Apresentação do artigo "The State-of-the-Art in Predictive Visual Analytics" de Yafeng Lu et al na disciplina de Big Data e Web Semântica do Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Santa Catarina.
Os periódicos de saúde coletiva da Rede SciELO acumulam notável experiência na articulação de seus objetivos, interesses, funções, expectativas e sustentabilidade operacional e financeira, a partir de uma ampla diversidade de origens institucionais, áreas temáticas prioritárias, práticas editoriais e posicionamentos sobre o papel dos periódicos no progresso e comunicação da pesquisa. Essa condição dota a sistematização da gestão, operação e políticas editoriais dos periódicos de saúde coletiva com enorme potencial para contribuir para o avanço da discussão sobre o futuro dos periódicos e do próprio Programa SciELO, em especial no que se refere ao aperfeiçoamento editorial e o alinhamento com as boas práticas de comunicação da ciência aberta.
As propostas de aperfeiçoamento editorial e de adoção das inovações de comunicação preconizam o aumento da eficiência e desempenho dos periódicos no cumprimento das suas funções. Os periódicos de saúde coletiva abarcam um amplo leque de objetos de pesquisa, de públicos e de campos de influência e impacto, como são o avanço da pesquisa e do ensino no âmbito acadêmico, o avanço da atenção à saúde no âmbito dos sistemas e serviços de saúde públicos e privados incluindo a atenção individual por especialistas assim como na formulação de políticas públicas, e, finalmente, ao informar a cidadania no sentido de decisões baseadas nas melhores evidências da pesquisa científica.
O escopo proposto do Grupo de Trabalho de Periódicos de Saúde Coletiva abrange três dimensões importantes. Primeiro, a experiência da articulação entre periódicos. Segundo, a contribuição dos periódicos para o avanço da pesquisa, da atenção à saúde, para informar políticas, tomada de decisão de autoridades e da cidadania. Terceiro, estender [generalizar] a relevância dos periódicos temáticos de saúde coletiva para a função dos periódicos editados nacionalmente em geral por comunidades de pesquisadores, sem fins lucrativos, que, em diferentes condições, contribuem para o avanço do conhecimento e da capacidade nacional de criar, comunicar e usar conhecimento científico.
A eficácia do uso dos métodos de previsão quantitativos x métodos qualitativo...Wagner Borges
Aula apresentada no módulo do Prof. João Mocellin referente ao artigo: The efficacy of using judgmental versus quantitative
forecasting methods in practice de autoria de Nada R. Sanders and Karl B. Manrodtb
PROJETO GAIA: Guia de Acessibilidade de Interfaces Web focado em aspectos do ...Talita Pagani
Brochure do meu projeto de mestrado apresentando um pouco sobre o contexto e os objetivos da minha pesquisa que tem como foco prover recomendações para o design de interfaces web acessíveis a pessoas com autismo.
O RI no Contexto da Gestão da Produção Científica: Proposta de um Questionário para Aferição de Níveis de Satisfação e Novas Necessidades -
Maria João Pinto, Sofia Fernandes
Os periódicos de saúde coletiva da Rede SciELO acumulam notável experiência na articulação de seus objetivos, interesses, funções, expectativas e sustentabilidade operacional e financeira, a partir de uma ampla diversidade de origens institucionais, áreas temáticas prioritárias, práticas editoriais e posicionamentos sobre o papel dos periódicos no progresso e comunicação da pesquisa. Essa condição dota a sistematização da gestão, operação e políticas editoriais dos periódicos de saúde coletiva com enorme potencial para contribuir para o avanço da discussão sobre o futuro dos periódicos e do próprio Programa SciELO, em especial no que se refere ao aperfeiçoamento editorial e o alinhamento com as boas práticas de comunicação da ciência aberta.
As propostas de aperfeiçoamento editorial e de adoção das inovações de comunicação preconizam o aumento da eficiência e desempenho dos periódicos no cumprimento das suas funções. Os periódicos de saúde coletiva abarcam um amplo leque de objetos de pesquisa, de públicos e de campos de influência e impacto, como são o avanço da pesquisa e do ensino no âmbito acadêmico, o avanço da atenção à saúde no âmbito dos sistemas e serviços de saúde públicos e privados incluindo a atenção individual por especialistas assim como na formulação de políticas públicas, e, finalmente, ao informar a cidadania no sentido de decisões baseadas nas melhores evidências da pesquisa científica.
O escopo proposto do Grupo de Trabalho de Periódicos de Saúde Coletiva abrange três dimensões importantes. Primeiro, a experiência da articulação entre periódicos. Segundo, a contribuição dos periódicos para o avanço da pesquisa, da atenção à saúde, para informar políticas, tomada de decisão de autoridades e da cidadania. Terceiro, estender [generalizar] a relevância dos periódicos temáticos de saúde coletiva para a função dos periódicos editados nacionalmente em geral por comunidades de pesquisadores, sem fins lucrativos, que, em diferentes condições, contribuem para o avanço do conhecimento e da capacidade nacional de criar, comunicar e usar conhecimento científico.
A eficácia do uso dos métodos de previsão quantitativos x métodos qualitativo...Wagner Borges
Aula apresentada no módulo do Prof. João Mocellin referente ao artigo: The efficacy of using judgmental versus quantitative
forecasting methods in practice de autoria de Nada R. Sanders and Karl B. Manrodtb
PROJETO GAIA: Guia de Acessibilidade de Interfaces Web focado em aspectos do ...Talita Pagani
Brochure do meu projeto de mestrado apresentando um pouco sobre o contexto e os objetivos da minha pesquisa que tem como foco prover recomendações para o design de interfaces web acessíveis a pessoas com autismo.
O RI no Contexto da Gestão da Produção Científica: Proposta de um Questionário para Aferição de Níveis de Satisfação e Novas Necessidades -
Maria João Pinto, Sofia Fernandes
A Engenharia do Conhecimento e as novas possibilidades de descoberta e dissem...Roberto C. S. Pacheco
Surgida na década de 1960, no âmbito das atividades de Inteligência Artificial (na concepção e construção de sistemas especialistas), a engenharia do conhecimento tornou-se uma área de representação, modelagem e descoberta de conhecimento, a partir da elucidação junto a especialistas humanos ou da investigação automática sobre fontes de informação. Aliada aos avanços das tecnologias da informação e da comunicação, a engenharia do conhecimento tem apresentado uma nova gama de possibilidades para as áreas de representação, gestão e disseminação de conhecimento. Nesta apresentação, relatamos essas novas oportunidades nos campos da educação superior, ciência, tecnologia e inovação, ilustrando cada nova área com exemplos práticos e acessíveis na forma de “serviços de conhecimento”.
Detecção preventiva de fracionamento de comprasRommel Carvalho
Essa palestra apresenta o uso de Mineração de Dados para identificar fracionamentos de forma proativa, ou seja, antes mesmo do fracionamento se concretizar. Dessa forma, é possível alertar o usuário e evitar que a irregularidade aconteça. Nesse trabalho, foram utilizados diversos algoritmos diferentes de classificação, todos baseados em redes bayesianas. Foram analisadas mais de 50 mil compras na área de TI e o modelo final foi capaz de classificar corretamente todos os casos de fracionamento de forma proativa e obteve uma acurácia geral de 99,197%
Rommel Novaes Carvalho - Controladoria-Geral da União
Coordenador-Geral do Observatório da Despesa Pública da CGU (http://www.cgu.gov.br/assuntos/informacoes-estrategicas/observatorio-da-despesa-publica), realizou seu PhD e Pós-Doc na George Mason University, EUA, na área de Inteligência Artificial, Web Semântica e Mineração de Dados e também é professor do Mestrado Profissional em Computação Aplicada da UnB
Brasil 100% Digital - O evento teve como principal objetivo a troca de experiências relacionadas ao uso de técnicas avançadas de análise de dados como instrumento para melhoria da gestão e do controle de entidades e políticas públicas. Espera-se que os debates contribuam para que as instituições participantes possam iniciar ou intensificar a adoção de tais técnicas, de modo a obter maior eficiência e efetividade em suas atividades.
Análise de Redes de Colaboração Científica Como Ferramenta de Auxílio ao Gere...Aurelio Costa
Uma ferramenta baseada em redes de colaboração de pesquisadores para visualizar os relacionamentos de publicações dos pesquisadores de um programa de pós-graduação
Análise exploratória dos indicadores do snis - sistema nacional de informaçõe...Marcos Camargo
Metodologia para a elaboração de um diagnóstico da abrangência e qualidade dos serviços de saneamento básico brasileiros a partir da análise exploratória multivariada dos indicadores do SNIS - Sistema Nacional de Informações sobre Saneamento.
Análise de Dados: Padrões no Consumo de ConteúdoRafa Spoladore
BuzzFeed e The Guardian desenvolvem as próprias ferramentas de análise: Pound e Ophan, respectivamente. O que isso representa? Vamos apresentar uma análise das métricas de conteúdos em texto publicados no Medium, mostrando quais dados são importantes, como coletá-los e enriquecê-los, e quais abordagens são estratégicas para jornalistas ou produtores que querem se embasar ou mesmo ser conduzidos por dados.
https://youtube.com/watch?v=aKJH1lVXRX8
A Engenharia do Conhecimento e as novas possibilidades de descoberta e dissem...Roberto C. S. Pacheco
Surgida na década de 1960, no âmbito das atividades de Inteligência Artificial (na concepção e construção de sistemas especialistas), a engenharia do conhecimento tornou-se uma área de representação, modelagem e descoberta de conhecimento, a partir da elucidação junto a especialistas humanos ou da investigação automática sobre fontes de informação. Aliada aos avanços das tecnologias da informação e da comunicação, a engenharia do conhecimento tem apresentado uma nova gama de possibilidades para as áreas de representação, gestão e disseminação de conhecimento. Nesta apresentação, relatamos essas novas oportunidades nos campos da educação superior, ciência, tecnologia e inovação, ilustrando cada nova área com exemplos práticos e acessíveis na forma de “serviços de conhecimento”.
Detecção preventiva de fracionamento de comprasRommel Carvalho
Essa palestra apresenta o uso de Mineração de Dados para identificar fracionamentos de forma proativa, ou seja, antes mesmo do fracionamento se concretizar. Dessa forma, é possível alertar o usuário e evitar que a irregularidade aconteça. Nesse trabalho, foram utilizados diversos algoritmos diferentes de classificação, todos baseados em redes bayesianas. Foram analisadas mais de 50 mil compras na área de TI e o modelo final foi capaz de classificar corretamente todos os casos de fracionamento de forma proativa e obteve uma acurácia geral de 99,197%
Rommel Novaes Carvalho - Controladoria-Geral da União
Coordenador-Geral do Observatório da Despesa Pública da CGU (http://www.cgu.gov.br/assuntos/informacoes-estrategicas/observatorio-da-despesa-publica), realizou seu PhD e Pós-Doc na George Mason University, EUA, na área de Inteligência Artificial, Web Semântica e Mineração de Dados e também é professor do Mestrado Profissional em Computação Aplicada da UnB
Brasil 100% Digital - O evento teve como principal objetivo a troca de experiências relacionadas ao uso de técnicas avançadas de análise de dados como instrumento para melhoria da gestão e do controle de entidades e políticas públicas. Espera-se que os debates contribuam para que as instituições participantes possam iniciar ou intensificar a adoção de tais técnicas, de modo a obter maior eficiência e efetividade em suas atividades.
Análise de Redes de Colaboração Científica Como Ferramenta de Auxílio ao Gere...Aurelio Costa
Uma ferramenta baseada em redes de colaboração de pesquisadores para visualizar os relacionamentos de publicações dos pesquisadores de um programa de pós-graduação
Análise exploratória dos indicadores do snis - sistema nacional de informaçõe...Marcos Camargo
Metodologia para a elaboração de um diagnóstico da abrangência e qualidade dos serviços de saneamento básico brasileiros a partir da análise exploratória multivariada dos indicadores do SNIS - Sistema Nacional de Informações sobre Saneamento.
Análise de Dados: Padrões no Consumo de ConteúdoRafa Spoladore
BuzzFeed e The Guardian desenvolvem as próprias ferramentas de análise: Pound e Ophan, respectivamente. O que isso representa? Vamos apresentar uma análise das métricas de conteúdos em texto publicados no Medium, mostrando quais dados são importantes, como coletá-los e enriquecê-los, e quais abordagens são estratégicas para jornalistas ou produtores que querem se embasar ou mesmo ser conduzidos por dados.
https://youtube.com/watch?v=aKJH1lVXRX8
1. The State-of-the-Art in Predictive Visual Analytics
Yafeng Lu, Rolando Garcia, Brett Hansen, Michael Gleicher, and Ross Maciejewski
Vinícius M. de Sousa1
1vinisousa04@gmail.com
Programa de Pós-Graduação em Ciência da Informação - UFSC
Florianópolis/SC
Sexta Feira, 5 de Abril de 2019
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 1 / 34
2. Introdução PVA Pipeline Interações no PVA Considerações Finais
Sumário
1 Introdução
Contextualização
Predictive Analytics
Predictive Visual Analytics (PVA)
2 PVA Pipeline
Objetivos
Exemplos por Etapa
3 Interações no PVA
Tipos de Interação
Exemplos por Tipo de Interação
4 Considerações Finais
Discussão e Direções de PVA
Q & A e Contato
Bibliografia
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 2 / 34
3. Introdução PVA Pipeline Interações no PVA Considerações Finais
Sumário
1 Introdução
Contextualização
Predictive Analytics
Predictive Visual Analytics (PVA)
2 PVA Pipeline
Objetivos
Exemplos por Etapa
3 Interações no PVA
Tipos de Interação
Exemplos por Tipo de Interação
4 Considerações Finais
Discussão e Direções de PVA
Q & A e Contato
Bibliografia
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 3 / 34
4. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Referência - [LGH+17]
FIGURE 1 – Fonte : https://onlinelibrary.wiley.com/doi/full/10.1111/cgf.13210
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 4 / 34
5. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Predictive Analytics
Prática de identificar padrões, utilizando dados, para predizer resultados e
tendências futuras;
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 5 / 34
6. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Predictive Analytics
Prática de identificar padrões, utilizando dados, para predizer resultados e
tendências futuras;
Avanços da computação resultaram em um cenário em que a capacidade de
analisar dados é inferior à capacidade de analisá-los;
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 5 / 34
7. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Predictive Analytics
Prática de identificar padrões, utilizando dados, para predizer resultados e
tendências futuras;
Avanços da computação resultaram em um cenário em que a capacidade de
analisar dados é inferior à capacidade de analisá-los;
Resultado? Modelos de alta acurácia com pouca interpretabilidade;
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 5 / 34
8. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Predictive Analytics
Prática de identificar padrões, utilizando dados, para predizer resultados e
tendências futuras;
Avanços da computação resultaram em um cenário em que a capacidade de
analisar dados é inferior à capacidade de analisá-los;
Resultado? Modelos de alta acurácia com pouca interpretabilidade;
Percebeu-se que tais modelos podem apresentar consequências não desejáveis,
como por exemplo...
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 5 / 34
9. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Google Flu Trends
FIGURE 2 – Fonte : [LKKV14]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 6 / 34
10. Introdução PVA Pipeline Interações no PVA Considerações Finais
Contextualização
Predictive Visual Analytics
Neste contexto surgiu o Predictive Visual Analytics, para auxiliar na tarefa de interagir
com os modelos de predição.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 7 / 34
11. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Analytics
Predictive Analytics - O que é
1 Predictive : Identificar padrões nos dados que auxiliam a predizer resultados e
tendências;
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 8 / 34
12. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Analytics
Predictive Analytics - O que é
1 Predictive : Identificar padrões nos dados que auxiliam a predizer resultados e
tendências;
2 Analytics
Descritiva : O que aconteceu e qual é o estado do sistema;
Prescritiva : Auxilia na tomada de decisão em relação ao sistema;
Preditiva : Modelar o futuro com base nos dados disponíveis.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 8 / 34
13. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Analytics
Predictive Analytics - O que é
1 Predictive : Identificar padrões nos dados que auxiliam a predizer resultados e
tendências;
2 Analytics
Descritiva : O que aconteceu e qual é o estado do sistema;
Prescritiva : Auxilia na tomada de decisão em relação ao sistema;
Preditiva : Modelar o futuro com base nos dados disponíveis.
3 Técnicas
Regressão : Como alteração nos prediores afetam a variável alvo;
Classificação : Identificar categorias, com categorias conhecidas;
Clusterização : Identificar categorias, quando não há categorias conhecidas.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 8 / 34
14. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Analytics
Etapas
Predictive Analytics são as seguintes etapas :
1 Peparação dos dados;
2 Seleção das variáveis;
3 Modelagem dos algoritmos e modelos;
4 Exploração de resultados e seleção de modelo;
5 Validação.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 9 / 34
15. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Visual Analytics (PVA)
Predictive Visual Analytics (PVA) - Objetivo e Condições
Objetivo
Métodos e técnicas que ajudem em qualquer etapa de Predictive Analytics
Condições
Foco em predição (não exploração e exploração);
Suportar interação com usuário em pelo menos uma das etadas de Predictive
Analytics ;
Permitir que o analista aumente a acurária da predição ou seu conhecimento do
funcionamento do modelo.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 10 / 34
16. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Visual Analytics (PVA)
Metodologia
6.144 papers de Journals de visualização
Palavras Chave
==========⇒
Titulo ou Abstract
580 papers
Leitura e
===========⇒
Flag de Relevancia
72 papers.
FIGURE 3 – Fonte : [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 11 / 34
17. Introdução PVA Pipeline Interações no PVA Considerações Finais
Predictive Visual Analytics (PVA)
Metodologia
Os 72 papers foram lidos e classificados de acordo com três aspectos
FIGURE 4 – Fonte : [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 12 / 34
18. Introdução PVA Pipeline Interações no PVA Considerações Finais
Sumário
1 Introdução
Contextualização
Predictive Analytics
Predictive Visual Analytics (PVA)
2 PVA Pipeline
Objetivos
Exemplos por Etapa
3 Interações no PVA
Tipos de Interação
Exemplos por Tipo de Interação
4 Considerações Finais
Discussão e Direções de PVA
Q & A e Contato
Bibliografia
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 13 / 34
19. Introdução PVA Pipeline Interações no PVA Considerações Finais
Objetivos
Objetivos de PA vs. Objetivos de PVA
FIGURE 5 – Fonte : [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 14 / 34
20. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Etapa
Pré-Processamento
Objetvo : Entender e preparar os dados.
FIGURE 6 – Fonte : https://vimeo.com/136535362
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 15 / 34
21. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Etapa
Engenharia de Variáveis
Objetivo : Geração de variáveis e seleção de variáveis.
FIGURE 7 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 16 / 34
22. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Etapa
Modelagem
Objetivo :
Regressão : exploração de subsets,
modificação no dataset de treino,
ajuste de parâmetros dos modelos e
alteração entre variáveis alvo do
modelo;
Clusterização : manipulação,
exploração e avaliação de clusters;
Classificação : permitir que o usuário
classifique dados de treino e ajuda a
montar árvores de decisão para
estimar os modelos.
FIGURE 8 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 17 / 34
23. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Etapa
Exploração e Seleção do Modelo
Objetivo : explorar os resultados e comparar modelos (quando há mais de um no
final).
FIGURE 9 – Fonte : Link do paper
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 18 / 34
24. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Etapa
Validação
Observações :
1 Etapa com menos opções;
2 Relacionadas a visualização de medidas tradicionais de qualidade (R2, ROC,
ACF).
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 19 / 34
25. Introdução PVA Pipeline Interações no PVA Considerações Finais
Sumário
1 Introdução
Contextualização
Predictive Analytics
Predictive Visual Analytics (PVA)
2 PVA Pipeline
Objetivos
Exemplos por Etapa
3 Interações no PVA
Tipos de Interação
Exemplos por Tipo de Interação
4 Considerações Finais
Discussão e Direções de PVA
Q & A e Contato
Bibliografia
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 20 / 34
26. Introdução PVA Pipeline Interações no PVA Considerações Finais
Tipos de Interação
Tipos de Interação
Os papers também foram classificados de acordo com o tipo de interação com o
usuário :
1 Selecionar;
2 Explorar;
3 Reconfigurar;
4 Codificar (encode);
5 Abstrair/Elaborar (Abstract/Elaborate);
6 Filtrar;
7 Connectar;
8 Pastor (Shepherd).
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 21 / 34
27. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Selecionar (select)
Objetivo : Selecionar items/observações para que o usuário possa ver mais
facilmente.
FIGURE 10 – Fonte : https://onlinelibrary.wiley.com/doi/full/10.1111/cgf.12630
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 22 / 34
28. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Explorar (Browse)
Objetivo : Descobrir novas observações.
FIGURE 11 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 23 / 34
29. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Reconfigurar (reconfigure)
Objetivo : Reorganização do espaço visual.
FIGURE 12 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 24 / 34
30. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Codificar (Encode)
Objetivo : alterar a representação dos dados (e.g. mudar o número de dimensões,
adicionar cores, etc.)
FIGURE 13 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 25 / 34
31. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Filtrar (Query)
Objetivo : Selecionar observações de acordo com condições especificadas pelo
usuário.
Observação : Assim como Explorar, essa etapa altera o subset dos dados
utilizados. Porém, aqui as condições que se quer filtrar é conhecida peo usuário.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 26 / 34
32. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Abstrair/Elaborar (Abstract/Elaborate)
Objetivo : Alterar a granularidade dos dados;
FIGURE 14 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 27 / 34
33. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Conectar (Connect)
Objetivo : Destacar relações entre observações e/ou destacar diferentes atributas de
uma observação seleionada pelo usuário.
FIGURE 15 – Fonte : https://nancao.org/pubs/cao_infovis11_paper.pdf
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 28 / 34
34. Introdução PVA Pipeline Interações no PVA Considerações Finais
Exemplos por Tipo de Interação
Pastor (Shepherd)
Objetivo : Permitir que o usuário guie o processo de modelagem.
FIGURE 16 – Retirado de [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 29 / 34
35. Introdução PVA Pipeline Interações no PVA Considerações Finais
Sumário
1 Introdução
Contextualização
Predictive Analytics
Predictive Visual Analytics (PVA)
2 PVA Pipeline
Objetivos
Exemplos por Etapa
3 Interações no PVA
Tipos de Interação
Exemplos por Tipo de Interação
4 Considerações Finais
Discussão e Direções de PVA
Q & A e Contato
Bibliografia
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 30 / 34
36. Introdução PVA Pipeline Interações no PVA Considerações Finais
Discussão e Direções de PVA
Discussão
FIGURE 17 – (a) Frequência de co-ocorrência dos aspectos na classificação dos autores. (b) Correlação estre os
aspectos classificados pelos autores. [LGH+
17]
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 31 / 34
37. Introdução PVA Pipeline Interações no PVA Considerações Finais
Discussão e Direções de PVA
Direções
1 Integrar conhecimento do usuário;
2 Escalar para quantidade de dados maiores e modelos mais complexos;
3 Melhor suporte para validação dos modelos;
4 Melhorar experiência do usuário.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 32 / 34
38. Introdução PVA Pipeline Interações no PVA Considerações Finais
Q & A e Contato
Q & A e Contato
Link do Linkedin
E-mail : vinisousa04@gmail.com
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 33 / 34
39. Introdução PVA Pipeline Interações no PVA Considerações Finais
Bibliografia
Yafeng Lu, Rolando Garcia, Brett Hansen, Michael Gleicher, and Ross
Maciejewski, The state-of-the-art in predictive visual analytics, Computer
Graphics Forum, vol. 36, Wiley Online Library, 2017, pp. 539–562.
David Lazer, Ryan Kennedy, Gary King, and Alessandro Vespignani, The parable
of google flu : traps in big data analysis, Science 343 (2014), no. 6176,
1203–1205.
Vinícius M. de Sousa (PGCIn/UFSC) Big Data e Web Semântica Sexta Feira, 5 de Abril de 2019 34 / 34