podem ser resolvidos

atravs dos insightsobtidos da percepo e interpretao dos dados. Osgestaltistasrelataram

tambm que a resoluo de problemas pode ser feita em conjunto com o pensamento

produtivo que definido como a capacidade de ir alm da experincia do passado e produzir

algo novo e criativo em resposta s demandas do problema (WEISBERG, 1995). Uma

abordagem operacional desta teoria a de considerar o uso de visualizao como um

elemento na resoluo de problemas. Os usurios tm um problema, eles devem decidir qual

ao devem fazer, e, para tomar essa deciso, eles precisam da informao. A visualizao

deve permitir-lhes extrair as informaes relevantes a partir dos dados.

2.3.4 AprendizagemO fenmeno cognitivo de aprendizagem definido como uma mudana relativamente

permanente no processamento mental, no processo e/ou no comportamento emocional, como

um resultado da experincia. A aprendizagem um processo dinmico por toda vida pelo qual

os indivduos adquirem novos conhecimentos ou habilidades e mudam seus pensamentos,

sentimentos, atitudes e aes atravs das estratgias de aprendizagem. Segundo Wittrock

(1991), as estratgias de aprendizagem so os pensamentos e comportamentos especiais que

os indivduos usam para ajud-los a perceber, compreender, aprender ou reter informaes. O

modelo de aprendizagem um modelo funcional de aprender com a instruo e se baseia em

conhecimento sobre os processos do crebro e na pesquisa cognitiva sobre a compreenso, a

aquisio de conhecimento, ateno, motivao e transferncia de informao.

Por outro lado, existem modelos de aprendizagem que esto sendo estudados no

mbito das redes neurais onde comearam a ser avaliados em algumas simulaes de trabalho


37/182

35

e seus efeitos foram testados (O'REILLY; MUNAKATA, 2000). Estes tipos de modelos

podem ser classificados em: a aprendizagem construtivista, aprendizagem com auto-

organizao e aprendizagem baseada em erros. Como sugerido pelos seus nomes, estes tipos

de modelos de aprendizagem so diferentes das foras que os guiam e tem caractersticas

especficas. A aprendizagem construtivista explica como a inteligncia humana se desenvolve

partindo do princpio de que o desenvolvimento da inteligncia determinado pelas aes

mtuas entre o INDIVDUOe o meio. A aprendizagem com auto-organizao pode ser vista

como um modelo de aprendizagem baseado na realizao de uma tarefa, no qual o objetivo

desenvolver um bom modelo interno da estrutura do ambiente sem que ele fornea feedback

imediato. Aprendizagem baseada em erro guiada pelo objetivo de reduzir os erros ao mesmo

tempo da aprendizagem com a auto-organizao que ocorre na ausncia de quaisquer errosaparentes (HUANG et. al.,2013).

Esses modelos afirmam que durante as atividades de aprendizagem complexas a

quantidade de informaes e interaes podem ser processadas simultaneamente

sobrecarregando a memria de trabalho (PAAS; RENKEL; SWELLER, 2004). Para evitar

essa sobrecarga, dependendo da forma como os dados so visualizados, h algumas tcnicas

de visualizao que, quando devidamente desenvolvidas, podem transmitir ideias complexas

com clareza, preciso e eficincia para o sistema visual humano (TUFTE, 1997).

Alm disso, as tcnicas de visualizao podem se basear nos modelos descritos acima

para facilitar a aprendizagem. A visualizao tem um papel importante no processo cognitivo

de aprendizagem pois atravs dela que os usurios obtm conhecimento sobre dados

analisados e elas apoiam a autorreflexo, conscincia e colaborao entre os mestres e

aprendizes. Segundo Klerkx, Verbet e Duval (2014), as tcnicas de visualizao podem dar

suporte aos seguintes processos de aprendizagem:

a)Encontrar: A visualizao pode adicionar valor quando os alunos ou professores esto

procurando por algum material de aprendizagem importante sobre certo tpico;

b)Entender:A visualizao pode facilitar melhor entendimento de um assunto do material

de aprendizagem;

c)Colaborar: A visualizao pode dar suporte a colaborao entre os alunos ou entre os

alunos e seus professores;

d)Autorreflexo:A visualizao ajuda os alunos na reflexo de como eles esto indo no


38/182

36

decorrer do curso quando comparados com outros alunos;

e)Planejamento: A visualizao pode facilitar o planejamento das experincias de

aprendizado.

Entre os processos de aprendizagem acima descrito, apenas os processos de encontrar,

entender e autorreflexo foram utilizados no desenvolvimento do prottipo.

2.4 Abordagens Conceituais para CognioNo design de interao possvel utilizar os princpios conceituais das abordagens

cognitivas durante o desenvolvimento de um artefato (ROGERS; PREECE; SHARP, 2011).

Cada abordagem cognitiva tem uma perspectiva diferente acerca da cognio e elas podem ser

classificadas em:

a)modelos mentais;

b)processamento de informao;

c)cognio externa.

Os modelos mentais so modelos conceituais para a cognio que permitem que um

usurio construa o conhecimento de um determinado sistema de forma rpida e eficiente. Os

modelos mentais foram postulados na psicologia cognitiva como sendo construes internasde algum aspecto do mundo fsico que so manipuladas possibilitando que previses e

inferncias sobre o mundo fsico sejam feitas (CRAIK, 1943).

Por outro lado, a abordagem de processamento de informaes baseada na

modelagem de atividades mentais que acontecem exclusivamente dentro do crebro. Contudo,

a maioria das atividades cognitivas envolve pessoas interagindo com tipos externos de

representaes, como por exemplo, computadores. Alm disso, o processamento de

informao se baseia no modelo do processador humano, que modela os processos cognitivos

de um usurio interagindo com um computador onde a informao entra e sai da mente por

meio de uma serie de estgios de processamento ordenados (CARD et. at., 1983). Dentro

desses estgios, existem vrios processos que atuam sobre as representaes mentais e que

so baseados nos modelos de visualizaes de Card, Mackinlay e Shneiderman (1999).

Por fim, a abordagem da cognio externa preocupa-se em explicar as atividades

cognitivas envolvidas com diferentes representaes externas como, por exemplo, livros,

jornais, mapas, entre outros (SCAIFE; ROGERS, 1996). Um dos objetivos dessa abordagem


39/182

37

consiste em explicar os benefcios cognitivos em se utilizar representaes diferentes para

atividades cognitivas diferentes.

Diante dessas abordagens cognitivas apresentadas acima, a abordagem que mais se

adequava ao design de interao no desenvolvimento do prottipo foi a abordagem do

processamento de informao porque essa abordagem est relacionada com o objetivo desse

estudo.

2.5 Origem e Evoluo da Visualizao de DadosA histria da visualizao de dados foi dividida em fases, cada uma das quais foi

delimitada por temas e rtulos coerentes que caracterizam cada uma delas. Esta diviso

proporcionou a oportunidade de caracterizar cada fase com eventos especficos que ocorreramconforme apresentado no apndice A. Figura 8 mostra uma visualizao grfica da

distribuio temporal dos eventos considerados como marcos na histria da visualizao de

dados, mostrando a frequncia destes eventos.

Figura 8Visualizao dos eventos considerados marcos da visualizao de dados.

Fonte: Friendly (2005).

De acordo com a Figura 8, a visualizao de dados foi subdividida em oito fases. A

primeira fase se caracterizou pela criao de mapas e diagramas em decorrncia da expanso

martima europeia. A segunda fase surgiu com a necessidade de se definir teoremas para

calcular as distncias (medidas) entre lugares e espao na astronomia, navegao e expanso


40/182

38

territorial. Na terceira fase, outros tipos de grficos surgiram com a insero de novas

tecnologias, tais como a cor, litografia e a imprensa. Nesta fase surgiram tentativas de mapear

no s a cartografia, como tambm as informaes da geologia, economia, demografia e

sade. No ano de 1800 iniciou-se o perodo moderno atravs do surgimento da computao

grfica moderna que desempenhou um papel importante na visualizao de informao. Esta

fase foi marcada pela exploso na quantidade de grficos estatsticos e no mapeamento

temtico e tambm pelo crescimento importante da informao numrica para planejamento

social, indstria, comrcio e transportes quando foram criadas todas as condies necessrias

para um crescimento rpido da visualizao da informao.

A fase negra da visualizao dos grficos estatsticos ocorreu durante o perodo de

1900 at 1949 onde ocorreram poucas inovaes grficas e o entusiasmo vivido no sculo

passado foi suplantado pelo crescimento da quantificao e dos modelos formais. Aps o

perodo negro, os computadores comearam a mostrar seu potencial para o desenvolvimento

de novas tcnicas de visualizao. A partir desse momento comearam a surgir novos padres

e inovaes no processo de criao de visualizaes que contribuem para uma evoluo no

histograma da anlise de dados e novas propostas de comparao visual surgiram. A ltima

fase descreve a visualizao de dados multivariados onde novos paradigmas de manipulao

de dados surgem com a inveno de tcnicas grficas e mtodos de visualizao de dados

multivariados.

A partir dos anos 1990, alguns pesquisadores (NIELSEN, 1993; BEAUDOUIN-

LAFON, 2000; JACOB et al., 2008) recomearam a pesquisa sobre o desenvolvimento de um

novo paradigma de interfaces que vai alm da tradicional interface desktop, mouse e teclado,

chamadas de interfaces de ps-WIMP. Esse novo paradigma chamado de interface baseada

por gestos surgiu em 1969 de um projeto denominado de Video Placepor Krueger (2013).

Outros exemplos desse novo paradigma de interface ps-WIMP incluem interao

instrumental (BEAUDOUIN-LAFON, 2000), proxemics (GREENBERG et al., 2011),

baseada em toque (WOBBROCK; MORRIS; WILSON, 2009), e interao baseado em

esboo em (OLSEN et al., 2009) e sistemas de reconhecimento de gestos no ar (SHOTTON et

al, 2011).

2.6 Estudos Relacionados com Tcnicas de Visualizao 2D e 3DAtualmente as tcnicas de visualizao desempenham um papel importante no

fornecimento de insights sobre as relaes dos conjuntos de dados complexos em toda uma


41/182

39

srie de domnios principalmente quando se tem dados multivariados (VITIELLO;

KALAWSKY, 2012). Contudo, a maioria dos trabalhos sobre visualizao est relacionada

com tcnicas que utilizam a anlise de dados com interfaces grficas 2D. Estes trabalhos esto

relacionados com a evoluo e as diferentes tcnicas de visualizao 2D (DIEHL, 2007;

FIGUEIRAS, 2013; GRACANIN; MATKOVIC; ELTOWEISSY, 2005) e tambm com as

taxonomias da visualizao de informao com tcnicas 2D (ROPINSKI; PREIM, 2008;

MALETIC; MARCUS; COLLARD, 2002; COTTAM; LUMSDAINE; WEAVER, 2012;

GALLAGHER; HATCH; MUNRO, 2005). Por outro lado, com a evoluo da tecnologia da

informao, as tcnicas 3D de visualizao vem surgindo e apoiando o usurio no processo de

desenvolvimento cognitivo quando est analisando dados com mais de duas variveis numa

s interface (SANFTMANN, 2012; TURKAY et. al., 2012; SHNEIDERMAN, 2003).

De acordo com a definio sobre visualizao de dados descrita neste captulo, existe

uma diferena entre a visualizao de dados e a visualizao da informao. Para a

visualizao de informao, as tcnicas mais utilizadas so baseadas na tcnica de Grafos,

como por exemplo, Tree, TreeMap, H-Tree, Radial rvore, Cone Tree, Hyperbolic Tree,

entre outros . Por outro lado, as tcnicas mais utilizadas na visualizao de dados so: grfico

de disperso, grfico de barras,scatterplot, grfico de pizza, entre outros. Ambos os tipos de

visualizaes, podem ser desenvolvidos com tcnicas 2D e 3D.

2.6.1 Visualizao com Tcnicas 2DInicialmente fizemos uma reviso de estudos relacionados com tcnicas na rea de

visualizao de Informao. Essa reviso foi baseada em trabalhos que tinham uma estrutura

de dados hierrquicos. Para este caso, as tcnicas mais comuns encontradas na literatura

foram os grafos. Um grafo uma estrutura discreta que fornece uma representao de um

conjunto finito de objetos e uma relao especfica entre alguns ou todos os objetos (ISMAIL;

HASNI; SUBRAMANIAN, 2009). Os elementos do grafo podem ser representados pelos ns,

e as linhas que unem os ns representam as relaes entre os elementos.

Algumas tcnicas 2D de visualizao foram utilizadas no desenvolvimento de

visualizao de grafo, tais como: Tree (WILLS, 2009), H-Tree (SHILOACH, 1976;

SANTOS; DIAS; SANTOS, 2012), Cone Tree (ROBERTSON; MACKINLAY; CARD,

1991; BIUK-AGHAI, 2006), Radial Tree (EADES, 1992; DRAPER; LIVNAT;

RIESENFELD, 2009), Treemap(JOHNSON; SCHNEIDERMAN, 1991; AZZAG; LEBBAH;

ARFAOUI, 2010), Spring Box(EADES, 1992; DENG; DIGIUSEPPE; JONES, 2011), Onion


42/182

40

Graph(SINDRE; GULLA; JOKSTAD, 1993; FALCONE; SHARIF, 2013) eHyperbolic Tree

(LAMPING; RAO, 1996; LI; HE, 2011). Entre essas tcnicas, a mais clssica a tcnica de

rvores (Figura 9). Esta tcnica foi inventada por Leonhard Euler para posicionar elementos

filhos abaixo de seu ancestral comum. Euler foi considerado o fundador da teoria dos grafosao

publicar a sua inveno no ano de 1736 (WILLS, 2009).

Figura 9Tcnica clssica de Visualizao de grafos em rvore.

Fonte: Reingold e Tilford (1981).

Existem vrias formas e algoritmos para se representar a tcnica de rvore. O

algoritmo desenvolvido por Reingold e Tilford (1981) provavelmente o melhor algoritmo

conhecido para esta tcnica. Alm deste algoritmo, Shiloach tambm criou um algoritmo queresolveu os problemas de desempenho do sistema em visualizao de rvores binrias

(SHILOACH, 1976). Este algoritmo resultou na criao da tcnica de visualizao H-Tree,

mas o sistema s iria funcionar se as rvores fossem equilibradas.

A visualizao hiperblica do grafo uma das novas formas de tcnica de

visualizao. O primeiro trabalho nesta rea foi Lamping e Rao (1996), seguido por uma srie

de trabalhos de Munzner (MUNZNER, 1998). Ambos os autores desenvolveram

visualizadores de contedo da Web com base nessas tcnicas. Esta tcnica tem sido utilizadaem outros sistemas, como por exemplo, por Li e He (2011).

Eades (1992) sugeriu uma melhoria no algoritmo de Reingold e Tilford sobre o

desempenho do sistema juntamente com a tcnica de rvore radial em que o posicionamento

radial do algoritmo coloca os elementos em crculos concntricos de acordo com a sua

profundidade na rvore (Figura 10). O layout de rvore radial tem algumas semelhanas com

uma rvore hiperblica, embora uma diferena fundamental que as rvores hiperblicas so

baseadas em geometria hiperblica, enquanto que em uma rvore radial a distncia entre as


43/182

41

rbitas relativamente linear. Recentemente esta tcnica foi utilizada em outros sistemas,

como por exemplo, por Draper, Livnat, Riesenfeld (2009).

Figura 10Tcnica de rvore radial..

Fonte: Eades (1992).

Robertson, Mackinlay, Card (1991) desenvolveram outro algoritmo que foi utilizado

como instncia da tcnica de rvore, chamada de Cone Tree, e pode ser usado para obter um

insight sobre a rvore em forma de balo, projetando-o para o nvel onde os irmos das

subrvores esto includos nos crculos ligados ao elemento pai (BIUK-AGHAI, 2006).

Outros dois tipos de tcnicas de visualizao de rvores que no fazem parte do

conjunto tradicional, mas so amplamente utilizados: TreeMap e Onion Graph, que

representam rvores por sequncias de caixas alinhadas onde os nodes ficam posicionados uns

dentro dos outros. importante notar, no Treemap, que o tamanho de cada retngulo

proporcional a uma varivel.

A visualizao Box Spring outra tcnica de grafo baseada em layout no-

determinstico que tambm pode ser chamado de mtodoForce-Directed. Eades (1992) foi o

primeiro a propor esta abordagem no design de um grafo onde os ns e as arestas de um grafo

so modelados como corpos fsicos amarrados com molas. Usando a lei de Hooke, que

descreve as foras entre os corpos, ele foi capaz de produzir a visualizao de grafos com esse

mtodo. A partir da, seu mtodo foi revisto e melhorado por outros pesquisadores

(KERMARREC; MOIN, 2013; HUA et. A.l, 2012). Poucos so os sistemas que podem

realmente visualizar milhares de ns, embora se encontre exemplos de grafo com esta ordem

de grandeza que aparecem em uma ampla variedade de aplicaes, tais como SuperGraphs


44/182

42

(LIMA; RODRIGUES; TRAINA, 2013), WIVF - Web based Information Visualization

Framework(WU, 2010) e GVF (HERMAN; MARSHALL; MELANON, 2000).

Na rea de sade a maioria dos estudos realizados com tcnicas 2D de visualizao da

informao est relacionada com imagens mdicas como, por exemplo, raios-x. Com o

avano da tecnologia para sade, a tomografia computadorizada e a ressonncia magntica

tm modificado os cuidados mdicos, utilizando as tcnicas 3D de visualizaes da

informao para visualizar volumes 3D mais precisos destacando as reas problemticas e

crticas de alguma doena. Outros sucessos do uso das tcnicas de visualizao na sade

incluem planejamento cirrgico com auxilio de visualizao, telecirurgia, a informtica

qumica, anlise do genoma, entre outros. Alm disso, a visualizao de informao est

ampliando as vantagens no uso com bancos de dados e nas redes de informtica em sade,

aumentando o suporte aos pacientes, mdicos

Técnica 3D de visualização da informação: design e avaliação da usabilidade

Documents

Transcript of Técnica 3D de visualização da informação: design e avaliação da usabilidade