Visionen f枚r forskargruppen 盲r att angripa den utmaning som 鈥渂ig data鈥� inneb盲r genom att kombinera m盲nniskocentrerad dataanalys och interaktiv visualisering f枚r beslutsfattande. Dessa forskningsomr氓den 盲r ytterst relevanta f枚r b氓de akademi och ekonomi, eftersom s氓v盲l vetenskap som n盲ringsliv i allt h枚gre grad anv盲nder dataintensiv teknologi.
Vi f枚rverkligar en m盲nniskocentrerad och problemorienterad visualiseringsstrategi. M盲nniskocentrerad visualisering handlar om att utveckla interaktiva tekniker f枚r visualisering med utg氓ngspunkt i anv盲ndar- och uppgiftsrelaterad information, f枚r att effektivt utforska och analysera komplexa datam盲ngder. Detta tillv盲gag氓ngss盲tt kombinerar aspekter fr氓n olika forskningsomr氓den, som informationsvisualisering och vetenskaplig visualisering, m盲nniska-datorinteraktion, informationsdesign och kognition. Inom omr氓det visualisering koncentrerar vi oss huvudsakligen p氓 informationsvisualisering (InfoVis), vilket fokuserar p氓 visualisering av abstrakt data fr氓n hierarkiska, n盲tverks- eller symboliska informationsk盲llor. I relation till utvecklingen av m盲nniskocentrerad
informationsvisualiseringsmetoder och system, 盲r vi ocks氓 intresserade av anv盲ndbarhet och krav, visualiseringsuppgifter, verktygsfunktioner, interaktiva funktioner och l盲mpliga visuella representationer.
I kontrast till visualisering 盲r s氓 kallad datautvinning eller maskininl盲rning traditionellt mer datorcentrerat. F枚r att ta itu med utmaningen att analysera stora datam盲ngder beh枚ver vi dock dra nytta av f枚rdelarna hos b氓da dessa tillv盲gag氓ngss盲tt i samverkan, vilket 盲r det viktigaste inslaget inom visuell analys (VA). Detta g枚r att forskaren kan fokusera sin perceptuella och kognitiva skicklighet p氓 den analytiska processen, samtidigt som han eller hon anv盲nder avancerat datorst枚d f枚r att st枚dja och st盲rka den utforskande processen. Designen och implementationen av visuella analysverktyg 盲r en av de mest lovande infallsvinklarna n盲r det g盲ller att hantera den allt st枚rre m盲ngd data som skapas varje dag och som g枚r nya insikter och viktiga uppt盲ckter m枚jliga.
Syftet med forskningen inom dessa omr氓den 盲r att utveckla nya metoder och verktyg som effektivt kan st枚dja analytiker fr氓n olika dom盲ner. V氓ra nya visualiseringsmetoder g枚r det m枚jligt att l枚sa sv氓ra analytiska problem (med h盲nvisning till de ber枚mda utmaningarna inom 鈥渂ig data鈥�) och att identifiera och extrahera meningsfull information fr氓n data samtidigt som de f枚rb盲ttrar hastigheten, noggrannheten och fullst盲ndigheten av analytikernas f枚rst氓else. Vi 盲r engagerade i ett brett spektrum av forskningsaspekter som omfattar utvecklingen av nya algoritmiska tillv盲gag氓ngss盲tt f枚r utvinning av m枚nster och relationer i data, den visuella och auditiva representationen av dessa m枚nster och relationer, anv盲ndningen av maskininl盲rningsmetoder i visualisering och vice versa, samt studier av perceptuella mekanismer och nya utv盲rderingsmetoder.
Utvalda forskningsomr氓den
Visuell analys f枚r f枚rklarlig och p氓litlig maskininl盲rning
Kontakt: Andreas Kerren
Forskning inom maskininl盲rning (ML) och artificiell intelligens (AI) har blivit mycket popul盲r de senaste 氓ren. M氓nga typer av modeller f枚resl氓s f枚r att f枚rst氓 och f枚ruts盲ga m枚nster och trender i data som h盲rstammar fr氓n olika omr氓den. I takt med att dessa modeller blir mer och mer komplexa blir det ocks氓 sv氓rare f枚r anv盲ndare att bed枚ma och lita p氓 deras resultat, eftersom deras interna funktioner oftast 盲r dolda i 鈥漵varta l氓dor鈥�. F枚rklaringen av ML/AI-modeller 盲r f枚r n盲rvarande ett hett 盲mne bland de som sysslar med informationsvisualisering (InfoVis), med resultat som visar att insikter i ML-modeller kan leda till b盲ttre f枚ruts盲gelser och f枚rb盲ttra p氓litligheten hos resultaten. F枚r att uppn氓 detta i v氓r forskning vi VA-metoder f枚r att 枚ppna de svarta l氓dorna hos olika ML/AI-modeller. V氓r forskning omfattar b氓de 枚vervakade och o枚vervakade inl盲rningsmodeller.
Visual Analytics of Temporal Event Data
Kontakt: Katerina Vrotsou
Det finns idag ett stort och snabbt v盲xande antal datadrivna applikationer i samh盲llet och industrin som producerar temporala h盲ndelsedata. Temporala h盲ndelsedata innefattar sekvenser av punkt- eller intervallh盲ndelser som intr盲ffar 枚ver tiden, till exempel elektroniska patientjournaler, olika typer av sp氓rnings- och 枚vervakningsdata, livsh盲ndelse- eller tidsanv盲ndningsdata. Effektiv analys av dessa data kan g枚ra det m枚jligt att f氓 avg枚rande f枚rst氓else f枚r komplexa och sammankopplade processer. F枚r exemplen ovan kan s氓dan analys motsvara studien av patientjournaler f枚r diagnostik och behandlingsplanering, analysen av 枚vervakningsh盲ndelser och larm f枚r processkontroll och prediktiv underh氓ll, och analysen av individuella aktiviteter f枚r att f枚rst氓 beteendem枚nster och sociala processer. Med detta som utg氓ngspunkt str盲var vi efter att i detta fokusomr氓de bedriva innovativ forskning vid sk盲rningspunkten mellan temporal datautvinning och interaktiv visualisering och producera visuella analysmetoder som underl盲ttar m盲nniskocentrerad analys av stora och komplexa temporala h盲ndelsedata.
Anv盲ndarcentrerad utv盲rdering
Kontakt: Camilla ForsellVisuell analys av text och n盲tverk
Kontakt: Andreas Kerren och Kostiantyn Kucher
N盲tverksdata 盲r en av de viktigaste och ocks氓 mest utmanande datam盲ngderna i informationsvisualisering. Visualiseringsforskning fokuserar inte enbart p氓 den vackra representationen av n盲tverken. Deras storlek och komplexitet kr盲ver andra l枚sningar f枚r att visa och utforska dem. V氓r forskning behandlar s氓dana fr氓gor genom att utforma nya visualiseringsmetoder som ger filtrering och avancerade interaktionsm枚jligheter, ofta i kombination med ber盲kningsmetoder som n盲tverkscentraliteter eller inb盲ddningstekniker. Ett nyligen fokus ligger p氓 multivariata och heterogena n盲tverk som b氓da 盲r avg枚rande f枚r m氓nga applikationsdom盲ner. Liknande visualiseringsutmaningar 盲r relaterade till datam盲ngder som best氓r av stora m盲ngder texter och dokument. Vi utvecklar textanalysverktyg som kombinerar interaktiv visualisering med naturliga spr氓kbehandlingsmetoder. Denna kombination g枚r det m枚jligt f枚r m盲nniskor att f枚rst氓 stora och dynamiska textdata och m枚jligg枚r utforskning, kontroll och slutlig utv盲rdering av analysprocesserna och resultaten.
