Informationsvisualisering (iVis)

Forskargruppen iVis vid Linköpings universitet fokuserar huvudsakligen på analys och visualisering för att utforska stora och komplexa informationsmängder inom exempelvis miljöforskning, transportsystem, samhällsvetenskap eller artificiell intelligens.

 

Presentation

Visionen för forskargruppen är att angripa den utmaning som “big data” innebär genom att kombinera människocentrerad dataanalys och interaktiv visualisering för beslutsfattande. Dessa forskningsområden är ytterst relevanta för både akademi och ekonomi, eftersom såväl vetenskap som näringsliv i allt högre grad använder dataintensiv teknologi.

Vi förverkligar en människocentrerad och problemorienterad visualiseringsstrategi. Människocentrerad visualisering handlar om att utveckla interaktiva tekniker för visualisering med utgångspunkt i användar- och uppgiftsrelaterad information, för att effektivt utforska och analysera komplexa datamängder. Detta tillvägagångssätt kombinerar aspekter från olika forskningsområden, som informationsvisualisering och vetenskaplig visualisering, människa-datorinteraktion, informationsdesign och kognition. Inom området visualisering koncentrerar vi oss huvudsakligen på informationsvisualisering (InfoVis), vilket fokuserar på visualisering av abstrakt data från hierarkiska, nätverks- eller symboliska informationskällor. I relation till utvecklingen av människocentrerad 
informationsvisualiseringsmetoder och system, är vi också intresserade av användbarhet och krav, visualiseringsuppgifter, verktygsfunktioner, interaktiva funktioner och lämpliga visuella representationer.

I kontrast till visualisering är så kallad datautvinning eller maskininlärning traditionellt mer datorcentrerat. För att ta itu med utmaningen att analysera stora datamängder behöver vi dock dra nytta av fördelarna hos båda dessa tillvägagångssätt i samverkan, vilket är det viktigaste inslaget inom visuell analys (VA). Detta gör att forskaren kan fokusera sin perceptuella och kognitiva skicklighet på den analytiska processen, samtidigt som han eller hon använder avancerat datorstöd för att stödja och stärka den utforskande processen. Designen och implementationen av visuella analysverktyg är en av de mest lovande infallsvinklarna när det gäller att hantera den allt större mängd data som skapas varje dag och som gör nya insikter och viktiga upptäckter möjliga.

Syftet med forskningen inom dessa områden är att utveckla nya metoder och verktyg som effektivt kan stödja analytiker från olika domäner. Våra nya visualiseringsmetoder gör det möjligt att lösa svåra analytiska problem (med hänvisning till de berömda utmaningarna inom “big data”) och att identifiera och extrahera meningsfull information från data samtidigt som de förbättrar hastigheten, noggrannheten och fullständigheten av analytikernas förståelse. Vi är engagerade i ett brett spektrum av forskningsaspekter som omfattar utvecklingen av nya algoritmiska tillvägagångssätt för utvinning av mönster och relationer i data, den visuella och auditiva representationen av dessa mönster och relationer, användningen av maskininlärningsmetoder i visualisering och vice versa, samt studier av perceptuella mekanismer och nya utvärderingsmetoder.

Mer information om vår forskning, aktiviteter, inkl. demonstrationsverktyg och system finns på vår webbplats (på engelska).

Utvalda forskningsområden

Visuell analys för förklarlig och pålitlig maskininlärning

Kontakt: Andreas Kerren

Grafik

Forskning inom maskininlärning (ML) och artificiell intelligens (AI) har blivit mycket populär de senaste åren. Många typer av modeller föreslås för att förstå och förutsäga mönster och trender i data som härstammar från olika områden. I takt med att dessa modeller blir mer och mer komplexa blir det också svårare för användare att bedöma och lita på deras resultat, eftersom deras interna funktioner oftast är dolda i ”svarta lådor”. Förklaringen av ML/AI-modeller är för närvarande ett hett ämne bland de som sysslar med informationsvisualisering (InfoVis), med resultat som visar att insikter i ML-modeller kan leda till bättre förutsägelser och förbättra pålitligheten hos resultaten. För att uppnå detta i vår forskning vi VA-metoder för att öppna de svarta lådorna hos olika ML/AI-modeller. Vår forskning omfattar både övervakade och oövervakade inlärningsmodeller.
 

Visual Analytics of Temporal Event Data

Kontakt: Katerina Vrotsou
 

Grafik
Det finns idag ett stort och snabbt växande antal datadrivna applikationer i samhället och industrin som producerar temporala händelsedata. Temporala händelsedata innefattar sekvenser av punkt- eller intervallhändelser som inträffar över tiden, till exempel elektroniska patientjournaler, olika typer av spårnings- och övervakningsdata, livshändelse- eller tidsanvändningsdata. Effektiv analys av dessa data kan göra det möjligt att få avgörande förståelse för komplexa och sammankopplade processer. För exemplen ovan kan sådan analys motsvara studien av patientjournaler för diagnostik och behandlingsplanering, analysen av övervakningshändelser och larm för processkontroll och prediktiv underhåll, och analysen av individuella aktiviteter för att förstå beteendemönster och sociala processer. Med detta som utgångspunkt strävar vi efter att i detta fokusområde bedriva innovativ forskning vid skärningspunkten mellan temporal datautvinning och interaktiv visualisering och producera visuella analysmetoder som underlättar människocentrerad analys av stora och komplexa temporala händelsedata.

Användarcentrerad utvärdering

Kontakt: Camilla Forsell
En man sitter vid ett tangentbord, en datorskärm är placerad relativt långt bort från honomDen här forskningsriktningen fokuserar på användarcentrerad utvärdering inom visualisering och visuell analys av data. Studier genomförs för att undersöka hur användare uppfattar information, presterar och får insikt när de använder visuella representationer av stora och komplexa datamängder. Inom nuvarande praktik är utvärderingsstudier (fortfarande) starkt beroende av teorier och metoder från andra discipliner som föregår modern visualisering. Därför fokuserar ett område av denna forskning också på utveckling och validering av visualiseringsspecifik metodik och vägledning i hur man använder dessa metoder för att uppnå resultat med hög kvalitet. Specifikt undersöks instrument som heuristiker och enkäter för både kvalitativa och kvantitativa studier.

Sonifiering

Kontakt: Niklas Rönnberg
Grafik

Sonifiering, omvandlandet av data till ljud eller kopplingen av dataegenskaper till ljudparametrar, är den auditiva motsvarigheten till visualisering, och kan användas som ett komplement till visualisering för att underlätta förståelsen av visuella representationer eller för att avslöja nya relationer i data. Visuella representationer kan vara svåra att förstå, och den visuella komplexiteten kan vara betungande för det visuella kognitiva systemet. Genom att använda sonifiering som ett komplement är det möjligt att ge mer information och samtidigt underlätta tolkningen av den visuella representationen. Sonifiering kan exempelvis användas för att minska feltolkningar orsakade av samtidig ljushetskontrast, underlätta förståelsen av densitetsnivåer, eller stödja perceptionen av olika datauppsättningar i en visualisering.

Visuell analys av text och nätverk

Kontakt: Andreas Kerren och Kostiantyn Kucher

Grafik
Nätverksdata är en av de viktigaste och också mest utmanande datamängderna i informationsvisualisering. Visualiseringsforskning fokuserar inte enbart på den vackra representationen av nätverken. Deras storlek och komplexitet kräver andra lösningar för att visa och utforska dem. Vår forskning behandlar sådana frågor genom att utforma nya visualiseringsmetoder som ger filtrering och avancerade interaktionsmöjligheter, ofta i kombination med beräkningsmetoder som nätverkscentraliteter eller inbäddningstekniker. Ett nyligen fokus ligger på multivariata och heterogena nätverk som båda är avgörande för många applikationsdomäner. Liknande visualiseringsutmaningar är relaterade till datamängder som består av stora mängder texter och dokument. Vi utvecklar textanalysverktyg som kombinerar interaktiv visualisering med naturliga språkbehandlingsmetoder. Denna kombination gör det möjligt för människor att förstå stora och dynamiska textdata och möjliggör utforskning, kontroll och slutlig utvärdering av analysprocesserna och resultaten.

Människocentrerad design för interaktion människa/automation 

Kontakt: Jonas Lundberg
Visualisering av drönarpositionerI många verksamhetskritiska styrsystem utvecklas AI/Automation för närvarande mot en högre nivå av autonomi. Denna utveckling kan hittas inom applikationsområden så som flygledning, sjötrafikledning, järnvägstrafikledning, räddningstjänst och krishantering samt industriell processledning. I nuläget, i många tillämpningar, har autonomi inte uppnåtts, i andra fall är det svårt att uppnå full autonomi överhuvudtaget (t.ex. på grund av oförutsägbara eller föränderliga miljöer). Mänskligt ansvar är också ofta önskvärt eller krävs i sådana system. För dessa fall är design för mänskligt engagemang en väg framåt. Vår forskning människocentrerad design för interaktion människa/automation är baserad på kognitiv(system)vetenskap med fokus på kontrollerbara och verifierbara AI/Automation-system. Forskningen berör tre huvudområden: 1) design av interaktiva system för kontroll och verifiering (människa-i-loopen), 2) inkludering av samhälleliga intressenter i teknikutveckling (samhälle-i-loopen), samt 3) modellering av interaktioner med AI/automatiserade system (för att stödja utveckling för människa/samhälle-i-loopen).

Medarbetare

Publikationer

2024

Angelos Chatzimparmpas, Rafeal M. Martins, Alexandru C. Telea, Andreas Kerren (2024) DeforestVis: Behaviour Analysis of Machine Learning Models with Surrogate Decision Stumps Computer graphics forum (Print) Vidare till DOI
Jonas Lundberg, Magnus Nylin, Gesa Praetorius, Anders A. Jansson, Magnus Bång (2024) Modelling operator control work across traffic management domains: implications for interaction design Cognition, Technology & Work Vidare till DOI
Kostiantyn Kucher, Nellie Engström, Wilma Axelsson, Berkant Savas, Andreas Kerren (2024) Visualization of Swedish News Articles: A Design Study Proceedings of the 19th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP '24): Volume 1: GRAPP, HUCAPP and IVAPP, s. 670-677 Vidare till DOI
Angelos Chatzimparmpas, Kostiantyn Kucher, Andreas Kerren (2024) Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023 IEEE Computer Graphics and Applications Vidare till DOI
Nico Reski, Aris Alissandrakis, Andreas Kerren (2024) Designing a 3D gestural interface to support user interaction with time-oriented data as immersive 3D radar charts Virtual Reality, Vol. 28, Artikel 30 Vidare till DOI
Melanie Conroy, Christina Gillmann, Francis Harvey, Tamara Mchedlidze, Sara Irina Fabrikant, Florian Windhager, Gerik Scheuermann, Timothy R. Tangherlini, Christopher N. Warren, Scott B. Weingart, Malte Rehbein, Katy Börner, Kimmo Elo, Stefan Jänicke, Andreas Kerren, Martin Nöllenburg, Tim Dwyer, Øyvind Eide, Stephen Kobourov, Gregor Betz (2024) Uncertainty in humanities network visualization Frontiers in Communication, Vol. 8, Artikel 1305137 Vidare till DOI
Stefan P. Feyer, Bruno Pinaud, Stephen Kobourov, Nicolas Brich, Michael Krone, Andreas Kerren, Michael Behrisch, Falk Schreiber, Karsten Klein (2024) 2D, 2.5D, or 3D? An Exploratory Study on Multilayer Network Visualisations in Virtual Reality IEEE Transactions on Visualization and Computer Graphics, Vol. 30, s. 469-479 Vidare till DOI

2023

Vanessa Rodrigues, Carl Westin, Stefan Holmlid (Redaktörskap) (2023) This space intentionally left [blank]
Yiran Li, Junpeng Wang, Takanori Fujiwara, Kwan-Liu Ma (2023) Visual Analytics of Neuron Vulnerability to Adversarial Attacks on Convolutional Neural Networks ACM Transactions on Interactive Intelligent Systems, Vol. 13, Artikel 20 Vidare till DOI
Billy Josefsson, Nikola Veljanovski, Karl Johan Klang, Johan Timius (2023) Advanced Autoplanner 2-a proposed AI supported tool for ATM 2023 IEEE/AIAA 42ND DIGITAL AVIONICS SYSTEMS CONFERENCE, DASC Vidare till DOI

Organisation