Reducing the information load in map animations as a tool for exploratory analysis

Loading...
Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Engineering | Doctoral thesis (article-based) | Defence date: 2016-11-25

Date

2016

Major/Subject

Mcode

Degree programme

Language

en

Pages

69 + app. 63

Series

Aalto University publication series DOCTORAL DISSERTATIONS, 160/2016

Abstract

This dissertation investigates the information load that animated maps cause to their viewers, and presents two novel visualisation methods to support the exploratory visual analysis of the animations. Information load consists of the information content of the map and its presentation. The number of objects and their attributes are the unavoidable content, but the visualisation of the objects, the background map, and display settings of an animation have an effect on the information load and experienced complexity of the presentation. Information overload causes a load on human beings' cognitive capacity and working memory. Our brain is capable of processing only a few pieces of information at a time, and if new information is provided faster than it can be moved into the long-term memory, some of the information is lost. Luckily, the information can be segmented into meaningful wholes, mental chunks, to increase the processing capacity. The aim was to find out, what factors increase the information load in animated maps, how this load could be reduced, and how the formation of mental chunks of an animation can be supported. The most important factors affecting the information load were recognised to be the temporal extent of the dataset, geometry complexity and illogical movement of the data presented, and the user's task. When the temporal extent of the information grew too big for the users, the amount of information was automatically reduced from another aspect. The combination of two datasets, that was designed based on previous knowledge about combination colours, was experienced as being too complex because of the graininess of the dataset and the unexpected behaviour of the phenomena. The novel visualisation methods presented, temporal equal density transformation and temporal classification, aim to reduce the information load without any loss of the information content; a feature that is important in exploratory analysis where the task is unknown. In the user tests, they were proved to be particularly useful to reveal such spatio-temporal patterns that would have been left unnoticed with traditional animations. They seem to be able to reduce the information load by spreading the information flow equally over the whole period and by segmenting the animation into easily adoptable chunks. As a conclusion, it can be argued that the designing of map animation sufficient for exploratory analysis should take into account the characteristics of both the spatial and temporal structureof the data, since a task-based visualisation is not possible to define in exploratory use.

Tämä väitöskirja käsittelee kartta-animaatioiden käyttäjälleen aiheuttamaa informaatiokuormaa, sekä esittelee kaksi uutta menetelmää animaatioiden eksploratiivisen analyysin tueksi. Informaatiokuorma koostuu tietosisällöstä ja sen esitystavasta. Objektienmäärä ja niiden ominaisuudet ovat välttämätöntä tietosisältöä, kun taas niiden visualisointitapa, taustakartta ja animaation asetukset vaikuttavat informaatio kuormaan ja animaation koettuun kompleksisuuteen. Informaation ylikuormitus rasittaa ihmisen työmuistia ja kognitiivista suorituskykyä. Aivot pystyvät käsittelemään kerrallaan vain muutamaa kohdetta, ja jos uutta informaatiota tulee nopeammin kuin edelliset saadaan siirrettyä säilömuistiin, osa informaatiosta menetetään. Informaatio kuitenkin voidaan ryhmitellä suuremmiksi kokonaisuuksiksi, jolloin säilömuistiin siirtämisen kapasiteetti kasvaa. Tämä väitöskirja pyrkii selvittämään, mitkä tekijät kasvattavat kartta-animaatioiden aiheuttamaa informaatiokuormaa, kuinka tätä kuormaa voidaan lievittää, ja kuinka käsiteltävien kokonaisuuksien muodostamista animaatioista voidaan tukea. Tärkeimmiksi informaatiokuormaa lisääviksi tekijöiksi tunnistettiin ilmiön ajallinen laajuus, geometrian kompleksisuus ja ilmiön epälooginen käyttäytyminen, sekä käyttäjän tehtävämäärittely. Kun tarkasteltavana aineiston ajallinen laajuus kasvoi liikaa, käyttäjät vähensivät automaattisesti tietosisältöä joltain toiselta akselilta. Kahden aineiston yhdistelmä, joka oli suunniteltu kaksimuuttujaisen visualisoinnin aiempiin tutkimuksiin perustuen, koettiin liian kompleksiseksi. Tämä johtui aineiston geometrisesta rikkonaisuudesta ja aineistojen esittämien ilmiöiden epäloogisesta käyttäytymisestä. Esitellyt uudet menetelmät, temporaalinen tasavälimuunnos ja temporaalinen luokittelu, pyrkivät vähentämään informaatiokuormaa ilman, että yhtään tietosisältöä häviää. Tämä ominaisuus on tärkeä eksploratiivisessa analyysissa, jossa käyttäjän tavoite ei ole vielä selvillä. Käyttäjätestit osoittivat menetelmät lupaaviksi. Erityisesti ne onnistuivat paljastamaan aineistoista hahmoja, jotka olisivat jääneet huomaamatta perinteisen animaation avulla. Menetelmät vaikuttavat onnistuvan vähentämään informaatiokuormaa tasoittamalla havainnot tasaisesti tarkastelujaksolle ja ryhmittelemällä animaation sisällön helpommin omaksuttaviksi palasiksi. Yhteenvetona voidaan todeta että eksploratiiviseen käyttöön tarkoitetun kartta-animaation suunnittelussa tulee ottaa huomioon datan spatiaaliset ja temporaaliset ominaispiirteet, koska tehtäväperusteinen suunnittelu ei ole mahdollista.

Description

Supervising professor

Virrantaus, Kirsi, Prof., Aalto University, Department of Built Environment, Finland

Thesis advisor

Ahonen-Rainio, Paula, D.Sc., Aalto University, Department of Built Environment, Finland

Keywords

map animation, information load, exploratory analysis, visual analysis, kartta-animaatio, informaatiokuorma, eksploratiivinen analyysi, visuaalinen analyysi

Other note

Parts

  • [Publication 1]: Multimäki, Salla; Seppänen, Hannes; Ahonen-Rainio, Paula. 2010. User Profiling for Maritime Situational Picture. Journal of Location Based Services, vol 4, no. 3-4, pp. 240-252. ISSN: 1748-9725.
    DOI: 10.1080/17489725.2010.532817 View at publisher
  • [Publication 2]: Multimäki, Salla, Mäkilä, Antti, Korpi, Jari, & Ahonen-Rainio, Paula. 2016. Experiencing bivariate colour scales on animated maps. International Journal of Cartography, vol 2, no. 1, 1-18. ISSN: 2372-9333.
    DOI: 10.1080/23729333.2016.1187467 View at publisher
  • [Publication 3]: Multimäki, Salla; Ahonen-Rainio, Paula. 2015. Assisting the Detection of Spatio-Temporal patterns in Temporally Transformed Map Animation. International Journal on Advances in Systems and Measurements, vol. 8, no. 3 & 4, pp. 168-177. ISSN: 1942-261X.
  • [Publication 4]: Multimäki, Salla; Hall, Andreas; Ahonen-Rainio, Paula. 2015. Comparison of Temporally Classified and Unclassified Map Animations. Cartographic Perspectives no. 82 (forthcoming). ISSN: 1048-9053.

Citation