ads:
RAPHAEL FIGUEIREDO XAVIER
ANÁLISE DE MÉTODOS DE PRODUÇÃO DE
INTERFACES VISUAIS PARA RECUPERAÇÃO DA
INFORMAÇÃO
MARÍLIA
2009
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
RAPHAEL FIGUEIREDO XAVIER
ANÁLISE DE MÉTODOS DE PRODUÇÃO DE
INTERFACES VISUAIS PARA RECUPERAÇÃO DA
INFORMAÇÃO
Dissertação de Mestrado apresentada ao
Programa de Pós-Graduação em Ciência da
Informação da Faculdade de Filosofia e
Ciências da Universidade Estadual Paulista,
UNESP – Campus de Marília, como requisito
parcial para obtenção do título de Mestre.
Área de concentração: Informação,
Tecnologia e Conhecimento.
Linha de pesquisa: Informação e Tecnologia
Orientador: Edberto Ferneda
MARÍLIA
2009
ads:
Xavier, Raphael Figueiredo
X3A Análise de Métodos de Produção de Interfaces Visuais para
Recuperação da Informação / Raphael Figueiredo Xavier. –
Marília, 2009.
78 f. ; 30 cm.
Dissertação (Mestrado em Ciência da Informação) – Faculdade de
Fiosofia e Ciências, Universidade Estadual Paulista, 2009.
Bibliografia: f. 74-78.
Orientador: Dr. Edberto Ferneda.
1.Recuperação da Informação. 2. Visualização da Informação. 3.
Interfaces Visuais para Recuperação de Informação. I. Autor. II. Título.
CDD 006.6
RAPHAEL FIGUEIREDO XAVIER
ANÁLISE DE MÉTODOS DE PRODUÇÃO DE
INTERFACES VISUAIS PARA RECUPERAÇÃO DA
INFORMAÇÃO
BANCA EXAMINADORA:
Presidente e Orientador
Dr. Edberto Ferneda
Programa de Pós Graduação em Ciência da Informação
Universidade Estadual Paulista – UNESP – Campus de Marília
Membro Titular
Dr. Guilherme de Ataíde Dias
Departamento de Ciência da Informação
Universidade Federal da Paraíba – UFPB
Membro Titular
Dra. Silvana Aparecida Borseti Gregorio Vidotti
Programa de Pós Graduação em Ciência da Informação
Universidade Estadual Paulista – UNESP
Local: Universidade Estadual Paulista
Faculdade de Filosofia e Ciências
UNESP – Campus de Marília
Data da defesa: 29/09/2009
Dedico este trabalho a Gabriela e
Beatriz. Mulheres que me possibilitaram
a felicidade cotidiana.
AGRADECIMENTOS
O período em que estive matriculado no programa de Pós-Graduação
fazendo o mestrado foi um período de completa mudança em minha vida.
Algumas adoráveis, outras, entretanto, um tanto amargas. Inúmeras pessoas
passaram por esse período me ajudando, apoiando e cobrando. Todas elas
merecem ser agradecidas por mais essa fase.
Primeiramente, gostaria de agradecer a Gabriela e a Beatriz, que estão
ao meu lado em dias difíceis, dias fáceis, nas vitórias e derrotas que
acumulamos. Que crescem ao meu lado. Amo vocês.
Ao Renan e Josi que estiveram morando comigo no fim da minha
graduação e começo da Pós. Um período extremamente difícil e de muitas
incertezas. Saudades.
Meu ingresso a pós-graduação se deve ao Professor Edberto Ferneda,
que apostou no meu projeto e que me deu total liberdade de trabalho até o fim
desta pesquisa. Obrigado por sua confiança e amizade.
Aos amigos em que dividi a sala nas disciplinas no primeiro ano:
Emanuel, Marta, Lucilene, Elvis, César, Zeca, Fabiano, Rachel, Maria José,
Aldinar, Luana, Maria Carolina, Fabio, Simone e os outros que minha memória
me trai agora.
Ao grupo Intersemioses e comunidade Ciam que e resgataram um
espírito artístico que andava meio longe de mim: Plácida, Maria José, Rachel,
Aldinar, Fabiano, Lis Helena, Ana Carolina (Karu), Luciana, Wellington, Ângela,
Etine e outros.
À Profa. Plácida que me ajudou e socorreu diversas vezes tanto na área
da Ciência da Informação como em minha vida pessoal (a bendita alergia da
Beatriz...)
Ao Professor Izidoro Gil Leiva e sua esposa Margarida, pela grande
amizade construída no período em que estiveram no Brasil.
Aos alunos do grupo de circo que a cada dia sonhavam mais alto na
possibilidade de voar. Halle Up!
À Julia, pelas melhores aulas de inglês que já tive e pelo socorro na
nossa mudança da “casa molhada” para o “apartamento 1”. Adoramos você!
Às vizinhas mais legais que poderíamos ter enquanto moramos no
“apartamento 1”: Ciça e Aline. Saudades dos churrascos na varanda.
Ao Carlos, Luana e Camila, pela amizade sincera, apoio e empurrões.
Me orgulho muito de ser amigo de vocês!
Ao professor Antonio Tobias e UNIFLOR pela proposta de trabalho no
Mato Grosso na qual pude aprender muitos dos meandros da profissão que
escolhi. Esta mudança proporcionou novos rumos, desafios, frustrações e
esperanças na qual estou tentando me sintonizar até hoje. Disseram-me que
isso é ser adulto.
Ao Walter, que me deu toda ajuda possível no meu processo de
mudança geográfica e pessoal, além de ser daqueles amigos que estão para “o
que der e vier”.
Aos amigos feitos na Uniflor: Lucicléia, Gisele, Letícia, Luciana, Vinícius,
Farol, Gláucia, Leandro, Marina, Lídio, Fabiana, Hélio, Loiva, Marcão e todos
outros professores e funcionários.
Aos meus alunos da Uniflor pela amizade e paciência comigo. Um
grande abraço a turma da Base.
À Aline que através de sua ida para Peixoto de Azevedo (E você foi
mesmo!), estreitou mais ainda nossa amizade.
À Elaine que apesar da atual distância, continua presente e uma grande
amiga.
Ao Professor Alexandre Galheta e Aidênia França, que permitiram minha
volta ao sudeste no momento em que eu precisava voltar.
À minha mãe e meu pai Mauro que tiveram mais uma vez paciência e fé
em mim e me ajudaram na volta pra casa.
Ao meu pai Xavier pelo seu carinho e dedicação com os filhos, mesmo
que um pouco atrasado.
Aos amigos feitos na Faculdade Pitágoras: Viviane, Lenildo, Luana,
Lucila, Larissa, Liliane, Merilin, Fábia, Vanessa, Thaís, Hernandez, Kalleo,
Carol, Lázaro, Patrícia e Verônica.
Aos antigos e eternos amigos que agora posso ver com muito mais
freqüência: Daniel, Limão, Milton, Daniele, Ettore, Jorge, Beto, Orc, Paraíba.
Por fim, e em especial, a Profa. Silvana Vidotti, que apesar do
distanciamento, tenho a mais profunda estima. Pelas oportunidades oferecidas,
pela força compartilhada, pela sinceridade acima de tudo. Sempre que tenho
que tomar uma decisão difícil, penso em como você lidaria com ela. Obrigado!
Visão é a arte de enxergar coisas
invisíveis
(Jonathan Swift)
XAVIER, Raphael Figueiredo. Análise de Métodos de Produção de
Interfaces Visuais para Recuperação da Informação. Dissertação (Mestrado
em Ciência da Informação) – Faculdade de Filosofia e Ciências, Universidade
Estadual Paulista, Marília, 2009.
RESUMO
O advento da Web e o conseqüente aumento no volume de informações
eletrônicas acarretaram muitos problemas em relação ao acesso, busca,
localização e recuperação de informação em grandes volumes de dados. O
presente trabalho realiza uma revisão dos diferentes modelos, métodos e
algoritmos existentes para a geração de Interfaces Visuais para Recuperação
da Informação, classificados segundo ao seu processo de produção: Análise e
Transformação dos Dados, Aplicação de Algoritmos de Classificação e
Distribuição Visual e Aplicação de Técnicas de Transformação Visual. Os
resultados pretendem servir a outros investigadores como ferramenta para a
eleição de uma ou outra combinação metodológica no desenvolvimento de
propostas específicas de Interfaces Visuais para Recuperação da Informação,
além de sugerir a necessidade de maiores investigações sobre novas técnicas
de transformação visual.
Palavras-chave: Recuperação de Informação; Visualização da Informação;
Interfaces Visuais para Recuperação de Informação
XAVIER, Raphael Figueiredo. Análise Métodos de Produção de Interface
Visuais para Recuperação da Informação. Dissertação (Mestrado em
Ciência da Informação) – Faculdade de Filosofia e Ciências, Universidade
Estadual Paulista, Marília, 2009.
ABSTRACT
The advent of the Web and the consequent increase in the volume of electronic
information had caused many problems about access, search, location and
retrieval of information in large volumes of data. This work is a revision of the
different models, methods and algorithms to create interfaces for Visual
Information Retrieval, classified according to their production process: Analysis
and Data Processing, Implementation of algorithms for classification and
distribution of Visual and Application Processing Techniques of Visual. The
results of other researchers want to serve as a tool for the election of one or
another combination methodology in the development of specific proposals for
visual interfaces for information retrieval, and suggest the need for more
research into new techniques for processing visual.
Keywords: Information Retrieval; Information Visualization; Visual
Information Retrieval Interface
LISTA DE FIGURAS
Figura 1: Processo do modelo clássico de recuperação da informação ................................... 16
Figura 2: Processo de recuperação baseado no sistema Querying .......................................... 17
Figura 3: Pesquisa baseada no Browsing ................................................................................ 18
Figura 4: Recuperação da informação e seus 2 níveis ............................................................. 19
Figura 5: Representação vetorial de um documento com dois termos de indexação ................ 26
Figura 6: Representação vetorial de um documento com três termos de indexação. ............... 27
Figura 7: Representação de um conjunto documental com a vetorização. ............................... 27
Figura 8: Modelo de Geração de Estrutura de Visualização da Informação.............................. 36
Figura 9: Representação na técnica Bifocal Display (a) e Perspective Wall (b). ....................... 38
Figura 10: Aplicação do Perspective Wall ................................................................................ 39
Figura 11: Esquema básico da técnica cone tree, com as ramificações dispostas na base de
um cone, com nodo principal no topo. ............................................................................. 40
Figura 12: Interface tridimensional da Cam Tree (com desenvolvimento horizontal) ................ 40
Figura 13: Esquema básico da técnica tree-maps. .................................................................. 41
Figura 14 : Modelo Treemap apresentada pelo MIT................................................................. 42
Figura 15: Esquema básico da técnica hyperbolic tree. ........................................................... 43
Figura 16: Modelo Hiperbolic tree apresentada pela Inxight ..................................................... 43
Figura 17: Tipos de minerações na WEB................................................................................. 52
Figura 18: Esquema de co-citação entre documentos ............................................................. 54
Figura 19: Esquema de Acoplamento Bibliográfico entre documentos ..................................... 55
Figura 20: Esquema de Co-acesso entre documentos ............................................................. 56
Figura 21: Aplicação de Clusterings ........................................................................................ 58
Figura 22: Representação em Pathfinder ................................................................................ 59
Figura 23: Aplicação de uma representação MDS ................................................................... 61
Figura 24: Análise de co-ocorrência baseado no WebSOM ..................................................... 62
Figura 25: Estruturas preservadas por cada técnica ................................................................ 64
Figura 26: Aplicação da técnica detail+overview no Google Earth ........................................... 66
Figura 27: Aplicação da visão olho de peixe (Fisheye View) com a ferramenta “aiSee” ............ 68
Figura 28: Combinações entre técnicas de desenvolvimento de interfaces visuais para
recuperação da informação ............................................................................................ 70
Sumário
1. Introdução ................................................................................................................... 14
1.1 Objetivos ....................................................................................................................... 21
1.2 Metodologia .................................................................................................................. 22
2. Recuperação da Informação ....................................................................................... 24
2.1 Modelo Vetorial ............................................................................................................. 25
2.2 Browsing ....................................................................................................................... 31
3. Visualização da Informação ........................................................................................ 35
3.1 Modelos de Interfaces Visuais ....................................................................................... 37
4. Produção Automatizada de Interfaces Visuais para Recuperação da Informação . 46
4.1 Estabelecimento de modelos visuais para recuperação da informação .......................... 46
4.2 Desenvolvimento de Interfaces Visuais para Recuperação da Informação ..................... 50
4.2.1 Análise e Transformação de Dados ............................................................................... 51
4.2.2 Aplicações de Algoritmos de Classificação e Distribuição Visual .................................... 56
4.2.3 Aplicações de Técnicas de Transformação Visual ......................................................... 65
4.3 Análise dos Métodos ..................................................................................................... 70
5. Considerações Finais ................................................................................................. 72
14
1.
Introdução
O valor de um sistema de informação está condicionado não somente à
qualidade e à quantidade da informação disponível, mas também por sua
capacidade ou facilidade de encontrar determinada informação, facilidade esta
que naturalmente diminuirá conforme aumente a quantidade de informação.
Não é de se estranhar, portanto, que a investigação em técnicas de acesso e
recuperação de informação tenha experimentado seu maior auge com o
surgimento de um sistema de informação de dimensões gigantescas, como a
World Wide Web. (HASSAN-MONTERO, 2006)
Pesquisadores em recuperação da informação há tempos vêm buscando
encontrar formas que tornem sistemas mais acessíveis aos usuários finais.
Têm ainda procurado novos meios dos usuários explorarem os dados em uma
base de dados. Técnicas de visualização - métodos computacionais para
exibição gráfica de uma grande quantidade de informação (CARD, 1999),
parecem promissoras como um meio para atingir estes objetivos. (MORSE;
LEWIS, 1997)
Avanços da Visualização da Informação foram impulsionados
significativamente pelas pesquisas em Recuperação da Informação. Um dos
problemas centrais para pesquisadores e profissionais ligados à recuperação
da informação é melhorar a eficácia e a eficiência do processo de recuperação.
De modo geral, quanto mais usuários conheçam seu espaço de pesquisa, mais
as suas buscas se tornarão efetivas (BÖRNER, 2003). Diversos sistemas de
visualização da informação descrevem estruturas semânticas globais da
coleção de documentos. Usuários utilizam dessa “visualização estrutural” como
uma base para pesquisas posteriores.
15
Recuperação da Informação (RI) é um campo de pesquisa que se refere
ao processo de busca, exploração e descoberta de informação em repositórios
de dados organizados a fim de satisfazer às necessidades informacionais de
seus usuários. Zhang (2008) apresenta dois componentes fundamentais na
recuperação da informação: Information Retrieval e Information Organization.
Na perspectiva dos usuários, a Information Organization é um processo interno
nos sistemas de recuperação de informação, sendo essencial para a
Information Retrieval, porém, invisível e não transparente. Na perspectiva do
sistema, a Information Organization é indispensável, vital e fundamental. O
método da Information Organization afeta diretamente o método da Information
Retrieval. E isto não é uma exceção para os sistemas de visualização para
recuperação da informação. Estes sistemas necessitam processos de
Information Organization apropriados que suportem apresentações visuais e
recursos de recuperação (ZHANG, 2008).
Adequando-se a este esquema, analisemos duas frentes da
recuperação da informação: o Browsing e o Query searching (ou simplesmente
Querying). Análise esta, que nos ajudará a compreender as necessidades da
aplicação da visualização da informação na área de Recuperação da
Informação.
Estes dois paradigmas básicos da recuperação da informação refletem
dois tipos de comportamento na busca de informação. Cada um deles possui
vantagens e desvantagens, e complementam-se na RI (ZHANG, 2008).
O Querying é considerado uma pesquisa analítica baseada no modelo
clássico, representado na Figura 1 (BELKIN, CROFT, 1987). Neste modelo há
um conjunto de documentos (corpus) a serem buscados, representados
através de termos de indexação (palavras-chave). O usuário formula uma
busca expressando sua necessidade informacional para que o sistema
verifique através de seu vocabulário controlado os documentos que satisfazem
a expressão de busca. A partir disso, o usuário inspeciona os documentos
recuperados e seleciona os que lhe interessa (COX, 1992).
16
Figura 1: Processo modelo clássico de recuperação da informação
Fonte: adaptado de Cox, 1992
Ainda que este modelo tenha funcionado bem e se adaptado às
mudanças tecnológicas, diversos problemas permanecem existindo em suas
aplicações. (BATES, 1989; COOPER, 1988; WILLETT e WOOD, 1989). Alguns
podem ser listadas como:
Dificuldade em formular a expressão de busca
Resultado vazio na busca
Adaptação para outros objetos além de documentos (como sons e
imagens)
Definição de termos que representem o objeto
O Querying é uma complexa tarefa na qual se envolve a articulação
entre a necessidade informacional formulada em uma expressão de busca com
a representação dos objetos pelo sistema através de termos de um vocabulário
controlado (ZHANG, 2008). A possibilidade de uma pesquisa através do
Querying, onde a expressão do usuário não coincida com a representação
dada pelo sistema faria com que a busca falhasse em seus objetivos.
Diversos autores, a fim de contornar esta dificuldade, sugerem o
Browsing como um sistema alternativo capaz de se utilizar da capacidade de
reconhecimento de usuários humanos, podendo, ainda, ajudá-los a superar
algumas dificuldades na pesquisa (BATES, 1989; COVE e WALSH, 1987;
MARCHIONINI, 1987; HILDRETH, 1982; ODDY, 1977).
O Browsing refere-se à visualização, olhar global, visão geral e
exploração da informação no conjunto documental. É um importante recurso
Representação
comparação
Representação
Problema
Informacional
Pergunta
Vocabulário
Controlado
Conjunto
Documental
17
para explorar e descobrir informação. O ambiente informacional é
indispensável, essencial e vital para o funcionamento do Browsing (HASSAN-
MONTERO, 2006). Porém, Zhang (2008) lembra que a capacidade do
Browsing ainda é limitada quando aplicada em ambientes informacionais que
se apresentam seus resultados de busca através de listas lineares.
O Browsing pode ser definido como “uma atividade interativa de busca
na qual a direção da pesquisa é determinada pelo usuário com base no
feedback imediato do que o sistema apresenta” (COX, 1992).
Baseando-se no processo de recuperação por Querying apresentado na
Figura 1, Cox (1992) representa na Figura 2 o processo de recuperação de
objetos examinados em um pequeno espaço documental minimamente
estruturado.
BASE DE
BASE DE
DADOS
DADOS
FILTRO DE BUSCA
FILTRO DE BUSCA
BASEADO EM
BASEADO EM
QUERYING
QUERYING
CONJUNTO DE
CONJUNTO DE
DADOS
DADOS
RECUPERADOS
RECUPERADOS
Figura 2: Processo de recuperação baseado no sistema Querying
Fonte: adaptado de Cox, 1992
Na busca baseada no Browsing é necessário que o usuário se posicione
na base de dados já estruturada. O usuário se move dentro desta estrutura
com base nas informações recebidas do sistema (Figura 3). Em nenhum
momento se isolam os objetos para uma analise independente. O usuário
desloca-se livremente para as suas áreas de interesse.
18
FocoFoco de de
Aten
Aten
ç
ç
ã
ã
o
o
FocoFoco de de
Aten
Aten
ç
ç
ã
ã
o
o
Figura 3: Pesquisa baseada no Browsing
Fonte: adaptado de Cox, 1992
Ajudando a contextualizar os dois modelos de recuperação, Zhang
(2008) aponta dois diferentes graus de informações a serem recuperadas: um
de nível micro e outro de nível macro. Informações de nível micro referem-se a
objetos individuais, ou se tratando de um documento, elementos individuais
(por exemplo, palavras-chave e resumo) enquanto que o nível macro da
informação se refere a conjuntos de objetos agregados em uma coleção de
dados. Enquanto a informação de nível micro é obvia e direta, a de nível macro
é indireta e sofisticada. Vale ressaltar que as informações agregadas são
geradas a partir da junção dos objetos individuais que formam o micro-nível
informacional. Os dois níveis se distinguem em sua natureza. O valor dado às
informações agregadas prove da conexão de objetos, tendências e padrões
que surgem a partir dos objetos individuais no micro-nível. A informação no
nível macro também ajuda usuários explicar a localização de informações
relacionadas a outros itens ilustrando visões gerais holísticas e contextos
heurísticos.
O objetivo final de um sistema de recuperação de informação é prover a
usuários resultados precisos, relevantes e confiáveis. Portanto, certamente o
sistema não deveria incluir somente informações de nível micro. Para este
objetivo, os dois níveis de informação devem estar disponíveis e acessíveis aos
usuários. Na maioria dos sistemas é perceptível a predominância do Querying
na recuperação de informações de nível micro através da comparação entre
expressão de busca e os termos que representam os objetos individualmente.
A informação agregada (nível macro) é pouco utilizada, se não totalmente
ignorada neste modelo. O Browsing, porém se foca tanto nos objetos isolados
como também as de nível macro conforme a figura 4.
19
Recuperação da Informação
Querying Browsing
Informação Agregada dos
objetos/itens
Objetos/itens
Nível Macro
Nível Micro
Recuperação da Informação
Querying Browsing
Informação Agregada dos
objetos/itens
Objetos/itens
Nível Macro
Nível Micro
Figura 4: Recuperação da informação e seus 2 níveis
Fonte: adaptado de Zhang, 2008
Encaminhando a discussão para a visualização da informação, são
necessários alguns comentários acerca das características espaciais de
conjuntos documentais já mencionados.
O espaço informacional é multidimensional, abstrato e invisível,
possuindo duas relações básicas: semântica e espacial (ZHANG, 2008).
Características semânticas são perceptivas através da organização do conjunto
os dados, revelando suas relações. As características espaciais não são tão
obvias como as semânticas. Por si só, informações abstratas não tem forma
definida (KOIKE, 1993), e, por isso, não constituem um espaço. São as
relações semânticas entre os dados/informações que estabelecem a estrutura
espacial do espaço documental.
Um espaço informacional pode ser constituído por características
intrínsecas como palavras-chave, citações, hiperlinks e autores; ou extrínsecas:
como catálogos de assuntos e Tesauros. Pode ainda possuir ambos os
atributos. Uma importante propriedade do espaço é a distância entre dois
objetos no conjunto documental capaz de, por exemplo, definir caminhos mais
curtos entre links em sistemas baseados em hiperlink.
20
O Browsing é dependente deste ambiente informacional e está
claramente associado à direção, distância, posição, e outras propriedades
espaciais fundamentais, constituindo uma série de movimentos espaciais de
um foco de atenção a outro. Quando permanecem no mesmo foco, usuários
examinam o conteúdo do objeto e seu contexto, julgam a relevância de
documentos, identificam tendências, analisam clusters significativos, comparam
padrões, avaliam os resultados da pesquisa ou reformulam suas estratégias de
busca. Os padrões espaciais do Browsing são forcados diretamente nestes
pontos.
Portanto, as interfaces visuais para recuperação da informação referem-
se ao processo de transformação de dados abstratos invisíveis e suas relações
semânticas em um conjunto de dados dentro de um display, e a possibilidade
de visualização do processo interno de recuperação por parte dos usuários
(ZHANG, 2008). Basicamente, podemos compreender a visualização para
recuperação da informação em dois componentes: apresentação visual da
informação e a recuperação visual da informação, onde a apresentação visual
oferece uma plataforma onde a recuperação visual é executada e conduzida
(LIN, 1997).
Criar e desenvolver ambientes visuais para recuperação da informação é
um complicado processo que é afetado por diversas variáveis devido à
multiplicidade de possíveis estruturas visuais, objetos a serem visualizados,
métodos de organização, abordagens de apresentações e controles de busca.
Em trabalho de Börner et al (2003), os autores realizaram revisões de
diferentes etapas e técnicas para a produção de interfaces visuais para
recuperação da informação, firmando bases teóricas e metodológicas para a
área.
Após a contextualização do tema abordado, caracterizamos o problema
que motivou o desenvolvimento de nossa pesquisa: a pouca produção cientifica
e bibliográfica sobre representações visuais que permitam novas abordagens
na Recuperação da Informação. Isso sem falar em trabalhos produzidos no
Brasil, que ainda tem mínima participação neste próspero escopo de pesquisa.
Investigadores em Recuperação da informação têm buscado maneiras para
21
tornar sistemas de buscas mais acessíveis para seus usuários, e ainda, novas
formas de exploração de dados/informação. Modelos de visualização se
colocam promissores como meio de atingir estes objetivos.
O instigante das representações visuais para recuperação da informação
é a diversidade de possíveis modelos. A alta dimensionalidade dos atributos
dos objetos e suas sofisticadas relações no espaço documental juntamente
com a limitação espacial das interfaces visuais, sugerem uma redução
dimensional dos objetos para que eles possam se ajustar na interface visual.
Com isso, atributos significativos são identificados e preservados enquanto que
atributos irrelevantes são sacrificados. Sendo assim, podemos chegar de várias
formas a identificação de atributos principais dos objetos e diversas formas de
desenvolver modelos visuais que os apresentem. Embora haja uma variedade
de modelos e sistemas visuais para recuperação da informação, um
procedimento básico para seu desenvolvimento é comum a todos. Desenvolver
mecanismos interativos de recuperação da informação é crucial para que
usuários finais possam explorar espaços informacionais visuais.
1.1 Objetivos
Como já dito, diversas variáveis influenciam diretamente na elaboração
de modelos visuais para RI (estruturas visuais, objetos a serem visualizados,
métodos de organização visual, abordagens de apresentações, controles de
busca, etc.). Para estabelecê-las, uma série de passos devem ser levados em
conta. A pesquisa objetiva detalhar estes processos, destacar suas
potencialidades e discuti-los.
Para tanto, consideram-se como objetivos específicos:
1. Pontuar aspectos teóricos da Visualização da Informação aplicada à
Recuperação da Informação;
2. Apresentar técnicas de interfaces visuais que representaram avanços
significativos para a área;
3. Descrever combinações de técnicas de desenvolvimento de
interfaces visuais para recuperação da informação.
22
A presente investigação se insere na linha de pesquisa “Informação e
Tecnologia do Programa de Pós-Graduação em Ciência da Informação da
Faculdade de Filosofia e Ciências UNESP - Campus de Marília, na área de
concentração “Informação, Tecnologia e Conhecimento”, cuja delimitação
compõe a análise de interfaces visuais para recuperação de informação.
1.2 Metodologia
Esta pesquisa caracteriza-se como exploratória e descritiva, com
levantamento e análise documental sobre o tema e análise das etapas e
procedimentos de modelos de interfaces visuais. O levantamento bibliográfico
baseou-se na literatura registrada em livros, artigos, teses e dissertações
capazes de abarcar a temática desenvolvida. Pouca bibliografia foi encontrada
em língua portuguesa. Os textos, em sua maioria, são preponderantes em
língua inglesa e espanhola e vêem das áreas de Ciência da Informação,
Tecnologia e Ciência da Computação. O processo de recuperação da
informação, incluindo seus dois modelos de Browsing e Querying (FERNEDA,
2003; MARCHIONINI, 1995; HASSAN-MONTERO, 2006; RIJSBERGEN,
1975), a área de Visualização da Informação (CARD, 1999; ZHANG 2008;
CHEN, 2006) e os processos de criação de interfaces visuais para recuperação
da informação (HERRERO-SOLANA, 2000; HERRERO-SOLANA E HASSAN-
MONTERO, 2006; LIN, 1997; ZHANG, 2008; CHUNG Et al, 2003; POLANCO E
ZARTL, 2002; BÖRNER Et al., 2003) subsidiaram o levantamento bibliográfico
no desenvolvimento de uma base teórica adequada à pesquisa.
A dissertação está organizada em cinco capítulos, entre os quais se
inclui o introdutório (Capítulo 1) no qual é apresentado o universo da pesquisa,
seu problema, proposta e objetivos. Bem como a metodologia e justificativa do
trabalho desenvolvido.
No Capítulo 2 são apresentados aspectos relacionados diretamente a
recuperação da informação. Diversos modelos e teorias em representações
visuais para recuperação da informação dependem diretamente das teorias,
modelos e conceitos básicos da Recuperação da Informação. Em outras
23
palavras, não podemos explicar visualização no contexto proposto sem
fundamentarmos a Recuperação da informação e seus dois paradigmas
básicos: o Browsing e o Querying.
Os conceitos de visualização da informação, representação visual e seu
processo de abstração são descritos no Capítulo 3. Estes conceitos tornam-se
fundamentais para a construção e processo de criação de interfaces visuais
para recuperação da informação. São apresentadas, ainda, técnicas de
visualização que representaram avanços significativos para o desenvolvimento
da área.
No Capítulo 4 é descrito o processo de desenvolvimento de interfaces
visuais para recuperação da informação. Primeiramente é discutido uma série
de passos que devem ser levados em consideração na escolha de modelos
visuais antes mesmo de sua criação, como por exemplo: a determinação do
paradigma de recuperação (Querying e Browsing); a identificação dos objetos a
serem expostos; a extração de atributos dos objetos; a definição estrutural do
espaço visual; dentre outros. Ao todo, são descritos oito passos. Após essa
descrição é apresentada três etapas ou fases que compõe diversos esquemas
metodológicos propostos para a produção automatizada de interfaces visuais
para a recuperação da informação: Análise e transformação de dados;
Aplicação de algoritmos de classificação e distribuição visual; e Aplicação de
técnicas de transformação visual. São comparados e discutidos os diferentes
métodos de cada etapa.
Por fim, no Capítulo 5 são apresentadas as considerações finais
pontuando os principais aspectos da pesquisa em relação aos resultados
obtidos e objetivos traçados, com destaque a suas possibilidades futuras
campo da Ciência da Informação.
24
2.
Recuperação da Informação
Apresentam-se neste capítulo os fundamentos conceituais e
interdisciplinares relacionados ao campo da Recuperação da Informação,
enquanto área específica da Ciência da Informação.
Ao discutir conceitos, teorias, modelos ou metodologias relacionadas à
visualização de interfaces para recuperação da informação, não podemos
simplesmente ignorar ou contornar os conceitos e teorias básicas da
Recuperação da Informação. Em outras palavras não podemos descrever de
forma explicita os modelos gráficos para recuperação da informação sem
buscar um referencial teórico que aponte os princípios da Recuperação da
informação.
A recuperação da informação é uma extensa área de pesquisa com
relativa maturidade teórica. A criação de seu conceito é atribuída a Calvin
Mooers, que em 1950 definiu o problema da documentação como “uma busca
de informação em um conjunto de dados armazenados, efetuados a partir da
especificação de um tema”.
Nos sistemas analíticos de recuperação da informação devemos
distinguir entre sistemas de recuperação de dados e recuperação de
informação (RIJSBERGEN, 1975). Esta diferenciação está motivada
principalmente pela técnica empregada na comparação entre a expressão de
busca e espaço documental, denominadas como equiparação exata e
equiparação parcial, respectivamente.
A equiparação exata é um método determinista de comparação entre
expressão de busca e espaço documental no qual resultam somente
25
documentos que expressam completamente os critérios expressados na busca.
Em outras palavras, só se recuperam os documentos representados por todos
os termos utilizados na expressão de busca.
A equiparação parcial é um método que possibilita tanto a obtenção de
resultados parcialmente válidos ou pertinentes como a ordenação destes
resultados de acordo com o grau de relevância para a expressão de busca
utilizada. Para isso, Herrero-Solana e Hassan-Montero (2006) apontam as
necessidades que modelos de busca devem proporcionar:
Um método para transformar documentos textuais em
representações numéricas e computáveis;
Um método que, sobre esta representação dos dados, realize uma
ponderação automática dos termos que compõe o documento;
Um método de equiparação que permita calcular o grau de relevância
presumida de cada documento do corpus para uma expressão de
busca com base em seus termos.
Herrero-Solana e Hassan-Montero apontam, entre diferentes modelos de
recuperação de informação, o modelo espaço vetorial (ou simplesmente
modelo vetorial).
2.1 Modelo Vetorial
O modelo vetorial sugere um espaço no qual é possível recuperar
resultados que respondam parcialmente a uma busca. A representação dos
dados se obtém mediante a vetorização do conjunto documental: o documento,
representado por um vetor (V), onde cada elemento representa o peso do
respectivo termo de indexação (t), representa uma dimensão ou eixo gerando
uma matriz de espaço multidimensional com colunas representando os termos
e as linhas do documento.
No modelo vetorial, introduzido pela primeira vez por Salton (1989), um
documento é definido por n funcionalidades e atributos independentes. Estes
recursos podem ser usados para a descrição de assuntos do documento. Em
26
muitos casos, estes atributos são extraídos de títulos, resumos, palavras-
chave, ou do próprio texto completo (ZHANG, 2008, p.22).
d
i
= (t
i1
,
t
i2
,
t
i3
,
t
in
)
Na equação acima, d
i
é um documento, enquanto que t
i
são as
características que descrevem o documento. Seu valor ou peso reflete a
importância do atributo t
in
para o documento d
i
. O valor de t
in
é geralmente
normalizado para variar entre zero e um, e n é o número de características ou
dimensionalidade do espaço vetorial.
Ferneda (2003, p.28) apresenta dois exemplos de representação gráfica
dos documentos DOC
1
e DOC
2
; No primeiro é tem-se o DOC
1
com termos de
indexação t
1
e t
3
, com pesos 0.3 e 0.5, respectivamente:
t
1
t
3
DOC
1
0.3
0.5
Figura 5: Representação vetorial de um documento com dois termos de indexação
Fonte: Ferneda (2003, p. 28)
No segundo exemplo, a Figura 6 representa graficamente um DOC
2
com
termos de indexação (t
1
, t
2
e t
3
) de pesos 0.5, 0.4 e 0.3, respectivamente, em
um espaço tridimensional:
27
t
1
t
2
t
3
DOC
2
0.5
0.4
0.3
Figura 6: Representação vetorial de um documento com três termos de indexação.
Fonte: Ferneda, 2003, p. 28
O autor ainda ressalta que estas representações só foram permitidas
devido ao uso de apenas 3 termos:
Obviamente, um sistema real contém um grande número de termos
de indexação e documentos. Um corpus contendo um número
indefinido de termos e documentos e termos de indexação pode ser
representado através de uma matriz onde cada linha representa um
documento e cada coluna representa a associação de um
determinado termo aos diversos documentos. (FERNEDA, 2003,
p.29)
A representação de grandes espaços vetoriais consiste de uma matriz
documentos-termos na qual as linhas e colunas são documentos e atributos
respectivamente.
t
1
t
2
t
3
… t
i
DOC
1
w
1,1
w
2,1
w
3,1
… w
i,1
DOC
2
w
1,2
w
2,2
w
3,2
... w
i,2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
DOC
n
w
1,n
w
2,n
w
3,n
... w
i,n
Figura 7: Representação de um conjunto documental com a vetorização.
Fonte: Ferneda (2003, p.30)
A Figura 7 ilustra a representação de um grande espaço vetorial onde
w
i,n
é o peso do documento n para o termo i. Desta forma, cada documento
possui um vetor coligado e organizado por pares de elementos (termo1, peso1;
termo2, peso2..., termo n, peso n).
28
O valor de cada elemento do vetor representa a importância do
respectivo termo na descrição do documento. Estes pesos podem ser
atribuídos manualmente, o que necessitaria de pessoal especializado
trabalhando durante certo tempo. No entanto, Salton e McGill (1983, p.204-
207) propõem um forma automática de calcular os pesos dos vetores que
representam os documentos partindo-se da premissa que os termos de um
documento representam o seu conteúdo (LUHN, 1958).
Inicialmente define-se a freqüência de um termo (“term frequency” - tf)
como sendo o número de vezes que um determinado termo t aparece no texto
de um documento d.
dtdt
freqtf
,,
Essa medida (tf) não faz distinção entre termos que ocorrem em todos o
documentos do corpus e termos que ocorrem somente em alguns documentos.
Sabe-se intuitivamente que um termo que aparece em todos os documentos
terá provavelmente pouca utilidade em identificar a relevância dos documentos.
Portanto, para um cálculo preciso do peso de um determinado termo de
indexação é preciso uma estatística global que caracterize o termo em relação
a todo o corpus. Esta medida, chamada “inverse document frequency” (idf),
mostra como o termo é distribuído pelo corpus, e é calculada da seguinte
forma:
t
t
n
N
idf
onde N é o número de documentos no corpus e n
t
é o número de documentos
que contém o termo t.
Quanto menor o número documentos que contêm um determinado
termo, maior o idf desse termo. Se todos os documentos do corpus contiverem
um determinado termo, o idf desse termo será igual a um (1).
Finalmente, o peso de um termo t em relação a um documento d ( w
t,d
)
é definido através da multiplicação da medida tf pela medida idf. Essa nova
medida é conhecida como tf*idf e possui a seguinte fórmula:
29
tdtdt
idftfw
,,
A medida tf*idf é utilizada para atribuir peso a cada elemento dos vetores
que representam os documento do conjunto documental. Os melhores termos
de indexação (os que apresentarão maior peso) são aqueles que ocorrem com
uma grande freqüência em poucos documentos.
Igualmente à representação documental, no modelo de espaço vetorial
podemos, também definir como vetores as expressões de buscas feitas pelo
usuário. Na equação abaixo q
n
é o peso da característica n e seu valor será
definido de acordo com a necessidade informacional do usuário. Fica evidente
a semelhança das representações estruturais dos documentos e da
expressões de busca.
q
i
= (q
i1
,
q
i2
,
q
i3
,
q
in
)
Zhang (2008) nos adverte que em circunstâncias normais, o número de
características individuais (n) em uma matriz documentos-termos é
extremamente volumoso devido à quantidade de termos utilizada na indexação
dos documentos. Quando o número de documentos em uma coleção aumenta,
o número de atributos também aumenta. Entretanto, a relação entre o número
de documentos e o número de características não é simplesmente linear.
Quando a quantidade de documentos atinge um certo nível, a quantidade de
atributos tende a se estabilizar (ZHANG , 2008, p. 23).
Listamos a seguir diversos pontos fortes do modelo de espaço vetorial:
1. A estrutura baseada em vetores é adequada para a representação de
objetos com vários atributos. O espaço vetorial é um caminho natural
para representação documentos devido sua grande variedade de
características.
2. A idéia de pesos complementa a indexação após a extração de
termos relevantes que caracterizam o documento. Os pesos
permitem quantificar quais termos representam melhor o objeto ou a
totalidade em que se encontram
30
3. Da mesma forma, os pesos podem também ser ligados aos termos
de busca, tornando-a mais acurada e flexível.
4. Baseado no modelo vetorial, uma variedade de cálculos de
similaridade podem ser desenvolvidos como medidas baseadas em
distância, baseadas em ângulos etc. uma vasta gama de aplicações
de similaridade no espaço vetorial permite usuários fazerem escolhas
mais refinadas. Através de diferentes aplicações de comparação da
expressão de busca e documentos.
5. O modelo vetorial oferece uma atmosfera ideal para diversas
implementações de métodos e técnicas sofisticadas de
processamento como: self-organization maps (SOM), redes
associativas Pathfinder, modelos de escalonamento multimnsional
(MDS).
Apresentamos a seguir alguns problemas e desafios do modelo vetorial:
1. Uma das dificuldades encontradas no espaço vetorial é a alta
dimensionalidade inerente, que faz com que sua eficiência dependa
de coleções relativamente menores.
2. Teoricamente, atributos e características (neste caso, termos) podem
ser extraídos de um documento. Estas características são usadas
para descrever o assunto dominante do objeto. Entretanto, estes
termos selecionados são usados na construção de uma matriz para
uma futura recuperação, neste período, o contextos semânticos dos
atributos do documento podem ser perdidos. Desde que possuam
diversos significados e seu exato significado só pode ser julgado no
próprio contexto. Esta é a dificuldade em fazer atribuições corretas
de termos em uma matriz documentos-termos, o que se não sanado
pode resultar em problemas de ambigüidade.
3. O modelo de espaço vetorial pressupõe que os descritores dos
documentos são independentes. O problema é que esta hipótese
pode simplificar demais a relação entre o uso de um termo e seu
contexto.
31
Uma vez representado numericamente o conjunto documental e
ponderado de forma automática cada um dos termos de cada documento, a
comparação parcial se obtêm mediante funções de similaridade.
As funções de similaridade são usadas pra indicar semelhanças entre
dois objetos através de um valor numérico. Um alto número representa uma
grande similaridade, e vice e versa.
As funções de similaridade, conforme indica Moya-Anegón (1994), são
aportes do campo da matemática que têm sido aplicados no campo da
recuperação da informação. Existem várias funções de similaridade, porém as
que têm apresentado melhores resultados são as que se baseiam em produto
escalar: a de co-seno (também chamada de Salton), a de Dice e a de Jaccard.
Todas estas funções de similaridade podem ser facilmente utilizáveis no
modelo vetorial.
Os valores da similaridade entre uma expressão de busca e cada um
dos documentos do corpus são utilizados no ordenamento dos documentos
resultantes. Portanto, no modelo vetorial o resultado de uma busca é um
conjunto de documentos ordenados pelo grau de similaridade entre cada
documento do corpus e a expressão de busca.
Como vemos, a maior vantagem na utilização de técnicas de
equiparação parcial, e, portanto, o modelo vetorial, é que possibilitam a
ordenação dos resultados em função do grau de relevância para as
necessidades informacionais do usuário.
2.2 Browsing
Em contraste com buscas formais (estratégias analíticas), percebemos
também buscas informais baseadas em estratégias heurísticas. Essas buscas
informais e interativas são conhecidas pelo termo Browsing. Geralmente
browsing tem caráter informal e oportuno, e sua busca depende austeramente
do ambiente organizacional.
Em uma estratégia de busca por browsing, em oposição ao querying, o
usuário explora ou inspeciona o conjunto documental, sem a necessidade de
32
expressar previamente quais são suas necessidades informacionais. É uma
resposta natural dos recursos humanos físicos, emotivos e cognitivos.
Solucionando diversos problemas de buscas de informações do mesmo modo
que humanos encontram e buscam objetos físicos. Isto se torna efetivo devido
a ambientes, particularmente os criados por humanos, serem geralmente
organizados sistematicamente e altamente redundantes - especialmente
ambientes informacionais que são ajustados de acordo com algum principio
organizacional.
O Browsing se torna particularmente efetivo para problemas
informacionais com dificuldade em definição de um tema ou temas
interdisciplinares e/ou quando o objetivo da busca da informação é obter uma
visão global sobre o tópico. Pode ainda ser útil para manter-nos atualizados
frente ao desenvolvimento de um determinado campo.
Esta é uma estratégia usada em numerosas situações cotidianas (ao
explorar as estantes de uma biblioteca ou livraria), porém em circunstancias do
meio digital, o melhor exemplo de busca por browsing é a atividade de
navegação hipertextual, onde o usuário explora visual e “espacialmente” o
conjunto hiperdocumental com o objetivo de encontrar ou localizar informação
de seu interesse.
O termo é usado em uma variedade de áreas incluindo: zoologia,
arquitetura, design, marketing, e Ciência da Informação (CHANG & RICE,
1993; MARCHIONINI, 1995). A literatura da Ciência da Informação e da
Computação usam o termo Browsing simplesmente para significar navegação,
Scanning, e Scrolling, e diversas interfaces incluindo “browsers” que permitem
usuários moverem ou entrarem em telas, janelas registros e bases de dados.
Na literatura da Biblioteconomia, Browsing ainda é associado a fichas
catalográficas e livros em estantes. Em seu artigo, Bates (1989) trouxe a
discussão da importância do Browsing em ambiente com estratégias de busca
online, enquanto que Cove e Walsh (1985) propuseram a segmentação do
browsing em três grandes categorias:
1. Browsing de busca (Search browsing), quando se tem claro o produto
desejado a ser pesquisado.
33
2. Browsing de propósito Geral (General purpose browsing), quando se
pesquisa em uma base para buscar fontes que contenham produtos
de interesse.
3. Browsing imprevisto (Serendipity browsing), quando a pesquisa é
totalmente ao acaso, desestruturada, e não direcionada.
Browsing é usado para diversos propósitos e é manifestado em
diferentes meios. Em contraste com estratégias analíticas, no qual a definição
tem total peso para o sucesso e eficiência da busca, estratégias baseadas no
browsing podem ser aplicadas a objetivos mais gerais ou informais e
dependem muito mais da informação encontrada durante a busca.
Fazemos Browsing para obter uma visão geral de um espaço conceitual
ou físico. Para esquadrinhar uma cena ou um documento, nós podemos
identificar características e usá-las para formar impressões do documento e
fazer analogias com espaços ou cenas conhecidas. Por exemplo, ao
esquadrinhar o titulo da página, tabela de conteúdos, sumário, índices, e
referencias de um livro, nós ganhamos um senso do escopo do conteúdo, sua
cobertura e a perspectiva organizacional do autor e assim podemos
rapidamente decidir se devemos investir tempo lendo a obra. Isto é importante
ao notar que nos casos dos livros, esses atributos utilizados primeiramente são
pré-estabelecidos por diversos padrões. Hildreth (1982) aponta que esses
recursos dos livros encorajam e potencializam o Browsing. Os ambientes
eletrônicos ainda estão apenas começando a construir um suporte sistemático
para o Browsing. Nós podemos fazer browsing em aplicações de softwares
gastando alguns minutos ao atravessar menus, executar comandos gerais ou
manipular objeto, ou ainda examinar o escopo da ajuda e das instruções.
Podemos listar algumas razões para realizar o browsing:
Obter uma visão Geral
Monitorar um processo
Dividir/compartilhar uma carga cognitiva
Tornar mais claro uma necessidade informacional
34
Desenvolver uma estratégia formal
Descobrir/aprender
Discutimos inicialmente, ao longo do capítulo, o modelo tradicional de
recuperação da informação, mais especificamente o modelo vetorial, suas
características e funções de apoio como a inversão de freqüência de
documentos e as funções de similaridade.
Estes conceitos, algoritmos e teorias essenciais de recuperação da
informação são pré-requisitos para o desenvolvimento de interfaces visuais
para recuperação da informação. Estas funções são vasto espectro de
soluções para um mesmo problema, cabe a pesquisadores escolhe-los e
desenvolve-los de acordo com sua necessidade.
Ainda neste capitulo, verificamos características do browsing. Uma das
áreas de investigação mais promissoras baseadas neste modelo são aquelas
representadas por estudos em Visualização da Informação ou Visualização
Científica, distinção terminológica condicionada à natureza dos dados
representados (POLANCO e ZARTL, 2007). Estes estudos têm tido como
enfoque direto nas representações de Interfaces visuais para a Recuperação
da Informação.
35
3.
Visualização da Informação
O avanço das tecnologias de Informação e comunicação permitem
disponibilizar um grande volume de informações de diversas origens e
formatos. Acessando grandes bancos de dados ou realizando buscas na Web
obtemos facilmente um volume gigantesco de informações. A sobrecarga de
informações é uma das principais preocupações na representação de
resultados obtidos através de sistemas de recuperação da informação. Uma
abordagem para contornar as dificuldades para selecionar as informações
relevantes dentre os resultados dentre o resultado da pesquisa é utilizar
técnicas de visualização de informações (GERSHON & EICK, 1995; 1997).
Visualização da Informação (VI) é um notório campo de pesquisa com
uma recente história, e tem crescido rapidamente devido a sua extensibilidade
em campos de pesquisa interdisciplinares. Trabalhos em visualização da
informação são agora encontrados em vários domínios, como bibliotecas
digitais e interação homem-computador.
A visualização, genericamente, é o uso de imagens para representação
de informação significativa (STASKO et al., 1997). Através de vários enfoques
a visualização busca um objetivo claro: transformar o dado em algo com mais
significado, ou seja, uma representação útil de forma que o observador humano
possa ter um melhor entendimento. Atualmente, essa transformação é
realizada com o auxilio do computador através de recursos gráficos, porém,
nem sempre visualizações gráficas necessitaram de recursos computacionais.
Diversas representações visuais são comuns no nosso cotidiano nos informam
e nos orientam pelo uso da semiótica. Card (1999) define visualização de
informação como o uso de representação visual, interativa e suportada por
36
computador, de dados abstratos para ampliar a cognição. O objetivo de
representar o dado abstrato visualmente consiste em auxiliar os indivíduos a
enxergarem um fenômeno no dado, usando a percepção para diminuir a
sobrecarga cognitiva. Processo identificado como “cristalização do
conhecimento”. Isso ocorre quando um indivíduo coleta dados para um
propósito específico, os analisa através de estruturas de representação e então
empacotam todas essas formas de representação para tomar uma decisão.
Mas para que a representação visual do dado seja efetiva, é importante que o
mapeamento preserve o dado, Card (1999) sugere um modelo de referência
para mapear o dado em formas visuais que aplica uma série de transformações
no dado bruto, o transformando em uma visualização.
A Figura 8 apresenta o modelo de geração de estruturas de visualização
da informação. A concepção dessas estruturas é iniciada pela organização dos
dados brutos em uma tabela de dados, a partir da qual se constrói uma
estrutura visual que representa as informações presentes na tabela, como:
gráficos, setores, diagramas, esquemas e mapas. Para isso, é realizada uma
transformação dos atributos (tabela de dados) para formas gráficas espaciais
representativas, para a obtenção de uma estrutura visual, uma imagem, que
ative o sistema perceptivo do usuário. Este pode manipular a estrutura visual
de várias maneiras (transformações de visões), ou seja, criam-se as visões que
permitem ao usuário observar as estruturas visuais sob algum enfoque em
específico e tomar alguma decisão ou realizar alguma ação (tarefa).
Figura 8: Modelo de Geração de Estrutura de Visualização da Informação
Fonte: adaptado de Card, 1999, p.17
Através de transformações de dados que contêm valores derivados ou
estruturas, o Dado Bruto é transformado numa relação ou conjunto de relações
Transformação
de Dados
Mapeamento
Visual
Transformações
de Visões
Dados
Brutos
Visões
Tarefa
Tabela de
Dados
Estruturas
Visuais
37
em forma de uma tabela de dados (mais estruturadas e mais facilmente
mapeadas para formas visuais), chamada de entidade.
A concepção de estruturas de Visualização da Informação é iniciada
pela organização dos dados brutos em uma tabela de dados, chamada de
entidade, a partir da qual se constrói uma estrutura visual a fim de representar
as informações presentes na entidade. A partir daí, as tabelas são mapeadas
para representações visuais que otimizam aumentam o conjunto espacial com
propriedades gráficas a fim de codificar a informação.
Para demonstrar a expansão do campo cientifico e apresentar progresso
na área, descrevemos a seguir algumas das técnicas de visualização da
informação que representaram avanços significativos para este estudo.
3.1 Modelos de Interfaces Visuais
O crescente desenvolvimento de técnicas de visualização tem-se
baseado, em geral, em implementações experimentais avaliadas de forma
empírica e isolada. Observando a literatura podemos intuir que muitas das
aplicações e conceitos utilizados atualmente advém de técnicas que visam
apresentar documentos estruturados, isto é, arquivos seqüenciais mas com
organização hierárquica. Estas técnicas representaram avanços significativos
na área de visualização da informação Representações em redes, mapas e
dispersão são tratadas mais profundamente no capítulo 4.
Nas representações hierárquicas, os elementos se apresentam em
diferentes níveis, ramificações ou agrupamentos, que descendem de um nó
(nodo) raiz – é uma representação comum de dados que tem em sua própria
natureza uma visualização hierárquica, como por exemplo, uma visualização
de estruturas complexas de diretórios de arquivos do computador. Conjuntos
de dados desta estrutura foram amplamente utilizados em demonstrações de
técnicas de visualização nos trabalhos pioneiros realizados no XEROX PARC.
Podemos perceber, ainda, que muitos dos conceitos utilizados
atualmente surgiram de técnicas visavam apresentar documentos estruturados,
38
isto é, arquivos com organização hierárquica, como a visualização em olho de
peixe (Fisheye View) de Furnas (1986) e a Bifocal Display.
Na técnica Bifocal Display (FURNAS, 1986), itens informacionais são
colocados em três áreas diferentes, sendo a central a que apresenta a
informação em destaque, enquanto as outras informações do contexto geral
são figuradas nas laterais da região focal (Figura 9b). A parte central com o
foco, por ocupar uma área privilegiada, acaba sendo exibida de forma
distorcida, por ter tamanho maior que suas laterais. O mesmo conceito foi
utilizado pela equipe da XEROC PARC na Perspective Wall (Figura 9b), onde o
espaço de informação é colocado em uma "parede", com os “muros” laterais
contendo a informação não destacada no momento.
(a) (b)
Figura 9: Representação na técnica Bifocal Display (a) e Perspective Wall (b).
Fonte: Freitas et. al., 2001, p.151
Abaixo, na figura 10, podemos verificar uma aplicação do Perspective
Wall desenvolvido pela Inxight.
39
Figura 10: Aplicação ação do Perspective Wall
Fonte: http://web.tiscali.it/soniasilva/vistimedata.html
A técnica Cone tree se utiliza de uma representação de informações
hierárquica na qual o nodo raiz de uma árvore, é localizado no ápice e suas
ramificações são apresentadas logo abaixo (Figura 11). O objetivo desta
representação é apresentar uma estrutura na qual uma hierarquia inteira ou um
grande percentual dela seja visível sem necessidade de scrolling, e permita a
supressão ou exibição de nodos durante a navegação. Também desenvolvidas
pela XeroxPARC, são uma versão tridimensional com efeito de sombra das
Hyperbolic Tree. As Hyperbolic Trees tinham como característica principal o
crescimento exponencial de seus elementos ou nodos.
40
Figura 11: Esquema básico da técnica cone tree, com as ramificações dispostas na base
de um cone, com nodo principal no topo.
Fonte: Freitas et. al., 2001, p.152
Com recursos de rotação, animação e zoom, a representação oferece
acesso rápido às informações com boa orientação para visualização. Cam
trees (Figura 12) e Reconfigurable Disc Trees são variações de cone trees com
representação horizontal de hierarquia, no primeiro caso, e uso de discos no
lugar de cones para reduzir a oclusão de nodos, no segundo.
Figura 12: Interface tridimensional da Cam Tree (com desenvolvimento horizontal)
Uma abordagem diferente da utilização de espaços geométricos pode
ser vista no Tree maps (Johnson, Shnaiderman, 1991). Como podemos ver na
figura 13, neste tipo de representação a estrutura hierárquica é representada
em subdivisões sucessivas no espaço do display. Cada uma dessas
41
subdivisões representa um diretório, e que por sua vez, também possui outras
subdivisões. Essa técnica, também conhecida como space-filling, foi o pioneiro
de diversas outras abordagens similares (Cushion TreeMaps, Information
Slices e a interface do Sunburst).
Figura 13: Esquema básico da técnica treemaps.
Fonte: Freitas et. al., 2001, p.153
Abaixo, apresentamos uma tree-map desenvolvida por Ben
Snheiderman, do Massachusets Institute of Technology (MIT). Este modelo foi
baseado na Classificação Decimal de Dewey (manual de classificação usado
por bibliotecas).
42
Figura 14 : Modelo Treemap apresentada pelo MIT.
Fonte: http://www.cs.umd.edu/hcil/treemap-history/
Como já afirmado antes, uma das técnicas que representou avanço
considerável em termos de apresentação e navegação foi a Hyperbolic Tree
(Figura 15). Esta representação apresenta hierarquias através de uma
visualização radial disposta em um plano hiperbólico. Apresenta ainda,
aspectos de construção conhecidos como espinha de peixe através da
indicação de um nodo de interesse, que é exibido no centro da interface
enquanto o contexto é mantido no restante do diagrama. Também empregada
e comercializada pela Inxight Co. A hyperbolic tree possui uma versão de
demonstração chamada Magnifind, que pode ser encontrada na página da
Inxight (http://www.inxight.com/).
43
Figura 15: Esquema básico da técnica hyperbolic tree.
Fonte: Freitas et. al., 2001, p.154
Os itens mais distantes do foco central é menos detalhado que os nodos
mais próximos. Os nós são representados por retângulos dispostos de maneira
radial com foco no centro da estrutura.
Mantendo as subdivisões visíveis, a interface ganha a redução de
sensação de perda de contexto por parte do usuário.
Figura 16: Modelo Hiperbolic tree apresentada pela Inxight
Fonte: http://www.cs.umd.edu/hcil/pubs/presentations/EyesHaveIt-
Oct2004_files/frame.htm
44
Uma das áreas de investigação mais promissoras baseadas nos estudos
de Visualização da Informação É o Browsing Gráfico, mais especificamente os
estudos com enfoque em representações de Interfaces Visuais para a
Recuperação da Informação ou VIRIs (Visual Information Retrieval Interfaces).
Uma definição de VI aplicada às VIRIs é apresentada por Eick (2001), ao
afirmar que a VI é “uma área de investigação enfocada na criação de interfaces
visualmente ricas para ajudar o usuário a compreender e navegar através de
espaços de informações complexos”.
Com base nessa definição podemos distinguir claramente duas funções
de qualquer VIRI:
Ajudar o usuário a compreender, proporcionando-o uma ‘grande
imagem geral’ de todo o conjunto documental.
Ajudar o usuário a navegar, possibilitando-o a localizar e recuperar
documentos que satisfaçam suas necessidades informacionais
através da exploração visual e a interação com a interface.
Como já colocado no capitulo anterior, o browsing como estratégia de
acesso a informação pode, também, apresentar alguns inconvenientes (entre
outros, a possibilidade de ocasionar ao usuário distração ao seu objetivo inicial
(Marchionini 1995)). Herrero-Solana (2000) afirma, por este motivo, que os
sistemas baseados no browsing não se colocam como substitutos de técnicas
baseados no querying, mas sim técnicas complementares.
O autor Xia Lin (1997) apresentada algumas vantagens com a
recuperação da informação através do browsing gráfico:
A possibilidade de representar uma grande quantidade de informação
em um espaço (visual) limitado
A capacidade de revelar relações semânticas entre documentos e
termos
A facilidade de exploração visual e inferência perceptiva da interface
Marcos-Mora (2004) aponta o browsing gráfico como um meio fácil e
cômodo devido sua naturalidade e a forma similar de buscar objetos no mundo
45
físico, e ainda propiciando a recuperação de informações de interesse de
maneira fortuita.
46
4.
Produção Automatizada
de Interfaces Visuais para
Recuperação da Informação
Neste capítulo são tratados processos de criação de interfaces visuais
para recuperação da informação e fatores relevantes no seu desenvolvimento.
São descritas fases a serem levadas em consideração na escolha e
implementação de modelos visuais. São também apresentadas e descritas três
etapas fundamentais que compõe esquemas metodológicos propostos para a
produção automatizada de interfaces visuais para a recuperação da
informação.
4.1 Estabelecimento de modelos visuais para recuperação da
informação
Interfaces visuais para recuperação da informação têm como objetivo
apresentar ao usuário visões reduzidas e simplificadas de espaços de
informação complexos (HERRERO-SOLANA E HASSAN-MONTERO, 2006).
Construir essas ferramentas visuais é um complicado processo que sofre
diversas interferências de variáveis devido à diversidade de possíveis
estruturas visuais, objetos a serem visualizados, métodos de organização
visual, abordagens de apresentações e controles de busca. Uma serie de fases
devem ser consideradas ao estabelecer modelos visuais para recuperação da
informação. Zhang (2008) divide em oito passos as etapas a serem
consideradas onde podemos analisar e discutir em detalhes.
47
Passo 1: Determinação de um paradigma de visualização para
recuperação da informação
Zhang (2008) descreve três possíveis paradigmas para a visualização de
interfaces para recuperação da informação baseadas nos modelos Browsing e
Querying. Apesar dos dois modelos possuírem características distintas,
podemos sintetizá-los em ambientes visuais para RI aproveitando as vantagens
de cada um deles (COX, 1992).
O primeiro paradigma apresentado por Zhang (2008) é o QB (Querying
and Browsing). Neste modelo é necessário que o usuário expresse uma
questão de busca antes de visualizar alguma interface gráfica. O sistema então
filtra uma área de interesse determinada pela questão e apresenta a interface
já direcionada às informações especificas ao usuário.
O segundo paradigma apresentado é o BQ (Browsing and Querying).
Este modelo sugere que o usuário estipule sua expressão de busca já
visualizando a interface. Feita a questão, os resultados relevantes são
realçados no espaço visual revelando o contexto dos dados recuperados.
O terceiro e último paradigma descrito é o BO (Browsing). Ou seja, é a
aplicação pura do Browsing, onde não são necessárias expressões de busca.
O usuário explora o espaço visual sem integrar os componentes do Querying.
Vale destacar que o “Query Searching não é categorizado como um paradigma
devido ele ser um paradigma tradicional da Recuperação da Informação onde
não é necessário o uso de um espaço visual” (ZHANG, 2008, p.16).
Os paradigmas apresentados têm efeito direto na fonte e recuperação
de dados brutos para visualização. O conjunto de dados é considerado a
nascente para modelos BQ e BO e a recuperação de objetos nestes modelos é
considerada estável. Para padrões QB um sistema de recuperação deve prover
resultados para que o sistema seja usado como fonte de dados e a
recuperação de seus dados brutos torna-se dinâmica devido a necessidade de
constantes mudanças e reconstruções de configurações visuais da interface
(COX, 1992).
48
Passo 2: Identificação das características dos dados
Zhang (2008) se refere à identificação destas características de dados
como a tipologia dos objetos dispostos no espaço visual. Em uma coleção de
dados há uma variedade de itens/peculiaridades no qual podem definir os
objetos a serem apresentados na interface. Por exemplo: documentos,
palavras-chave, periódicos, ou autores em uma base bibliográfica. A
identificação destas características se torna altamente significativa para o
conjunto de dados, usuários e a posterior recuperação da informação.
Passo 3: Extração de atributos
Um objeto pode ser descrito através de um grupo de atributos. Estes
atributos podem não somente definir as propriedades de um elemento, mas
também determinar sua posição em um espaço visual. Os atributos podem ser
homogêneos (um grupo de palavras-chave, por exemplo), e também,
heterogêneos (como data de publicação, autor, título, etc.). Eles devem, ainda,
ser coerentes com todo conjunto semântico do ambiente visual para
recuperação da informação e mensuráveis, permitindo expressá-los em formas
quantitativas para posterior cálculo.
O método de aplicação de atributos no ambiente visual varia em
diferentes situações. Lin (1997) nos lembra que estes atributos podem, não
somente, ser aplicados de forma direta aos espaços visuais para recuperação,
mas também de forma indireta, na qual são convertidas em formas
significativas e aplicadas indiretamente.
Passo 4: Definição estrutural de um espaço visual
A definição estrutural de um espaço visual refere-se à determinação da
dimensionalidade de um espaço visual e a definição de eixos para a
coordenação do sistema. A dimensionalidade de um espaço visual pode ser em
uma dimensão, bi-dimensional ou tri-dimensional. A definição estrutural permite
reduzir e visualizar, ainda que com distorções, um espaço multidimensional às
dimensões sensíveis a nossa percepção, tornando evidentes relações
inicialmente ocultas (MOYA-ANEGÓN e HERRERO SOLANA, 1999).
49
Passo 5: Definição de um espaço visual semântico
A definição de um espaço visual semântico é vital e essencial devido a
seu papel em definir a estrutura em que os elementos serão projetados:
agregam-se informações, decidem-se padrões, estruturas internas são
demonstradas e as interações observadas. A definição do espaço visual irá
determinar a área onde todos os elementos e objetos serão projetados. Isto
pode variar de simples formas a interfaces complexas com linhas, círculos,
arvores, etc. (ZHANG, 2008, p.18). Robertson (1991) apresenta usos de
metáforas para facilitar a compreensão de usuários não habituados com
modelos visuais como, por exemplo, apresentações com metáforas de
paisagens, sistemas solares, salas, etc. “Escolhendo representações
apropriadas podemos solucionar uma difícil apreciação de dados, beneficiando
analises subseqüentes” (ROBERTSON, 1991, p.69).
Passo 6: Projeção dos objetos
A projeção de dados deve ser considerada a parte central de todo o
procedimento. Isto determina a posição final de cada objeto no espaço visual e
conseqüentemente a configuração final da representação, pois a projeção dada
pelos algoritmos influencia diretamente no espaço visual semântico e sua
estrutura. As projeções dos objetos têm sua complexidade ligada diretamente
ao tipo de modelo da interface visual para recuperação da informação (ZHANG,
2008).
Como já sabemos, um objeto pode ter várias facetas na qual definem um
espaço informacional multidimensional. Quando o elemento é projetado dentro
de um espaço visual, somente as facetas significantes são apresentadas na
projeção devido a dimensionalidade limitada da interface. Neste sentido, devido
a esta redução, a projeção deve ser considerada o reflexo de uma parte das
relações entre os dados em detrimento de várias outras possíveis
apresentações (LIN, 1997).
50
Passo 7: Desenvolvimento de recursos interativos para recuperação
da informação
Os recursos interativos para recuperação da informação devem facilitar
o trabalho das representações visuais, ou seja, ajudar na exploração e
descoberta de conhecimentos. Com estas ferramentas interativas, usuários
podem pesquisar as informações do conteúdo de um determinado objeto, um
contexto local de uma área de interesse, e uma visão global do conjunto de
dados. No Querying, os recursos interativos deveriam ser integrados no
ambiente visual da recuperação da informação para satisfazer a necessidade
de busca de informações específicas.
Novos modelos de recuperação de informação podem ser desenvolvidos
com base em espaços semânticos e definições estruturais de interfaces visuais
(ZHANG, 2008).
Passo 8: Avaliação
O último passo é a avaliação das interfaces visuais para recuperação da
informação. A avaliação irá examinar se: os objetos, seus atributos extraídos, o
sistema de coordenação, seu design e os recursos interativos estão coerentes
e continuados no ambiente visual; se os dados estão dispostos
adequadamente, clara e precisamente; se as apresentações são significativas
e interpretáveis; e, por fim, se os recursos interativos estão bem integrados
com a representação (ZHANG, 2008).
4.2 Desenvolvimento de Interfaces Visuais para Recuperação
da Informação
Interfaces visuais para recuperação tentam, a priori, demonstrar tanto o
conteúdo quanto a estrutura do espaço informacional através do mapeamento
dos principais conceitos de um objeto (LIN, 1997). Diversos esquemas de
produção destas interfaces envolvem três etapas ou fases que compõe
diversos esquemas metodológicos propostos na literatura científica (CHUNG,
ET AL. 2003; POLANCO E ZARTL 2002; TURETKEN E SHARDA 2003;
BÖRNER ET AL. 2003): Análise e transformação de dados; Aplicação de
51
algoritmos de classificação e distribuição visual; e Aplicação de técnicas de
transformação visual. No estágio Análise e transformação de dados, recursos
essenciais de uma coleção são analisados e tabulados a fim de extrair
conhecimentos, inicialmente herméticos, dos objetos e do espaço
informacional. O estágio de Aplicação de algoritmos de classificação e
distribuição visual se compromete a gerar uma metáfora visual que reflita
visualmente a estrutura de dados gerada na etapa anterior, representando
dados multidimensionais em estruturas de duas ou três dimensões. Na última
etapa, Aplicação de técnicas de transformação visual, a estrutura visual é
apresentada ao usuário e técnicas de interação e de redução de sobrecarga
visual são aplicadas.
Descrevemos a seguir os processos utilizados nas três etapas de
criação de interfaces visuais para recuperação da informação:
4.2.1 Análise e Transformação de Dados
O primeiro passo na visualização de espaços complexos de informação
é a indexação automática de um conjunto de documentos eletrônicos, muito
similar aos sistemas baseados no modelo vetorial de Salton (1989).
É importante lembrar que os sistemas baseados no Browsing têm, além
do objetivo de possibilitar uma classificação automática do conjunto de
documentos (como o Querying, que compara o conjunto com a busca
realizada), como também de descobrir relações subjacentes entre os
elementos deste conjunto.
Herrero-Solana e Hassan-Montero (2006) ressaltam ainda que quando
documentos eletrônicos contêm informações complementares, como
hipertextos ou etiquetas de marcação, podem também ser vetorizadas para
posterior aproveitamento.
Tratado o conjunto documental, é possível uma série de análises com o
objetivo de descobrir relações entre documentos, assim como entre seus
termos.
Entendendo estas diferentes técnicas como métodos de extração de
conhecimentos imprevistos, podemos claramente envolve-las em um
52
importante campo de pesquisa nas áreas de Indexação, Recuperação da
Informação e Banco de Dados: a Mineração de Dados (Data Minning). Data
Minning pode ser definido como um processo de descobrimento de
conhecimento (a priori desconhecido) em um conjunto de dados complexos por
meio de informações potencialmente úteis, “ocultas” em padrões e relações
estruturais implícitas (Kopanakis e Theodoulidis 2003).
Podemos ainda diferenciar a Mineração de Dados em três distintos tipos:
mineração de conteúdo; de estrutura e de uso. Baeza-Yates (2004) os
identifica abaixo na figura 17, onde tanto usuários como softwares estão
envolvidos na geração ou extração de dados.
Web
Logs
Uso
ConteúdoVínculos
Estrutura
Web
Logs
Uso
ConteúdoVínculos
Estrutura
Figura 17: Tipos de minerações na WEB
Fonte: Adaptado de BAEZA-YATES 2004
Mineração de Conteúdo
Nasukawa e Nagano (2001) definem a mineração de conteúdo (por eles
tratada como mineração de textos) como o “encontro, no texto, de padrões e
regras úteis que indicam tendências e características significativas sobre
assuntos específicos”. Podemos identificar relações semânticas entre textos
que compartilhem mesmos termos. O que conhecemos como co-ocorrência.
Herrero-Solana e Hassan-Montero (2006) levantam a possibilidade de
calcular a semelhança entre dois documentos comparando os vetores de cada
53
objeto através de funções de similaridade (explicadas no capítulo 2).
“Igualmente é possível calcular a similaridade entre termos, tendo em conta
que a ocorrência de dois termos em um mesmo documento implica uma
relação semântica entre estes”. (HERRERO-SOLANA E HASSAN-MONTERO,
2006).
Diversos estudos buscam formas de assegurar a consistência da
indexação automática de textos em linguagem natural. É necessário levar a
cabo um controle terminológico antes de contabilizar freqüências de co-
ocorrência. Gil Leiva (1996) destaca algumas técnicas de controle para
indexação automática:
Eliminação de termos mediante uma lista de palavras vazias
previamente definidas.
Uso de procedimentos de stemming para reduzir o conjunto de
termos, identificando raízes terminológicas, eliminando duplicatas,
variáveis de gênero, número, etc.
Eliminação de termos com freqüências demasiadamente altas ou
excessivamente baixas.
Mineração de Estrutura
Na mineração de estrutura é preciso lembrar-se de sua alta
complexidade e de sua constante evolução do conjunto documental. A
Estrutura de dados digitais pode ser usada por buscadores a fim de
hierarquizar páginas mais citadas utilizando algoritmos de Pagerank (BRIN;
PAGE, 1998) como o usado no buscador Google. A mineração de estrutura
serve ainda para encontrar grupos que se apontam e representam determinada
comunidade, conhecido em alguns casos como Clusterings.
A Mineração de estrutura não se refere a estrutura própria de cada
documento de forma isolada. Ela trata da estrutura do espaço documental
definido pelos vínculos entre seus documentos.
Quando um documento cita outro, cria-se um vinculo expresso em uma
relação estrutural explicita entre os dois documentos. Porém através desta
54
relação é ainda possível descobrir estruturas implícitas e subjacentes de
relações entre os documentos.
Figura 18: Esquema de co-citação entre documentos
Herrero-Solana e Hassan-Montero (2006) citam o caso da análise de co-
citação, termo que se refere à citação através de hipertextos entre páginas
WEB. A idéia é que quando determinado documento aponta dois documentos
(ou mais) em sua estrutura ele também está apontando uma relação semântica
intrínseca e subjetiva entre estes.
Igualmente, os autores sugerem a análise de citações em comum feitas
por dois documentos distintos. É o que a Bibliometria trata como Acoplamento
Bibliográfico (Bibliographic Coupling). O processo evidenciaria estruturas de
similaridade subjacentes entre os documentos “citantes”.
55
Figura 19: Esquema de Acoplamento Bibliográfico entre documentos
Mineração de Uso
Chegando à mineração de uso, apontamos como fundamental neste
método, a análise de logs. Analisar arquivos de acesso ou logs de um servidor
foi, primeiramente, de grande interesse ao setor comercial, que consideraram
onde deveriam aplicar maiores investimentos de acordo com os setores mais
acessados em sua página WEB.
Quando o espaço documental está acessível, a informação registrada no
servidor pode nos oferecer informações relevantes acerca da relação
semântica entre os elementos do banco de dados. Por exemplo, quando um
mesmo usuário "co-visita" ou "co-acessa" dois documentos diferentes, ele
estabelece uma relação entre os dois documentos. A intensidade da relação
pode ser medida de acordo com a freqüência deste padrão de uso. Hassan-
Montero (2006) sugere ainda a análise da seqüência em que estes documentos
são visitados.
56
Figura 20: Esquema de Co-acesso entre documentos
Estes diferentes tipos de análises oferecem-nos uma ferramenta capaz
de revelar relações semânticas de similaridade entre os documentos e termos,
com base em um espaço documental. A informação oferecida deve ser vista
como complementar, e sua utilização conjunta aumentaria a capacidade para
revelar informações “ocultas”.
Portanto, apesar de normalmente serem utilizadas individualmente, sua
utilização conjunta aumentaria sua capacidade de expor dados abstratos.
Neste sentido Chen (1998) propõe um modelo genérico para estruturar e
visualizar espaços de informações hipertextuais, denominado GSA
(Generalised Similarity Analisis). O modelo oferece um esquema metodológico
para a extração de relações semânticas com base nos três tipos de medidas de
similaridade: relações hipertextuais (estrutura), similaridade de conteúdo e
padrões de uso. Todas unificadas em uma única função, que o autor denomina
de meta-similaridade.
4.2.2 Aplicações de Algoritmos de Classificação e Distribuição Visual
Em sua tese de doutorado, Herrero-Solana (2000) propôs uma
classificação de diferentes interfaces visuais para recuperação da informação
em função da estrutura explícita dos dados a serem representados:
57
hierárquicos, em rede, de busca, em linhas temporais e multidimensionais. A
utilização de metáforas visuais fiéis à estrutura de dados das interfaces não
resultam necessariamente em aplicações de técnicas de classificação e
distribuição visual.
É imprescindível basear estas técnicas sobre estruturas de dados
multidimensionais. Essas técnicas produzem de forma automática uma
abstração gráfica, resultado de uma redução de um espaço de n-dimensões a
um número de dimensões compreensíveis e perceptíveis ao olho humano (1D,
2D e 3D).
Nesta seção, abordaremos os diferentes tipos de técnicas e algoritmos
em função da metáfora visual estudada em questão e não sua estrutura de
dados, pois entendemos que sempre serão estruturas dimensionais que
necessitam ser reduzidas ou simplificadas.
Seguindo o esquema de Lin (1997), podemos diferenciar entre os
seguintes tipos de metáforas visuais: hierárquicas, de redes, de dispersão e
mapas.
Representações Hierárquicas
Nas representações hierárquicas, os elementos se apresentam em
diferentes níveis, ramificações ou agrupamentos, que descendem de um nó
(nodo) raiz – é uma representação comum de dados que tem em sua própria
natureza uma visualização hierárquica, como por exemplo, uma visualização
de estruturas complexas de diretórios de arquivos de sistemas operacionais
gráficos. Essa estrutura é representada na Teoria de Grafos como uma árvore.
No caso da visualização de dados multidimensionais, onde não estão definidas
de forma explícita as relações hierárquicas entre elas, as representações
hierárquicas se utilizam de aplicações de técnicas de agrupamento.
Este é o caso de técnicas estatísticas de clustering ou análise de
conglomerados, que através de um processo interativo são agrupados
diferentes elementos em função de sua similaridade, formando assim grupos
em diferentes níveis hierárquicos.
58
Figura 21: Aplicação de Clusterings
Fonte: XAVIER et. al, 2006
Entre as técnicas de clustering é possível diferenciar em torno de 150
tipos diferentes de regras de aglomeração (HERRERO-SOLANA, 2000). Dentre
as mais comuns encontramos: encadeamento simples (single link);
encadeamento completo (complete link), encadeamento médio; e o método de
Ward, também conhecido como método da soma dos quadrados (HERRERO-
SOLANA, 2000).
Os resultados gráficos de aplicações de técnicas de Clustering
geralmente são apresentados em forma de dendogramas (uma representação
arbórea hierárquica), onde é possível visualizar diferentes grupos e subgrupos
dentro da interface. Para seu uso na produção de iterfaces visuais para
recuperação da informação, os clusterings se colocam como metáforas
hierárquicas alternativas, como as mostradas no capitulo anterior (hiperbólicas
(LAMPING et al, 1995) e Treemaps (JOHNSON, 1991)).
59
Representações em Rede
Representações em rede são aquelas em que diferentes elementos
(documentos, termos, etc.) são apresentados em forma de nós ou vértices, de
maneira que a estrutura, algumas vezes semântica, se encontra definida pelas
relações ou arcos de proximidade de cada nó em forma de teia, não possuindo
uma relação de hierarquia.
O problema ao representar dados multidimensionais desta forma é que o
número de nós e vértices pode chegar a tal tamanho que seria incompreensível
o grafo resultante.
É necessário, portanto, o emprego de técnicas de redução de relações a
fim de que a interface final seja compreensível e útil para a visualização, sem
perder ou distorcer a realidade estrutural da rede. Uma destas técnicas de
redução é o método de escalonamento de rede Pathfinder
(SCHVANEVELDT,1990), apresentando redes denominadas Pathfinder ou
PFNETs.
Figura 22: Representação em Pathfinder
Fonte: SCIMAGO, 2009
60
Uma vez reduzido o número de relacionamentos para a representação
visual da rede, é necessário aplicar algum algoritmo de posicionamento dos
nós. Mesmo que técnicas de redução dimensional pareçam a princípio úteis, há
uma desvantagem a ser considerada na aplicação nos PFNETs: o
posicionamento final dos nós provocaria cruzamento nos vértices de
relacionamento, obscurecendo toda a visualização do gráfico (FOWLER et al,
1992).
Representações de Dispersão
Uma forma alternativa de representar visualmente estruturas de dados
multidimensionais é o agrupamento de pontos e sua dispersão. Estes pontos
estariam distribuídos em um espaço visual bi ou tridimensional, e distanciados
um dos outros através das dissimilaridades e distâncias especificadas em uma
matriz de similaridade.
Para poder apresentar essas distâncias em dimensões compreensíveis
pelo ser humano, são necessárias técnicas de redução de dimensões. Este é o
caso da técnica estatística multivariante denominada Escalonamento
Multidimensional ou MDS (Multidimensional Scaling). Este método consiste de
um processo interativo no qual vão se recolocando e re-posicionando
diferentes elementos (documentos, termos, palavras-chave, autores, etc.) para
analisar a distância entre eles.
61
Figura 23: Aplicação de uma representação MDS
Fonte: XAVIER, 2006
Inevitavelmente, existe uma perda de informação de acordo com o
número de dimensões do espaço multidimensional original e o número de
dimensões ao qual se pretende reduzir.
Mapas
As representações visuais baseadas em mapas se fundamentam na
idéia de utilizar da metáfora de mapas geográficos para a visualização de
espaços de informação. De forma geral, o objetivo da utilização de qualquer
tipo de metáfora visual em um desenho de interface é fazer visível para o
usuário a estrutura e relação de um determinado conjunto de dados. Portanto,
a idéia de utilizar este tipo de metáfora para visualização de espaços de
informação complexos e abstratos faz todo sentido, já que oferece uma visão
diferente do conjunto e que na maioria dos casos enriquecerá a imagem mental
prévia que o usuário possua.
62
Dentre todas as técnicas possíveis para gerar este tipo de mapa, vale
ressaltar o modelo de mapas auto-organizáveis ou SOM (Self-Organizing Map)
(KOHONEN, 1989). O SOM são aplicações de Redes Neurais Artificiais (RNA)
para organização e classificação automática da informação.
Figura 24: Análise de co-ocorrência baseado no WebSOM
Fonte: http://websom.hut.fi/websom/
O funcionamento deste modelo foca em estabelecer uma ligação entre a
informação de entrada e um espaço de saída de duas dimensões. Desta
maneira, os dados de entrada com características comuns formarão zonas
próximas no mapa. Este modelo de rede neural representa-se de maneira
bidimensional. Quando ocorre a entrada de um novo vetor de dados à rede,
este deve se relacionar com seu vetor “concorrente” de forma que somente um
vetor de saída seja ativado. Este vetor é denominado vencedor (winner-take-all
unit) e determina um ponto no mapa bidimensional.
63
A rede neural classifica a informação de entrada, já que o vetor vencedor
a representa. Além disso, entradas semelhantes ativam sempre o mesmo
vetor. Portanto podemos utilizar esta rede neural para estabelecer relações
previamente desconhecidas em um conjunto de dados. Trata-se de um
processo de auto-organização onde a classificação ou organização estão
condicionadas à própria natureza dos dados introduzidos.
Os diferentes métodos descritos, classificados em função de seu tipo de
representação visual, podem ser considerados complementares, já que
oferecem diferentes soluções para um mesmo problema (HERRERO-SOLANA,
2000). Apesar de funcionamento e procedimentos diferentes, todos
compartilham o objetivo de reduzir espaços multidimensionais às formas
“visualizáveis” em duas e/ou três dimensões.
Em qualquer redução, simplificação ou resumo de conjuntos complexos
de dados, perde-se informações da realidade estrutural dos dados originais. É
precisamente nas informações preservadas mais fielmente que podemos
caracterizar e comparar os métodos apresentados.
Kaski (1997) compara o MDS e o SOM afirmando que enquanto o
primeiro se orienta preservando sua estrutura através das distancias entre os
elementos, os mapas auto-organizados tencionam sua estrutura resguardando
sua topologia ou relações de proximidade.
Por outro lado, as técnicas de escalonamento Pathfinder geram
representações em forma de grafos, onde o que se preserva e enfatiza são as
relações locais entre elementos, representada mediante vínculos ou arcos
entre os nós (CHEN, 1998).
As informações preservadas mediante as técnicas de Clustering são
aquelas representadas por relações de elementos entre grupos. Apesar de se
mostrarem úteis como técnicas de classificação e visualização da informação,
este modelo não parece ser utilizado na mesma freqüência do que as outras
aplicações. Herrero-Solana e Hassan-Montero (2006) acreditam que isso
ocorra em parte pela impossibilidade de rotular ou etiquetar automaticamente
cada um dos grupos ou subgrupos criados, onde somente o usuário poderia
identificar a classe ou grupos através da exploração de seus elementos. Por
64
isto, o Clustering, no contexto das interfaces visuais para recuperação da
informação, deveria ser considerado mais útil como complemento aos outros
modelos (MDS, SOM, Pathfinder), do que como solução por si só.
A Figura 25 mostra os modelos de aplicação e distribuição visual
apresentadas acima e quais estruturas são preservadas por cada uma:
Técnica
Elementos preservados pela estrutura
MDS
Distância entre os elementos
Clustering
Relações de agrupamento
Pathfinder Relações locais entre os elementos
SOM
Relações de proximidade
Figura 25: Estruturas preservadas por cada técnica
Fonte: HERRERO-SOLANA E HASSAN-MONTERO, 2006
A preservação de um determinado elemento estrutural (e portanto a
perda de outra informação), pode condensar a expresividade da interface. Ao
mesmo tempo a escolha de uma ou outra técnica condicionará a efetividade da
interface, a facilidade de sua interpretação e sua compreensão por parte do
usuário. Bozydlowski (2003) lembra que o grau de expressividade de cada
técnica está fortemente influenciado pela natureza dos dados. Por isso, não
podemos afirmar a superioridade de nenhuma delas em todos os contextos.
Entretanto, a efetividade e facilidade de interpretação da metáfora visual
pode ser determinada independente da natureza dos dados. A natureza de
grafo do Pathfinder resulta maior familiaridade com o que encontramos hoje na
Web, e por isso possa ter um nível maior de usabilidade do que os modelos
MDS ou SOM. Estes modelos podem parecer, a principio, tão incomuns para
seus utilizadores que a ordem dos elementos SOM pode ser uma vantagem
sobre o aparente caos na dispersão dos elementos MDS.
A comparação entre estes métodos pode se realizar com base em
outras variáveis igualmente importantes, como: escabilidade, carga
computacional possibilidade de interpretação de dimensões, distribuição visual
(estática ou dinâmica), e escala (global ou local) (BÖRNER et al. 2003).
65
4.2.3 Aplicações de Técnicas de Transformação Visual
Apesar das técnicas de classificação e distribuição visual descritas até o
momento buscarem possibilitar a visualização do espaço documental de um
conjunto de dados, nem sempre estas interfaces são fáceis de explorar
visualmente devido ao seu tamanho e complexidade, provocando o que
Herrero-Solana e Hassan-Montero (2006) chamam de ‘sobrecarga visual’.
Devido a essa sobrecarga, é necessário prover as interfaces de
mecanismos dinâmicos e interativos que facilitem a visualização e exploração
do usuário.
Estas técnicas são denominadas transformações visuais interativas
(HERRERO-SOLANA E HASSAN-MONTERO, 2006; GUTWIN E FEDAK,
2004; LEUNG E APPERLEY, 1994). Suas investigações são anteriores aos
estudos da VI, surgindo a partir da necessidade de apresentar muitos dados
em uma tela de forma simultânea.
Gutwin e Fedak (2004) classificam estes mecanismos em quatro grupos:
panning, zooming, visões detalhadas e focus+context. Herrero-Solana e
Hassan-Montero (2006) consideram os três primeiros grupos como técnicas
não pautadas a distorção enquanto que o grupo focus+context englobaria
estruturas norteadas pela distorção visual.
Técnicas não Pautadas na Distorção Visual
As técnicas de panning consistem em oferecer ao usuário um
mecanismo para “rolar a tela”, enquanto que o zooming oferece a opção de
ampliar ou ver em detalhe uma parte da interface. Storey Et al. (1999) lembra
que a utilização individual destes dois modelos pode trazer problemas de
orientação do usuário, já que particionam o conjunto, impedindo a visão global
de toda interface (HERRERO-SOLANA E HASSAN-MONTERO, 2006).
66
Figura 26: Aplicação da técnica detail+overview no Google Earth
Fonte: http://earth.google.com/intl/pt/
Storey Et al. (1999) aponta como possível solução a este problema o
emprego de técnicas de visões detalhadas (detail+overview). Este modelo
oferece simultaneamente mais de um ponto de vista da mesma representação.
Ao mesmo tempo é apresentada a visão global para que o usuário se oriente e
uma visão em detalhes para exploração. Através do detail+overview, é possível
no nível detalhado, usar as técnicas de zooming e panning ajudando na
redução de sobrecarga visual
Estruturas Norteadas pela Distorção Visual
Polanco e Zartl (2002) apontam as estruturas norteadas pela distorção
visual, mais especificamente o Focus+Context, como não somente uma
alternativa às visões detalhadas, mas, em alguns contextos, um complemento
a ele.
67
A idéia consiste em oferecer ao usuário, através de uma única
apresentação, tanto uma visão detalhada da representação, como uma visão
global. As premissas são as seguintes (POLANCO E ZARTL 2002):
O usuário necessita visualizar tanto a informação global (contexto)
como a informação em detalhe (o foco de sua visualização) de forma
simultânea
A informação que necessita visualizar em detalhe é diferente da que
necessita para contextualizá-la
Estes dois tipos de informação devem ser combinados em uma única
apresentação
De acordo com essas premissas, o funcionamento do Focus+Context
consiste em distorcer a representação visual, tornando mais visível o foco e
minimizando o contexto. Para isso Herrero-Solana e Hassan-Montero (2006)
apontam os seguintes procedimentos:
Eleição da informação visual; Ocultação das partes da estrutura
visual de menor interesse no momento (até que necessitem ser
visualizadas).
Distorção da informação visual: alteração das posições, formas e
tamanhos dos elementos visuais.
Dentre os diversos modelos de distorção visual bifocal, criados através
do Focus+Context, o efeito visual mais aplicado com sucesso é o olho de peixe
(fisheye).
Furnas (1986) definiu uma função chamada de grau de interesse
(Degree of Interest) para formalizar a visão em “olho de peixe”. Para cada
ponto da estrutura a ser visualizado é calculado um valor da função de grau de
interesse. É escolhido um limite e os pontos onde o valor da função seja inferior
a este limiar são eliminados.
Existe uma variedade de aplicações baseadas no conceito olho de peixe
que são diferentes tanto em seu conceito de aplicação, como também em sua
forma e método. Noik (1993 apud HERRERO-SOLANA E HASSAN-
68
MONTERO, 2006), afirma que a proposta original de Furnas estava focada
principalmente na utilização de filtragem e eleição, enquanto que muitas outras
aplicações posteriores estavam baseadas em procedimentos exclusivamente
de distorção visual.
Herrero-Solana e Hassan-Montero (2006) apresentam ainda alguns
modelos aplicados com o olho de peixe como os menus de interface gráficas
de usuários (BEDERSON, 2000), documentos textuais de estruturas
hierárquicas (HAYAMA et al. 2003) (HORNBÆK & FRØKJÆR, 2003) e
hierarquias complexas (LAMPING et al. 1995).
Figura 27: Aplicação da visão olho de peixe (Fisheye View) com a ferramenta “aiSee”
Fonte: http://www.absint.com/aisee/download/
Polanco e Zartl (2002) lembram que um aspecto fundamental na
aplicação destas técnicas é a necessidade de preservação do mapa visual
adquirido pelo usuário antes da distorção da interface. O usuário deve ser
69
capaz de comparar mentalmente a representação distorcida com a visualizada
antes da transformação visual.
Podemos destacar ainda algumas aplicações onde a técnica olho de
peixe tenha sido aplicada às interfaces visuais para recuperação da informação
de forma mais consistente, são elas: (FOWLER et al. 1992; KOIKE 1993;
RENNISON 1994; CHEN 1998; TURETKEN & SHARDA 2003 e YANG, et al.
2003).
Podemos perceber que técnicas de zooming e panning são úteis em
alguns contextos (ao não proporcionar uma visão global da representação),
porém, encontram certa dificuldade ao proporcionar transformações em
representações visuais complexas. Além disto, conforme Gutwin e Fedak
(2004) e Herrero-Solana e Hassan-Montero (2006), as técnicas de
detail+overview e Focus+Context, apresentam uma maior efetividade aplicada
nas interfaces.
No entanto, a detail+overview, apesar de amplamente utilizada,
apresenta alguns problemas como a discrepância visual entre a representação
detalhada e a visão global (STOREY et al. 1999), dificultando a relação da
interface visualizada em detalhes com seu contexto. Yang (et al. 2003) também
considera a possibilidade de que a abstração de ambas representações tornem
as transformações visuais ainda mais herméticas para usuários aumentando
ainda mais sua sobrecarga cognitiva. É por estes motivos que Herrero-Solana
e Hassan-Montero (2006) defendem o uso do zooming e panning em
determinados contextos, diminuindo a sobrecarga que a detail+overview
ocasiona.
Afirmar que dentre as técnicas aqui estudadas a Focus+Context se
mostra mais adequada às interfaces visuais para recuperação da informação
ainda não é possível. Mesmo que em tese a técnica pareça resolver diversos
problemas de sobrecarga cognitiva, Storey (et al. 1999) lembra que há uma
enorme carência de estudos de análises e avaliações empíricas que
determinem a validade de cada um destes mdelos.
70
4.3 Análise dos métodos
Ao longo deste capítulo, descrevemos, analisamos e comparamos
possíveis técnicas e métodos empregados em diferentes etapas de construção
e produção de interfaces visuais para recuperação da informação, porém ainda
nos cabe questionar quais possíveis combinações entre técnicas, nas
diferentes etapas, oferecem melhores resultados.
Observando a etapa de análise e transformação de dados, concluímos
que as diferentes técnicas de mineração de dados apresentada, poderiam ser
consideradas complementares e deveriam ser usadas de forma conjunta
através de análises de meta-similaridade.
Com as etapas de ‘classificação e distribuição visual’ e ‘transformação
visual’, é necessária a verificação de compatibilidade de cada método. A fase
de transformação visual é necessária quando a representação produzida na
etapa anterior (classificação e distribuição visual) se torna complexa demais e
de difícil visualização. É o caso do MDS, que normalmente apresenta em sua
representação visual os elementos demasiadamente aglomerados e
sobrepostos, necessitando o emprego de técnicas interativas de transformação
visual.
MDS
SOM
Pathfinder
Focus+Context
Combinação
adequada,
porém com
ressalvas
Combinação
adequada
Combinação
adequada,
porém com
ressalvas
Overview+Detail
Combinação
inadequada
Combinação
adequada,
porém com
ressalvas
Combinação
adequada
Zoom+Panning
Combinação
adequada
Combinação
adequada
Combinação
adequada
Figura 28: Combinações entre técnicas de desenvolvimento de interfaces visuais para
recuperação da informação
71
Nas redes Pathfinder a sobreposição de elementos é menor, fazendo-se
necessária a aplicação de distorção visual somente se o número de nós
representados for demasiadamente grande.
Já as representações em mapas, mais especificamente o SOM,
parecem aproveitar bem o espaço da interface, ficando livres de grandes
distorções em suas representações.
Herrero-Solana e Hassan-Montero (2006) lembram que deve-se
considerar que a escolha da técnica de distribuição visual interferirá
diretamente na aplicação de técnicas de transformação visual. As técnicas de
distorção são igualmente adequadas e compatíveis com todos os modelos de
distribuição visual.
As técnicas de zooming e panning, por ter fácil aplicação e não causar
distorção na interface podem ser aplicadas em qualquer representação visual.
Entretanto, o detail+overview não deveria ser considerado em
representações MDS. É comum que estas representações não possuam
estruturas globais claras e reconhecíveis, fazendo com que a técnica não
contribua para orientação dos usuários. O detail+overview pode ser muito
melhor aplicado em representações Pathfinder, por possuírem uma estrutura
contextual melhor reconhecível através de seus arcos e nós. A combinação do
detail+overview com representações em mapas não é necessariamente
inadequada, seu aproveitamento está relacionado diretamente com a
representação gerada pelo SOM.
No Focus+Context, a aplicação parece funcionar muito bem em
estruturas de mapas, porém, se compromete ao ser usado no MDS.
O efeito olho de peixe aplicado a interfaces multidimensionais pode
acabar “enganando” o usuário ao distorcer uma interface que prioriza a
distancia entre cada um de seus elementos. Acontece o mesmo com as
PFNETs, porém, como a prioridade no Pathfinder são as relações locais entre
os elementos, o problema é minimizado. É possível verificar algumas
aplicações de Fisheye em mapas SOM no trabalho de Yang (et. al. 2003).
72
5.
Considerações Finais
O desenvolvimento desta dissertação fundamentou-se em um referencial
teórico no campo da Ciência da Informação e seu caráter interdisciplinar ligado
diretamente à tecnologia da informação através dos aspectos da Recuperação
e Visualização da Informação, mais especificamente, o uso de interfaces
visuais no processo de recuperação da Informação.
Neste sentido, buscamos auxiliar outros investigadores através de
princípios e juízo para eleição de uma ou outra combinação de técnicas no
desenvolvimento de propostas específicas de interfaces visuais para
recuperação da informação. Destacando, ainda, o processo de transformação
visual, onde encontramos menos estudos e aplicações em ferramentas visuais
para a RI.
É claro que devido a enorme quantidade de possíveis combinações de
técnicas, algoritmos e analises na geração de interfaces visuais, nem todas
combinações possíveis foram exploradas e investigadas.
A linha de estudo partiu dos dois paradigmas da recuperação da
informação apresentados em nossa introdução: o query searching, ou
simplesmente querying, e o browsing. É amplamente aceito que ambos
modelos tem seus pontos fortes e fraquezas, e não são excludentes um do
outro, mas sim complementares.
A visualização da informação é um ascendente campo de pesquisa cujo
objetivo é capitalizar a habilidade de percepção humana para compreensão de
informações abstratas. A visualização da informação para recuperação da
informação deve determinar e distribuir os elementos no espaço visual.
73
Entendendo que a maior contribuição deste texto seja dada nas
apresentações e análises das três etapas de desenvolvimento e produção de
interfaces visuais para recuperação da informação, o autor acredita que futuras
pesquisas na área devem enfocar de forma especial a terceira etapa: técnicas
de transformação visual. Este processo parece ser até o momento, o menos
estudado e aplicado na produção de interfaces.
Da mesma forma que as técnicas de classificação e distribuição, as de
transformação visual têm por objetivo simplificar espaços complexos de
informação, gerando a interface final. Esta simplificação não somente
possibilita a compreensão de grandes volumes de informação que não seriam
compreendidos por usuários de outra forma, mas também facilita a visualização
e interação entre usuário e interface.
Neste sentido, colocamos como necessário estudos sobre novas
técnicas de transformação visual interativas, ou ainda, maior investigação
sobre os já existentes.
Devemos ainda ressaltar que a pouca divulgação e aceitação destes
tipos de interfaces para usuários não se encontram desta forma por sua
capacidade como ferramenta de recuperação da informação. Sua aplicação
sofre dificuldades ainda pela dificuldade de utilização e aprendizagem de seu
usuário final.
A redução de carga visual da interface, e conseqüentemente da carga
cognitiva do usuário em sua interação com a ferramenta deve ser tratado como
o maior desafio a se superar na pesquisa cientifica sobre interfaces visuais
para recuperação da informação.
A disponibilidade de “capacidade computacional” e o amadurecimento
de técnicas combinados à crescente demanda de usuários fazem com que o
papel das interfaces visuais tenha grandes chances de desenvolvimentos na
área de recuperação da informação. Interfaces visuais para recuperação da
informação detêm diversas promessas e desafios representando, talvez o
futuro da recuperação da informação.
74
Referências
BAEZA-YATES, R. Excavando la web. El profesional de la información, v.13, n.1, p
4-10, 2004.
BATES, M. J. The design of browsing and berrypicking techniques for the on-line
Search interface. On-line Review, v. 13, n.5, p.407-424, Oct. 1989.
BEDERSON, B.B. Fisheye menus. In Mark Ackerman & K. Edwards, (Eds.),
Proceedings of ACM Conference on User Interface Software and Technology
(UIST 2000). p. 217-226. New York, NY: ACM Press, 2000
BELKIN, N. J.; CROFT, W. B. Retrieval techniques. Annual Review of Information
Science and Technology, v.22, p.109-189, 1987.
BÖRNER, K.; CHEN, C.; BOYACK, K. Dynamics of Scholarly Communication:
Visualizing knowledge domains. Annual Review Of Information Science And
Technology, v. 37, n. 1, p.179-255, 2003.
BÖRNER, Katy; CHEN, Chaomei; BOYACK, Kevin W.. Dynamics of Scholarly
Communication: Visualizing knowledge domains. Annual Review Of Information
Science And Technology, v. 37, n. 1, p.179-255, 2003.
BRIN, S., PAGE, L. The anatomy of a large-scale hypertextual Web search engine.
Computer Networks and ISDN Systems, v.30 n.7, p.107-117, 1998.
BUZYDLOWSKI, J.W. A comparison of self-organizing maps and pathfinder
networks for the mapping of co-cited authors. Tese de Doutorado, Universidade de
Drexel, Philadelphia, USA. 2003.
CARD, S.K.; MACKINLAY, J.D. E SHNEIDERMAN, B. Information Visualization. In:
Card, S.K.; Mackinlay, J.D. e Shneiderman, B. (eds.) Readings in Information
Visualization - Using Visualization to Think. San Francisco, Morgan Kaufmann
Publ., p. 1-34, 1999
CHANG, S., RICE, R. E. Browsing: A Multidimensional Framework. Annual Review of
Information Science and Technology (ARIST). v. 28 p. 231-76, 1993.
CHEN, C. Generalised similarity analysis and pathfinder network scaling. Interacting
with Computers. v.10, n.2, p.107-128, 1998
75
CHUNG, W., CHEN, H., & NUNAMAKER, J.F. Business intelligence explorer: a
knowledge map framework for discovering business intelligence on the Web. In:
Proceedings of the 36th Hawaii International Conference on System Sciences
(HICSS’03) - Track1 - Volume 1, p 10 - 12. Washinton, DC: IEEE. 2003.
COOPER, W. S. Getting beyond Boole. Information Processing and Managemen.
v.24, n.3, p.243-248, 1988.
COVE, J. F., WALSH, B. C. Online Text Retrieval via Browsing. Information
Processing & Management. V. 24. N. 1. p. 31-37, 1988.
COX, K. INFORMATION RETRIEVAL BY BROWSING. Disponível em:
<http://web.simmons.edu/~chen/nit/NIT%2792/069-cox.htm>. Acesso em: 17 maio
2009.
EICK, S.G. Visualizing on-line activity. Communication of the ACM, v.44, n.8, p 45-
52. 2001.
FERNEDA, E. Recuperação de Informação: estudo sobre a contribuição da
Ciência da Computação para a Ciência da Informação. São Paulo, 2003. 147p.
Tese (doutorado em Ciência da Informação). Escola de Comunicação e Artes,
Universidade de São Paulo.
FOWLER, R.H., WILSON, B.A., & FOWLER, W.A.L. Information Navigator: an
information system using associative networks for display and retrieval.
Edinburg, TX: University of Texas-Pan American, Department of Computer Science.
1992. Disponível em: http://www.cs.panam.edu/research/information_navigator.pdf
Acesso em: 14 abr 2008.
FREITAS, C. M. D.; CHUBACHI, O. M.; LUZZARDI,P. R. G.; Cava, R. A. Introdução à
Visualização de Informações. Revista Rita, v. 8, n. 2, p. 143-158. 2001. Disponível em
<http://infovis.ucpel.tche.br/luzzardi/Rita.pdf>. Acesso em março de 2009.
FURNAS, G.W. Generalized fisheye views. In Marilyn Mantei & Peter Orbeton (Eds.).
Proceedings of the SIGCHI conference on human factors in computing systems,
p 16-23. New York, NY: ACM Press. 1986.
GERSHON, N.; EICK, S. Visualization's New Tack. IEEE Spectrum. V. 32 N. 11. p.
38-56, 1995.
GIL LEIVA, I., RODRÍGUEZ MUÑOZ, J.V. Tendencias en los sistemas de indización
automática: estudio evolutivo. Revista Española de Documentación Científica, v.
19, p. 31-51, 1996.
76
GUTWIN, Carl; FEDAK, Chris. Interacting with Big Interfaces on Small Screens: a
Comparison of Fisheye, Zoom, and Panning Techniques. Acm International
Conference Proceeding Series: Proceedings of the 2004 conference on Graphics
interface, v. 62, p.145-152, 2004.
HASSAN-MONTERO, Y. Visualización y Recuperación de Información. In: Actas II
Encontro de Ciências e Tecnologias da Documentação e Informação.Portugal. Acesso
em: 27 de abr. 2006.
HAYAMA, T., KANAI, T., & KUNIFUJI, S. Personalized environment for skimming
documents. Lecture Notes in Computer Science, v.2, p 771-778. 2003.
HERRERO-SOLANA, V. Modelos de representación visual de la información
bibliográfica: aproximaciones multivariantes y conexionistas. Tese de Doutorado,
Universidade de Granada, Granada, Spain. 2000.
HERRERO-SOLANA, V.; HASSAN MONTERO, Y. Metodologías para el desarrollo de
Interfaces Visuales de Recuperación de Información: análisis y comparación. In:
Information Research, 11(3), Abril 2006. Disponível em: <http://informationr.net/ir/11-
3/paper258.html>. Acesso em: 07 set. 2008.
HILDRETH, C. R. Online Browsing Support Capabilities in Information Interaction.
Proceedings of the 45th ASIS Annual Meeting. V. 19, 1982.
HORNBÆK, K.; FRØKJÆR, E. Reading patterns and usability in visualizations of
electronic documents. ACM Transactions on Computer-Human Interaction. v.10,
n.2, p.119-149, 2003
JOHNSON, Brian; SHNEIDERMAN, Ben. Tree-maps: A Space-Filling Approach to the
Visualization of Hierarchical Information Structures. In: IEEE VISUALIZATION, 1991,
San Diego. Proc. p. 284 - 291. 1991.
KASKI, S. Data exploration using self-organizing maps. Acta Polytechnica
Scandinavica, Mathematics, Computing and Management in Engineering Series.
n.82, 1997.
KOIKE, H. The Role of Another Spatial Dimension in Software Visualization. ACM
Transactions on Information Systems. v.11, n.3, p.266-286, 1993.
KOHONEN, T.. Self-organization and associative memory. 3 ed. Berlim: Springer-
verlag, 1989.
KOPANAKIS, I., THEODOULIDIS, B. Visual data mining modeling techniques for the
visualization of mining outcomes. Journal of Visual Languages and Computing,
v.14, n.6, p 543-589, 2003.
77
LAMPING, J., RAO, R., PIROLLI, P. A focus+context technique based on hyperbolic
geometry for visualizing large hierarchies. In Irvin R. Katz, Robert Mack, Linn Marks,
Mary Beth Rosson & Jakob Nielsen (Eds.). Proceedings of the ACM SIGCHI
conference on Human factors in computing systems. p 401-408. New York, NY:
ACM Press. 1995
LEUNG, Y.K., APPERLEY, M.D. Review and taxonomy of distortion-oriented
presentation techniques. ACM Transactions on Computer-Human Interaction, v.1
n.2, p 126-160. 1994.
LIN, X. Map displays for information retrieval. Journal of the American Society for
Information Science, v.48, n.1, p 40-54. 1997.
LUHN, H. P. The automatic creation of literature abstracts. IBM Journal of Research
and Development. v.2, n.2, p.159-165, 1958.
MARCHIONINI, G. Information seeking in electronic environments. New York, NY:
Cambridge University Press. 1995.
MARCOS-MORA, M.C. Interaction in information retrieval interfaces: concepts,
metaphors and visualization. Gijón: Ediciones TREA. 2004
MORSE, E. L.; LEWIS, M. Testing Visual Information Retrieval Methodologies case
study: comparative analysis of textual, icon, graphical, and “spring” diplays. Journal of
the American Society for Information Science and Technology, v.53, n.1, p.28-40,
1997
MOYA-ANEGÓN, F. Integrated library management systems: data structures and
information retrieval. Madrid: ANABAD. 1994.
MOYA-ANEGÓN, F.; HERRERO-SOLANA, V. Investigaciones en curso sobre
interfaces gráficos en dos y tres dimensiones para el acceso a la información
electrónica. Cuadernos de Documentación Multimedia. v.8, 1999.
NASUKAWA, T. NAGANO, T. Text analysis and knowledge mining system. IBM
Systems Journal. V. 40, N. 4. p. 967-984, 2001.
ODDY, R. N. Information retrieval through man-machine dialogue. Journal of
Documentation. v.33, n.1, p.1-14, 1977.
POLANCO, X., ZARTL, A. (2002). Information visualization. EICSTES Project.
Deliverable 1.4. State of the art part c: WP9. acessado em 12 Abril, 2005 Disponivel
em: <http://eicstes.inist.fr/public/D1.4_Visualization_WP9.pdf>. Acesso em 07 set.
2008.
78
RENNISON, E. Galaxy of news: an approach to visualizing and understanding
expansive news landscapes. In UIST 94, ACM Symposium on User Interface
Software and Technology. New York, NY: ACM Press, p.3-12, 1994.
RIJSBERGEN, C.J. Information retrieval. London: Butterworths, 1975. Acessado em
21 jan 2009. Disponível em: <http://www.dcs.gla.ac.uk/Keith/Preface.html>
ROBERTSON, P. K. A Methodology for Choosing Data Representations. IEEE
Computer Graphics and Applications. v.11, n.3, p.56-68, 1991.
SCHVANEVELDT, R. W. Pathfinder associative networks: studies in knowledge
organization. Norwood, USA: Ablex Publishing Corp, 1990.
STASKO, J. DOMINGUE, J., BROWN, M.H., PRICE, B. A. Software visualization:
programming as a multimedia experience. Massachusetts: MIT Press. 562 p. 1997.
STOREY, M. A.D. WONG, K., FRACCHIA, F.D. & MÜLLER, H.A. On integrating
visualization techniques for effective software exploration. In Proceedings of the 1997
IEEE Symposium on Information Visualization. Washington: IEEE Computer
Society. 1997.
TURETKEN, O. SHARDA, R. Development of a fisheye-based information search
processing aid (FISPA) for managing information overload in the web environment.
Decision Support Systems. v.37, n.3, p.1-20, 2004.
WILLETT P.; WOOD, F. E. The use of the instruct text retrieval program at the
Department of Information Studies University of Sheffiel. Education for Information.
v.7, p.133-141, 1989.
XAVIER, R. F. Interfaces Gráficas para Apresentação de Indicadores. 2006. 63 f.
Trabalho de Conclusão de Curso (Graduação) - Curso de Biblioteconomia, Unesp,
Marília, 2006.
XAVIER, R. F.; CERVANTES, B. M. N.; EUCLIDES, M. L.; Herrero-Solana, V.
Scientific Collaboration Networks in Information Science: aids for its construction based
on the Brazilian experience with the Lattes Curriculum/National Council of Scientific
and Technological Development (CNPq). In: Vicente P. Guerrero-Bote (Editor). (Org.).
Current Research in Information Sciences and Technologies: Multidisciplinary
Approaches to Global Information Systems. Badajos, SPAIN: Open Institute of
Knowledge (Instituto Abierto del Conocimiento), 2006, v. 2, p. 447-451
YANG, C.; CHEN, H.; HONG, K. Visualization of large category map for Internet
browsing. Decision Support System, v. 35, n.1 89-102. 2003
ZHANG, J. Visualization for Information Retrieval. New York, NY: Springer. 2008.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
