Datavisualisering används för att sammanfatta data på ett sätt som oss människor kanförstå. I arbetet används ett dataset som innehåller schackdata i form av schackpartier.På grund av att schackdata är ett komplext dataformat samtidigt som det kan omfattastora mängder data kan det leda till problem vid datavisualisering. Detta beror påschackdatans komplexitet och datamängd vilket är två vanliga faktorer som kanresultera i långsamma utritningstider inom datavisualisering. För att visualisera data iwebben är det väldigt vanligt att använda sig av javascript bibliotek. I detta arbetetkommer biblioteken Heatmap.js och D3.js att jämföras i ett tekniskt experiment för attse vilket bibliotek som har snabbat utritningstid vid visualisering av schackdata medheatmaps. Resultatet av experimentet indikerar att det mestadels inte finns någonskillnad i utritningstid mellan biblioteken vid visualisering av schackdata. Framtidaarbeten borde undersöka hur heatmaps kan användas inom andraanvändningsområden än schack. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet</p>

I dagens samhälle cirkulerar det data överallt och den här datan används för att genomföra besult, både för orginisationer och privatpersoner. Men mycket data ä rsvår att förstå i ens grundliga form, genom att förenkla den underlätta förståelsen och ökar besultagandet. Det går att göra med hjälp av datavisualisering, vilket kan vara tabeller, diagram eller mer interaktiva tekniker som heatmap. Heatmap är en teknik som använder sig av koordinater och datamängder för att vissa datan på en karta som exempel med hjälp av färger och former. Inom den här studien kommer två javascript bibliotek jämföras mot varandra för att kolla vilket som har bäst renderingstid, Heatmap.js och D3.js. I grunden kommer biblioteken rendera en heatmap för en karta som har tagits fram med hjälp av Leaflet.js. Med hjälp av den här mätningen ska det underlätta valet av javascript bibliotek för att skapa heatmap för webbapplikationer. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.</p>

Stora mängder miljödata samlas hela tiden in och för att använda all data behöver den förstås av användarna så de kan applicera kunskapen inom deras område. Visualisering skapar förståelse om data. Heatmaps kan användas för att visualisera geospatial data och interaktivitet är ett hjälpmedel för att skapa ytterligare grafiska representationer. I detta arbete evalueras JavaScript-teknikerna D3.js, Heatmap.js och Vue.js angående vad som är mest lämpligt för att visualisera geospatial data utifrån effektiviteten vid utritning av heatmaps. Ett experiment genomförs där biblioteken D3.js, Heatmap.js testas i ramverket Vue.js. Detta för att ta reda på vilket bibliotek som föredras vid utritning av heatmaps och om ett ramverk påverkar resultatet. En miljö sätts upp för att genomföra undersökningen och tester för att påvisa detta. Resultatet indikerar att Heatmap.js och mindre datamängder ger en lägre utritningstid i den tillämpning som undersökts. I framtiden är det intressant att undersöka flera bibliotek och flera datamängder.

Det samlas in olika typer av data hela tiden, komplex data är svårt för människor att tolka och förstå i dess råa form. För att göra det lättare för människor använder man olika datavisualiseringsverktyg som gör det lättare att sammanfatta data. Det finns många olika typer av visualiseringar som till exempel diagram, tabeller, bilder och kartor såsom en Heatmap. En heatmap används för att visa geospatial data, då den använder koordinater kombinerat med en karta som visar aktiviteterna genom olika färger. Ett problem som uppstår när komplex data används är att utritningstiden brukar vara långsam, detta leder till att användarupplevelsen försämras. I detta arbete ska två tekniker jämföras för att ta reda på vilken teknik som kan visualisera miljödata i form av heatmap på snabbaste tid med kartlagret Google Maps, med data som kommer ifrån ICES Oceanographic databas som klassificeras som miljödata. Tekniken som ska jämföras är Canvas som representeras av JavaScript biblioteket Heatmap.js och SVG som representeras av JavaScript biblioteket D3.js För att utföra denna studie användes ett tekniskt experiment som vald vetenskaplig metod. Resultatet av studien blev att Heatmap.js presterade bättre än vad D3.js gjorde.