Dissertação
OrderWarp Visualizing ordinal data in Big Data Streaming EVALUATED
Hoje em dia são cada vez mais necessárias plataformas que suportem Big Data e Data Streaming, isto porque a quantidade de dados criados e armazenados a qualquer momento aumentou substancialmente com o desenvolvimento de nova tecnologias de informação. Encontrar técnicas de visualização que funcionem nestes contextos apresenta-se como um desafio complexo. A elevada quantidade de registos obriga as visualizações a utilizar técnicas de agregação de dados para explicitamente representar informação, sem que impacte a performance do sistema. Estas técnicas não podem ser produtos de algoritmos de pré-processamento, visto que os dados são apenas recebidos durante a execução da mesma. Para resolver este problema, apareceu o conceito de Degradação graciosa, uma técnica que retrata a informação com diferentes níveis de agregação para diferentes períodos. Neste trabalho, apresentamos o OrderWarp, um sistema que exibe dados ordinais em Big Data e em tempo real, aplicando a Degradação graciosa anteriormente referenciada, e utilizando tecnologias WebGL para melhoramento da sua performance. A visualização do sistema usa idiomas centrados em tarefas diferentes para representação de dados ordinais, acompanhados por transições animadas que representam as mudanças nas agregações entre períodos. Utilizando uma estratégia de binning, o método de agregação assegura que a visualização consegue representar todo o dataset, e correr indefinidamente. O estudo confirma ainda o melhoramento da performance em visualizações de Big Data Streaming, resultantes da arquitetura do sistema. Encontra ainda, os idiomas que mais eficazmente representam dados ordinais nestes domínios, assim como as melhores transições entre idiomas, e oferece sugestões para o design destas visualizações.
novembro 19, 2021, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Associado