Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-26T17:46:31Z No. of bitstreams: 1 EdsonAlyppyoGomesCoutinho_DISSERT.pdf: 5158035 bytes, checksum: fed39aed4bc6306c05c08628c0eb92fa (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-01-28T17:07:53Z (GMT) No. of bitstreams: 1 EdsonAlyppyoGomesCoutinho_DISSERT.pdf: 5158035 bytes, checksum: fed39aed4bc6306c05c08628c0eb92fa (MD5) / Made available in DSpace on 2016-01-28T17:07:53Z (GMT). No. of bitstreams: 1 EdsonAlyppyoGomesCoutinho_DISSERT.pdf: 5158035 bytes, checksum: fed39aed4bc6306c05c08628c0eb92fa (MD5) Previous issue date: 2014-09-26 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico - CNPq / A Visualiza??o de dados ? amplamente utilizada pelas mais diversas ?reas do conhecimento para facilitar a compreens?o de informa??es e encontrar rela??es entre os dados. Uma das t?cnicas de visualiza??o para dados multivariados (4 ou mais vari?veis) ? o Gr?- fico de Dispers?o Bidimensional (GD2D). Esta t?cnica associa cada item de dado a uma marca visual da seguinte forma: duas vari?veis s?o mapeadas para as coordenadas Cartesianas de maneira a posicionar as marcas visuais no Plano Cartesiano; as demais vari?veis s?o mapeadas progressivamente para propriedades gr?ficas das marcas, como tamanho, cor, forma, dentre outras. Quanto maior o n?mero de vari?veis a serem visualizadas maior a quantidade de propriedades visuais adicionados ? marca e, consequentemente, maior a complexidade da visualiza??o final. Aumentar a complexidade da visualiza??o, contudo, n?o necessariamente implica em uma melhor visualiza??o e, muitas vezes, proporciona o efeito inverso, tornando a visualiza??o visualmente polu?da e confusa?esse problema ? conhecido como sobrecarga de propriedades visuais. Este trabalho teve por objetivo investigar se ? poss?vel contornar a sobrecarga do canal visual e melhorar a obten??o de insight sobre dados multivariados visualizados atrav?s de uma modifica??o da t?cnica GD2D. Nesta modifica??o, mapeamos as vari?veis dos itens de dados para marcas multisensoriais. Estas marcas s?o compostas n?o apenas de propriedades visuais, mas tamb?m de h?pticas, como vibra??o, viscosidade e pegajosidade. Acreditamos que essa abordagem possa facilitar o insight, atrav?s da transposi??o de vari?veis do canal visual para o canal h?ptico. A verifica??o dessa hip?tese foi feita atrav?s de experimentos, nos quais foram analisados 3 aspectos: (a) a acur?cia nas respostas; (b) o tempo de resposta, e; (c) o grau de satisfa??o pessoal com a abordagem proposta. Entretanto, a hip?tese descrita n?o foi validada. Os resultados obtidos sugerem que existe uma equival?ncia entre as propriedades visuais e h?ptica investigadas em todos os aspectos analisados, embora em termos estritamente num?ricos a visualiza??o multissensorial tenha obtido melhores resultados em termos de tempo de resposta e grau de satisfa??o / Data Visualization is widely used to facilitate the comprehension of information and find relationships between data. One of the most widely used techniques for multivariate data (4 or more variables) visualization is the 2D scatterplot. This technique associates each data item to a visual mark in the following way: two variables are mapped to Cartesian coordinates so that a visual mark can be placed on the Cartesian plane; the others variables are mapped gradually to visual properties of the mark, such as size, color, shape, among others. As the number of variables to be visualized increases, the amount of visual properties associated to the mark increases as well. As a result, the complexity of the final visualization is higher. However, increasing the complexity of the visualization does not necessarily implies a better visualization and, sometimes, it provides an inverse situation, producing a visually polluted and confusing visualization?this problem is called visual properties overload. This work aims to investigate whether it is possible to work around the overload of the visual channel and improve insight about multivariate data visualized through a modification in the 2D scatterplot technique. In this modification, we map the variables from data items to multisensoriy marks. These marks are composed not only by visual properties, but haptic properties, such as vibration, viscosity and elastic resistance, as well. We believed that this approach could ease the insight process, through the transposition of properties from the visual channel to the haptic channel. The hypothesis was verified through experiments, in which we have analyzed (a) the accuracy of the answers; (b) response time; and (c) the grade of personal satisfaction with the proposed approach. However, the hypothesis was not validated. The results suggest that there is an equivalence between the investigated visual and haptic properties in all analyzed aspects, though in strictly numeric terms the multisensory visualization achieved better results in response time and personal satisfaction.