Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-01T13:21:15Z No. of bitstreams: 1 jacimarfernandestavares.pdf: 4117614 bytes, checksum: 6d7763e08f1653c32b20373c9e55ec2b (MD5) / Made available in DSpace on 2015-12-01T13:21:15Z (GMT). No. of bitstreams: 1 jacimarfernandestavares.pdf: 4117614 bytes, checksum: 6d7763e08f1653c32b20373c9e55ec2b (MD5) Previous issue date: 2015-03-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Existem diversas tecnologias desenvolvidas nas areas de manuten c~ao e evolu c~ao colaborativa de software associadas a visualiza c~ao de software, objetivando resolver problemas de empresas e grupos de usu arios. Em muitos casos e necess ario integrar solu c~oes dessas areas visando resolver um dado problema relacionado a evolu c~ao do software. Este problema se torna mais intenso quando se trata de equipes geogra camente distribu das. Neste sentido, foi desenvolvida GiveMe Infra, uma infraestrutura para apoio a realiza c~ao de atividades de manuten c~ao e evolu c~ao de software, realizadas por equipes co-localizadas ou geogra camente distribu das. Tais atividades s~ao apoiadas por diferentes visualiza c~oes de software que permitem ao usu ario obter diferentes perspectivas sobre as informa c~oes disponibilizadas. Um estudo experimental foi realizado objetivando veri car a viabilidade de uso da solu c~ao. Os resultados obtidos s~ao apresentados, bem como os trabalhos futuros em rela c~ao a infraestrutura proposta. / There are several technologies developed to support collaborative software maintenance and evolution, as well as software visualization, in order to solve problems of companies and group of users. In many cases is necessary to integrate solutions already available in these areas to solve a given problem. These problems become intense when geographically dispersed groups are involved in software maintenance and evolution activities. In this sense, an infrastructure, named GiveMe Infra, was developed to support these activities when performed by co-located or geographically distributed teams. These activities are supported by di erent software visualizations that allow the user get di erent perspectives about the provided information. An experimental study were carried out aiming to verify the feasibility of the solution as well as the hypotheses. The obtained results related to the experiments and future works are presented

Dados de alta dimensão são tipicamente tratados como pertencentes a um único subespaço do espaço onde estão imersos. Entretanto, dados utilizados em aplicações reais estão usualmente distribuídos entre subespaços independentes e com dimensões distintas. Um objeto de estudo surge a partir dessa afirmação: como essa distribuição em subespaços independentes pode auxiliar tarefas de visualização? Por outro lado, se o dado parece estar embaralhado nesse espaço de alta dimensão, como visualizar seus padrões e realizar tarefas como classificação? Podemos, por exemplo, mapear esse dado num outro espaço utilizando uma função capaz de o desembaralhar, de modo que os padrões intrínsecos fiquem mais claros e, assim, facilitando nossa tarefa de visualização ou classificação. Essa Tese apresenta dois estudos que abordam ambos os problemas. Para o primeiro, utilizamos técnicas de subspace clustering para definir, quando existente, a estrutura de subespaços do dado e estudamos como essa informação pode auxiliar em visualizações utilizando projeções multidimensionais. Para o segundo problema, métodos de kernel, bastante conhecidos na literatura, são as ferramentas a nos auxiliar. Utilizamos a medida de similaridade do kernel para desenvolver uma nova técnica de projeção multidimensional capaz de lidar com dados imersos no espaço de características induzido implicitamente pelo kernel. / High-dimensional data are typically handled as laying in a single subspace of the original space. However, data involved in real applications are usually spread around in distinct subspaces which may have different dimensions. We would like to study how the subspace structure information can be used to improve visualization tasks. On the other hand, what if the data is tangled in this high-dimensional space, how to visualize its patterns or how to accomplish classification tasks? One could, for example, map the data in another high-dimensional space using amapping capable of untangle the data making the patterns clear, rendering the visualization or classification an easy task. This dissertation presents an study for both problems pointed out above. For the former, we use subspace clustering techniques to define, when it exists, a subspace structure, studying how this information can be used to support visualization tasks based on multidimensional projections. For the latter problem we employ kernel methods, well known in the literature, as a tool to assist visualization tasks. We use a similarity measure given by the kernel to develop acompletely new multidimensional projection technique capable of dealing with data embedded in the implicit feature space defined by the kernel.

O processo automático de classificação de dados em geral, e em particular de classificação de imagens, é uma tarefa computacionalmente intensiva e variável em termos de precisão, sendo consideravelmente dependente da configuração do classificador e da representação dos dados utilizada. Muitos dos fatores que afetam uma adequada aplicação dos métodos de classificação ou categorização para imagens apontam para a necessidade de uma maior interferência do usuário no processo. Para isso são necessárias mais ferramentas de apoio às várias etapas do processo de classificação, tais como, mas não limitadas, a extração de características, a parametrização dos algoritmos de classificação e a escolha de instâncias de treinamento adequadas. Este doutorado apresenta uma metodologia para Classificação Visual de Imagens, baseada na inserção do usuário no processo de classificação automática através do uso de técnicas de visualização. A ideia é permitir que o usuário participe de todos os passos da classificação de determinada coleção, realizando ajustes e consequentemente melhorando os resultados de acordo com suas necessidades. Um estudo de diversas técnicas de visualização candidatas para a tarefa é apresentado, com destaque para as árvores de similaridade, sendo apresentadas melhorias do algoritmo de construção em termos de escalabilidade visual e de tempo de processamento. Adicionalmente, uma metodologia de redução de dimensionalidade visual semi-supervisionada é apresentada para apoiar, pela utilização de ferramentas visuais, a criação de espaços reduzidos que melhorem as características de segregação do conjunto original de características. A principal contribuição do trabalho é um sistema de classificação visual incremental que incorpora todos os passos da metodologia proposta, oferecendo ferramentas interativas e visuais que permitem a interferência do usuário na classificação de coleções incrementais com configuração de classes variável. Isso possibilita a utilização do conhecimento do ser humano na construção de classificadores que se adequem a diferentes necessidades dos usuários em diferentes cenários, produzindo resultados satisfatórios para coleções de dados diversas. O foco desta tese é em categorização de coleções de imagens, com exemplos também para conjuntos de dados textuais / Automatic data classification in general, and image classification in particular, are computationally intensive tasks with variable results concerning precision, being considerably dependent on the classifier´s configuration and data representation. Many of the factors that affect an adequate application of classification or categorization methods for images point to the need for more user interference in the process. To accomplish that, it is necessary to develop a larger set of supporting tools for the various stages of the classification set up, such as, but not limited to, feature extraction, parametrization of the classification algorithm and selection of adequate training instances. This doctoral Thesis presents a Visual Image Classification methodology based on the user´s insertion in the classification process through the use of visualization techniques. The idea is to allow the user to participate in all classification steps, adjusting several stages and consequently improving the results according to his or her needs. A study on several candidate visualization techniques is presented, with emphasis on similarity trees, and improvements of the tree construction algorithm, both in visual and time scalability, are shown. Additionally, a visual semi-supervised dimensionality reduction methodology was developed to support, through the use of visual tools, the creation of reduced spaces that improve segregation of the original feature space. The main contribution of this work is an incremental visual classification system incorporating all the steps of the proposed methodology, and providing interactive and visual tools that permit user controlled classification of an incremental collection with evolving class configuration. It allows the use of the human knowledge on the construction of classifiers that adapt to different user needs in different scenarios, producing satisfactory results for several data collections. The focus of this Thesis is image data sets, with examples also in classification of textual collections

O crescente uso de ambientes virtuais de aprendizagem faz com que os professores e desenvolvedores precisem avaliar qual o melhor formato de visualização a ser utilizado. Infográfico é tipo de visualização de informação que vem ganhando popularidade no contexto educacional. Ele utiliza figuras, gráficos e curtas explicações textuais associados à elementos de design, para transformar informações complexas em visualizações simples. No entanto, poucos trabalhos empíricos investigam a interferência do formato infográfico no processo de aprendizagem e consideram a influência dos estados afetivos (em particular a satisfação) e a preferência (i.e. estilo de aprendizagem) do aluno na sua capacidade de reter informação quando o material apresentado é o infográfico. Esse trabalho de mestrado tem como objetivo investigar os benefícios educacionais do uso de infográficos como material de aprendizagem comparando-os com materiais tradicionais, texto puro e gráfico+texto. Também visa analisar a influência de outras variáveis experimentais no processo de aprendizagem como complexidade do infográfico, satisfação e estilo de aprendizagem. Para isso, foi executado um experimento com 74 alunos de graduação distribuídos entre três formatos de materiais de aprendizagem (i.e. infográficos, gráficos+texto e texto puro) em uma sessão de aprendizagem individual suportada por computador. Os sujeitos foram avaliados quanto à aprendizagem imediata, retenção e perda de conhecimento, satisfação, estilos de aprendizagem e tempo. Os resultados obtidos sugerem que os infográficos são tão bons para a aprendizagem e retenção de conhecimento quanto os materiais tradicionais. Não foram encontradas evidências de que os estilos de aprendizagem visual ou verbal têm impacto na aprendizagem ou na satisfação dos alunos. Além disso, foram encontrados indícios de que satisfações positivas podem resultar em uma maior retenção de conhecimento. Para analisar a variável complexidade, foi proposto um framework para classificação dos infográficos. Pode-se concluir que, de fato, infográficos classificados como de baixa complexidade proporcionam maior aprendizagem. No entanto, o aprendizado por meio dos infográficos de complexidade alta não foi significativamente menor. É possível atribuir essa queda não significativa à natureza explicativa dos infográficos, capaz de estabilizar o aprendizado do aluno a partir de um determinado nível de complexidade, mesmo que a complexidade aumente. / The increasing use of virtual learning environments lead teachers and developers to assess what is the best visualization format to use. Infographic is an information visualization format that has gained the educational context. It uses figures, graphs, and short textual explanations associated with design elements, to transform complex information into simple display. However, few empirical studies investigate the interference of the infographic format in the learning process and consider the influence of affective states (in particular enjoyment) and preference (i.e., learning styles) in students information retention when using infographics. This masters dissertation aims at investigating the educational benefits of using infographics as learning material and comparing them to traditional materials, pure text and graphic+text. In addition, it aims at analysing the influence of other experimental variables such as infographics complexity, students satisfaction and learning style. For this, an experiment was carried out with 74 undergraduate students distributed among three formats of learning materials (i.e., infographics, graphics+text and pure text) in a computer-supported individual learning session. Subjects were evaluated about immediate learning, retention and loss of knowledge, satisfaction, learning styles and time. The results suggest that infographics are as good for learning and retention as traditional materials. There is no evidence that visual or verbal learning styles impact on student learning or enjoyment. In addition, evidence has been found that positive satisfactions may result in greater retention of information. To analyze the infographics complexity, a framework was proposed to classify infographics. It can be concluded that, in fact, infographics classified as low complexity provide greater results for learning. However, learning through infographics of high complexity was not significantly smaller. It is possible to assign this non-significant dacay to the infographics explanatory nature, capable of steading the students learning from a certain level of complexity.

Bancos de dados relacionais são fontes de dados rigidamente estruturadas, caracterizadas por relacionamentos complexos entre um conjunto de relações (tabelas). Entender tais relacionamentos é um desafio, porque os usuários precisam considerar múltiplas relações, entender restrições de integridade, interpretar vários atributos, e construir consultas SQL para cada tentativa de exploração. Neste cenário, introduz-se uma metodologia em duas etapas; primeiro utiliza-se um grafo organizado como uma estrutura hierárquica para modelar os relacionamentos do banco de dados, e então, propõe-se uma nova técnica de visualização para exploração relacional. Os resultados demonstram que a proposta torna a exploração de bases de dados significativamente simplificada, pois o usuário pode navegar visualmente pelos dados com pouco ou nenhum conhecimento sobre a estrutura subjacente. Além disso, a navegação visual de dados remove a necessidade de consultas SQL, e de toda complexidade que elas requerem. Acredita-se que esta abordagem possa trazer um paradigma inovador no que tange à compreensão de dados relacionais / Relational databases are rigid-structured data sources characterized by complex relationships among a set of relations (tables). Making sense of such relationships is a challenging problem because users must consider multiple relations, understand their ensemble of integrity constraints, interpret dozens of attributes, and draw complex SQL queries for each desired data exploration. In this scenario, we introduce a twofold methodology; we use a hierarchical graph representation to efficiently model the database relationships and, on top of it, we designed a visualization technique for rapidly relational exploration. Our results demonstrate that the exploration of databases is deeply simplified as the user is able to visually browse the data with little or no knowledge about its structure, dismissing the need of complex SQL queries. We believe our findings will bring a novel paradigm in what concerns relational data comprehension.

Há várias décadas, pesquisadores em ciências sociais buscam formas gráficas para expressar as relações humanas na sociedade. O advento do computador e, mais recentemente, da internet, possibilitou o surgimento de um campo que tem despertado a atenção de estudiosos das áreas de visualização de informação e de ciências sociais, o da visualização de redes sociais. Esse campo tem o potencial de revelar e explorar padrões que podem beneficiar um número muito grande de aplicações e indivíduos em áreas tais como comércio, segurança em geral, redes de conhecimento e pesquisa de mercado. Grande parte dos algoritmos de visualização de redes sociais são baseados em grafos, destacando relacionamentos entre indivíduos e grupos de indivíduos, mas dando pouca atenção aos seus demais atributos. Assim, este trabalho apresenta um conjunto de soluções para representar e explorar visualmente redes sociais levando em consideração tais atributos. A primeira solução faz uso de redes heterogêneas, onde tanto indivíduos quanto comunidades são representados no grafo; a segunda solução utiliza técnicas de visualização baseadas em projeção multidimensional, que promovem o posicionamento dos dados no plano de acordo com algum critério de similaridade baseado em atributo; e a última solução coordena múltiplas visões para focar rapidamente em regiões de interesse. Os resultados indicam que as soluções proveem um poder de representação e identificação de conceitos não facilmente detectados por formas convencionais de visualização e exploração de grafos, com indícios fornecidos através dos estudos de caso e da realização de avaliações com usuários. Este trabalho fornece um estudo das áreas de visualização em grafos para a análise de redes sociais bem como uma implementação das soluções de integração da visualização em redes com as projeções multidimensionais / For decades, social sciences researchers have searched for graphical forms to express human social relationships. The development of computer science and more recently of the Internet has given rise to a new field of research for visualization and social sciences professionals, that of social network visualization. This field can potentially offer new opportunities in reveal new patterns that can benefit a large number of applications and individuals in fields such as commerce, security, knowledge networks and marketing. A large part of social network visualization algorithms and systems relies on graph representations, highlighting relationships amongst individuals and groups of individuals, but mostly neglecting the other available attributes of individuals. Thus, this work presents a set of tools to represent and explore social networks visually, taking into consideration the attributes of the nodes. The first technique employs heterogeneous networks, where both individuals and communities are represented in the graph; the second solution uses visualization techniques based on multidimensional projection, which promote the placement of data in the plane according to some similarity criterion based on attribute; still another proposed technique coordinates multiple views in order to speed up focus in regions of interest in the data sets. The results indicate that the solutions promote high degree of representation power and that concept identification not easily obtained via other methods is possible; the evidence comes from case studies as well as a user evaluation. This work includes a study in the area of graph visualization for social network analysis as well as a system implementing the proposed solutions, that integrate network visualization and multidimensional projections to extract patterns from social networks

Social media channels such as Twitter and Facebook often contribute to disseminate initiatives that seek to inform and empower citizens concerned with government actions. On the other hand, certain actions and statements by governmental institutions, or parliament members and political journalists that appear on the conventional media tend to reverberate on the social media. This scenario produces a lot of textual data that can reveal relevant information on governmental actions and policies. Nonetheless, the target audience still lacks appropriate tools capable of supporting the acquisition, correlation and interpretation of potentially useful information embedded in such text sources. In this scenario, this work presents two system for the analysis of government and social media data. One of the systems introduces a new visualization, based on the river metaphor, for the analysis of the temporal evolution of topics in Twitter in connection with political debates. For this purpose, the problem was initially modeled as a clustering problem and a domain-independent text segmentation method was adapted to associate (by clustering) Twitter content with parliamentary speeches. Moreover, a version of the MONIC framework for cluster transition detection was employed to track the temporal evolution of debates (or clusters) and to produce a set of time-stamped clusters. The other system, named ATR-Vis, combines visualization techniques with active retrieval strategies to involve the user in the retrieval of Twitters posts related to political debates and associate them to the specific debate they refer to. The framework proposed introduces four active retrieval strategies that make use of the Twitters structural information increasing retrieval accuracy while minimizing user involvement by keeping the number of labeling requests to a minimum. Evaluations through use cases and quantitative experiments, as well as qualitative analysis conducted with three domain experts, illustrates the effectiveness of ATR-Vis in the retrieval of relevant tweets. For the evaluation, two Twitter datasets were collected, related to parliamentary debates being held in Brazil and Canada, and a dataset comprising a set of top news stories that received great media attention at the time. / Mídias sociais como o Twitter e o Facebook atuam, em diversas situações, como canais de iniciativas que buscam ampliar as ações de cidadania. Por outro lado, certas ações e manifestações na mídia convencional por parte de instituições governamentais, ou de jornalistas e políticos como deputados e senadores, tendem a repercutir nas mídias sociais. Como resultado, gerase uma enorme quantidade de dados em formato textual que podem ser muito informativos sobre ações e políticas governamentais. No entanto, o público-alvo continua carente de boas ferramentas que ajudem a levantar, correlacionar e interpretar as informações potencialmente úteis associadas a esses textos. Neste contexto, este trabalho apresenta dois sistemas orientados à análise de dados governamentais e de mídias sociais. Um dos sistemas introduz uma nova visualização, baseada na metáfora do rio, para análise temporal da evolução de tópicos no Twitter em conexão com debates políticos. Para tanto, o problema foi inicialmente modelado como um problema de clusterização e um método de segmentação de texto independente de domínio foi adaptado para associar (por clusterização) tweets com discursos parlamentares. Uma versão do algorimo MONIC para detecção de transições entre agrupamentos foi empregada para rastrear a evolução temporal de debates (ou agrupamentos) e produzir um conjunto de agrupamentos com informação de tempo. O outro sistema, chamado ATR-Vis, combina técnicas de visualização com estratégias de recuperação ativa para envolver o usuário na recuperação de tweets relacionados a debates políticos e associa-os ao debate correspondente. O arcabouço proposto introduz quatro estratégias de recuperação ativa que utilizam informação estrutural do Twitter melhorando a acurácia do processo de recuperação e simultaneamente minimizando o número de pedidos de rotulação apresentados ao usuário. Avaliações por meio de casos de uso e experimentos quantitativos, assim como uma análise qualitativa conduzida com três especialistas ilustram a efetividade do ATR-Vis na recuperação de tweets relevantes. Para a avaliação, foram coletados dois conjuntos de tweets relacionados a debates parlamentares ocorridos no Brasil e no Canadá, e outro formado por um conjunto de notícias que receberam grande atenção da mídia no período da coleta.

A atenção voltada à produção de conteúdos 3D atualmente tem sido alta, grande parte devido à aceitação e à manifestação de interesse do público para esta tecnologia. Novas técnicas de captação e codificação e modos de reprodução de vídeos 3D, particularmente vídeos estereoscópicos, vêm surgindo ou sendo melhorados, visando aperfeiçoar e integrar esta nova tecnologia com a infraestrutura disponível. No entanto, em relação a avanços na área de codificação, nota-se a ausência de uma técnica compatível com mais de um método de visualização de vídeos estereoscópicos - para cada método de visualização há uma técnica de codificação diferente, o que inviabiliza ao usuário escolher o método que deseja visualizar o conteúdo. Uma abordagem para resolver este problema é desenvolver uma técnica genérica, isto é, uma técnica que seja independentemente do método de visualização, que através de parâmetros adequados, produza um vídeo estereoscópico sem perda significativa de qualidade ou a percepção de profundidade, que é a característica marcante desse tipo de conteúdo. O método proposto neste trabalho, chamado HaaRGlyph, transforma um vídeo esterescópico em um único fluxo contendo um anáglifo, codificado de modo especial. Esse fluxo além de ser compatível com o método de visualização anaglífica é também reversível à uma aproximação do par estéreo original, possibilitando a independência de visualização. Além disso, a HaaRGlyph atinge maiores taxas de compressão do que o trabalho relacionado. / Attention towards 3D content production has been currently high, mostly because of public acceptance and interest in this kind of technology. Therefore, new capturing techniques, coding and playback modes for 3D video, particularly stereoscopic video, have been emerging or being enhanced, focusing on improving and integrating this new kind of technology with the available infrastructure. However, regarding advances in the coding area, there are conflicts because each stereoscopic visualization method uses a different coding technique. That leads to incompatibility between those methods. An approach to tackle this problem is to develop a generic technique, that is, a technique that is appropriate regardless the visualization method. Such technique, with suitable parameters, outputs a stereoscopic video with no significant loss of quality or depth perception, which is the remarkable feature of this kind of content. The method proposed in this work, named HaaRGlyph, transforms a stereo pair of videos into a single anaglyph stream, coded in a special manner. Such stream is not only compliant with the anaglyph visualization method but also reversible to something close to the original stereo pair, allowing visualization independence. Moreover, HaarGlyph achieves higher compression rates than related work.

Diversas são as aplicações que podem ser expressas por meio de grafos [2]. Algoritmos [3] e modelos de visualização [15] podem ser encontrados amplamente na literatura. Todos os problemas de grafos possuem uma base em comum: um modelo genérico que nasce da própria natureza dos elementos e das relações que podem ser expressas entre eles, diferindo apenas pelo tipo de resposta que queremos obter desta complexa malha. Além disso, é natural que, para problemas que sejam de áreas distintas, mas que sejam semelhantes quanto ao processamento interno, apenas o que mude, seja a visualização dos elementos que o compõe (nós, arestas, etc.). Da mesma forma, independente do tipo de processamento interno, os grafos devem manter a estrutura original de grafos, ou seja, ainda deve haver uma malha que descreve os nós e suas ligações. Neste aspecto, fundamentamos nosso estudo: propomos neste trabalho, desenvolver uma API que possa ser estendida para os mais diversos problemas na área de grafos, tanto na parte visual como na representação matemática do modelo e dos algoritmos, porém, robusta, no sentido de manter a complexidade dos algoritmos envolvidos na área de grafos, além de ser completamente dirigida as necessidades de cada aplicação, podendo-se alterar apenas algumas partes da aplicação para obter um produto específico ao trabalho do usuário / There are several applications that can be expressed by means of graphs [2]. Algorithms [3] and visualization models [15] can be widely found in the literature. All graph problems have a common base: create a generic model that arises not only from the nature of their elements, but also from the relationships which these elements can express, differing just by the type of response we want to get from this complex mesh. Moreover, it is natural for problems that are in different fields, but similar in internal processing, that the only change is related to how elements are visualized (nodes, edges, and so on). Likewise, regardless the internal processing, the graphs must keep their original structure, i.e., they must still be a mesh that describes the nodes and their connections. Based on that, this study proposes to develop an API that is generic enough to be extended to several problems in the graphs area. This API can be applied in both visual and mathematical representation of models and algorithms. Besides that, it must be robust to maintain the complexity of the algorithms involved in the graph. Also, it has to be flexible so that only some parts of the application can be changed to get a specific product to the user´s need

Este trabalho apresenta o Animbs (Animation for MBS), um sistema capaz de visualizar dados gerados por um sistema de simulação de engenharia (SD/FAST) na forma de animações por computador. SD/FAST é um sistema utilizado para o modelamento e a simulação de sistemas mecânicos multicorpos (MBS). O sistema Animbs permite a associação de uma geometria ao MBS sendo simulado e utiliza os dados produzidos pela simulação do SD/FAST para criar uma animação do comportamento do sistema mecânico e, dessa forma, melhorar a análise de dados feita pelos usuários do SD/FAST. / This work presents Animbs (Animation for MBS), a software that enables the visualization of data generated by an engineering simulation system (SD/FAST) in the form of computer animation. SD/FAST is a system for modeling and simulation of multibody systems (MBS). The Animbs system allows the association of a geometry to the MBS being simulated, and uses the data produced by the SD/FAST simulation to create an animated view of the MBS behavior, thus providing support for enhanced data analysis by users of SD/FAST.