وب جی ای اس (Web GIS )در عمل : نمایشی از تجزیه و تحلیل بصری مکانی با استفاده از فناوری Microsoft Live Labs Pivot و داده های مرگ و میر سازمان جهانی بهداشت

هدف تجزیه و تحلیل بصری تسهیل گفتمان بین کاربر و داده ها با ارائه نمایشگرهای پویا و فرصت های تعامل بصری همه کاره با داده هایی است که می تواند از استدلال تحلیلی و کاوش داده ها از جنبه های مختلف قابل تنظیم توسط کاربر پشتیبانی کند. این مقاله تجزیه و تحلیل بصری جغرافیایی، یک زیرگروه تخصصی از تجزیه و تحلیل بصری را معرفی می کند، و به تعدادی از منابع یادگیری در مورد این موضوع اشاره می کند، و همچنین نمونه هایی از سلامت انسان، نظارت، مدیریت اضطراری و برنامه های کاربردی تجزیه و تحلیل بصری جغرافیایی مربوط به اپیدمیولوژی را ارائه می دهد. ابزارهای نرم افزار رایگانی که خوانندگان می توانند با آنها آزمایش کنند، مانند Google Public Data Explorer. نویسندگان همچنین یک نمایش عملی از تجزیه و تحلیل بصری جغرافیایی با استفاده از داده‌های جزئی برای 35 کشور از مجموعه داده‌های مرگ و میر سازمان جهانی بهداشت (WHO) در دسترس عموم و فناوری Microsoft Live Labs Pivot ارائه می‌کنند، ابزاری رایگان و عمومی برای تجزیه و تحلیل بصری که راهی جدید برای به صورت بصری حجم عظیمی از داده ها و تصاویر را به صورت آنلاین مرور و مرتب کنید و همچنین از طبقه بندی جغرافیایی و زمانی مجموعه داده های دارای اجزای مکانی و زمانی پشتیبانی می کند. خوانندگان علاقه مند می توانند یک آرشیو Zip (شامل دستنوشته به عنوان یک فایل اضافی) حاوی تمام فایل ها، ماژول ها و توابع کتابخانه مورد استفاده برای استقرار مجموعه Pivot داده های مرگ و میر سازمان بهداشت جهانی که در این مقاله توضیح داده شده است را دانلود کنند. ابزار تجزیه و تحلیل بصری با هدف عمومی که روشی جدید برای مرور بصری و مرتب کردن حجم عظیمی از داده‌ها و تصاویر آنلاین ارائه می‌دهد و همچنین از طبقه‌بندی جغرافیایی و زمانی مجموعه داده‌های دارای اجزای مکانی و زمانی پشتیبانی می‌کند. خوانندگان علاقه مند می توانند یک آرشیو Zip (شامل دستنوشته به عنوان یک فایل اضافی) حاوی تمام فایل ها، ماژول ها و توابع کتابخانه مورد استفاده برای استقرار مجموعه Pivot داده های مرگ و میر سازمان بهداشت جهانی که در این مقاله توضیح داده شده است را دانلود کنند. ابزار تجزیه و تحلیل بصری با هدف عمومی که روشی جدید برای مرور بصری و مرتب کردن حجم عظیمی از داده‌ها و تصاویر آنلاین ارائه می‌دهد و همچنین از طبقه‌بندی جغرافیایی و زمانی مجموعه داده‌های دارای اجزای مکانی و زمانی پشتیبانی می‌کند. خوانندگان علاقه مند می توانند یک آرشیو Zip (شامل دستنوشته به عنوان یک فایل اضافی) حاوی تمام فایل ها، ماژول ها و توابع کتابخانه مورد استفاده برای استقرار مجموعه Pivot داده های مرگ و میر سازمان بهداشت جهانی که در این مقاله توضیح داده شده است را دانلود کنند.

تجزیه و تحلیل بصری یک حوزه تحقیقاتی و عملی نوظهور است که هدف آن استفاده از قابلیت‌های عالی انسان در زمینه اکتشاف اطلاعات بصری است. به لطف افزایش بسیار زیاد قدرت پردازش کامپیوترها و قابلیت‌های پردازش گرافیکی آن‌ها، اکنون می‌توانیم محیط‌های کشف دانش بصری و تعاملی بسیار قدرتمندی را پیاده‌سازی کنیم [1] که می‌تواند به پژوهشگران یا گروه‌هایی از محققان فردی قدرت دهد تا تصمیم‌های آگاهانه بگیرند. موقعیت های پیچیده [ 2]. هدف تجزیه و تحلیل بصری شفاف سازی فرآیندهای بسط داده، جمع آوری اطلاعات و تولید دانش برای کاربران ابزار است. تجزیه و تحلیل بصری بهبود مفهوم تجسم اطلاعات است و می تواند به عنوان یک رویکرد یکپارچه ترکیبی از تجسم، عوامل انسانی و تجزیه و تحلیل داده ها [ 3 ] دیده شود.

ایده اصلی تجزیه و تحلیل بصری این است که به صورت بصری اطلاعات را نشان دهد و به انسان این امکان را می دهد که مستقیماً با داده های زیربنای تعامل داشته باشد تا بینش به دست آورد، نتیجه گیری کند و در نهایت تصمیمات بهتری بگیرد. ادغام سینرژیک بین محاسبات، نمایش بصری و تفکر تعاملی، از تجزیه و تحلیل فشرده با استفاده از سیستم بینایی انسان برای پشتیبانی از فرآیند حس‌سازی پشتیبانی می‌کند، که در آن اطلاعات جمع‌آوری، سازماندهی و تجزیه و تحلیل می‌شود تا دانش تولید شود و اقدامات برنامه‌ریزی شود. هدف نه تنها اجازه دادن به کاربران برای شناسایی رویدادهای مورد انتظار، مانند پیش‌بینی مدل‌ها، بلکه کمک به کاربران برای کشف موارد غیرمنتظره – ناهنجاری‌ها، تغییرات، الگوها و روابط شگفت‌انگیز است که سپس بررسی و ارزیابی می‌شوند تا جدید ایجاد کنند. بینش [ 4 ].

تجزیه و تحلیل بصری یک زمینه ذاتا چند رشته ای است [ 5-7 ] که هدف آن ترکیب روش ها و نقاط قوت حوزه های مختلف تحقیقاتی، از جمله تعامل انسان و کامپیوتر (HCI) و مهندسی قابلیت استفاده، علوم شناختی و ادراکی، علوم تصمیم گیری، تجسم اطلاعات ، تجسم علمی، تجسم مکانی، پایگاه‌های اطلاعاتی، داده‌کاوی، آمار، کشف دانش، مدیریت داده‌ها و نمایش دانش، تجزیه و تحلیل جغرافیایی، و گرافیک و رندر و غیره.

تجزیه و تحلیل بصری شامل چندین حوزه است که شامل تکنیک های استدلال تحلیلی (برای توانمند ساختن کاربران برای ارزیابی، برنامه ریزی و تصمیم گیری)، بازنمایی های بصری و تکنیک های تعامل (برای استفاده از مسیر پهنای باند وسیع چشم انسان به ذهن؛ به کاربران اجازه دیدن، کاوش را می دهد. و مقادیر زیادی از اطلاعات را به یکباره درک کنید)، بازنمایی و تبدیل داده ها (که همه انواع داده های متضاد و پویا را به نمایش های بصری و تحلیلی تبدیل می کند)، و تکنیک هایی برای پشتیبانی از تولید، ارائه و انتشار نتایج.

مزایای اصلی کاوش داده های بصری نسبت به تکنیک های داده کاوی خودکار که از آمار یا یادگیری ماشین استفاده می کنند عبارتند از [ 8 ]:

• تجزیه و تحلیل بصری می تواند به راحتی با داده های بسیار ناهمگن و پر سر و صدا مقابله کند. بصری است و نیازی به درک الگوریتم ها یا پارامترهای پیچیده ریاضی یا آماری توسط اپراتورهای آن ندارد و زمانی که اطلاعات کمی در مورد داده ها وجود دارد و اهداف اکتشاف مبهم هستند بسیار ارزشمند است. و
• تجزیه و تحلیل بصری می تواند مشکلات تحلیلی سخت را حل کند، جایی که نه ماشین و نه انسان به تنهایی نمی توانند به طور موثر و مؤثر راه حلی بیابند.

تجزیه و تحلیل بصری جغرافیایی به عنوان یک زیرگروه تخصصی از تجزیه و تحلیل بصری: منابع و مثال ها

تجزیه و تحلیل بصری جغرافیایی یک منطقه چند رشته ای در حال ظهور است که از استدلال تحلیلی مکانی-زمانی و تصمیم گیری از طریق رابط های بصری تعاملی (مانند نقشه ها و سایر مصنوعات بصری) که به روش های محاسباتی مرتبط هستند، پشتیبانی می کند [9 ، 10 ] . یک منبع آنلاین خوب و نقطه شروع برای یادگیری در مورد تجزیه و تحلیل بصری مکانی، GeoAnalytics.net [ 11 ] است، پورتالی که توسط کمیسیون تجسم جغرافیایی انجمن بین المللی کارتوگرافی اداره می شود. گنادی و ناتالیا آندرینکو همچنین یک آموزش جامع 114 اسلایدی ارائه می دهند که می تواند در [ 12 ] دانلود شود.

برخی از نمونه‌هایی از سلامت انسان، نظارت/مدیریت اضطراری و کاربردهای تحلیل بصری زمین‌فضایی مرتبط با اپیدمیولوژی را می‌توان در [ 13-18 ] یافت . لیونات و همکارانش [ 16 ، 17 ] Epinome [ 19 ] (یک پورمانتو (یا ترکیبی) از «اپیدمی» و «پانوراما»)، یک سیستم تجسم داده‌های مبتنی بر وب برای نظارت، مدیریت و کنترل بیماری‌های عفونی که دارای جدول زمانی متحرک است را توصیف می‌کنند. نقشه برداری choropleth، پرس و جو لیست خط، به علاوه ابزارهای دیگر برای جمع آوری و طبقه بندی داده ها به صورت تعاملی. مرکز GeoVISTA در دانشگاه ایالتی پنسیلوانیا، ایالات متحده، تعدادی نرم‌افزار و ابزار را ارائه می‌دهد که می‌توانند در سناریوهای مختلف تحلیل بصری جغرافیایی استفاده شوند [ 20]]. ابزار مورد علاقه دیگر، Gapminder [ 21 ]، به کاربران اجازه می دهد تا سری های زمانی آمار توسعه را برای همه کشورها کشف کنند. خوانندگان علاقه مند به ایجاد نمودارهای حباب مانند Gapminder خود می توانند از یک ابزار رایگان گوگل به نام Motion Chart برای این کار استفاده کنند [ 22 ]. گوگل همچنین ابزار تجسم قدرتمند خود را دارد (Google Public Data Explorer [ 23]) برای کاوش، تجسم و به اشتراک گذاری داده ها به شیوه ای Gapminder مانند. مجموعه داده‌های بسیاری از تعدادی ارائه‌دهنده داده مانند بانک جهانی، یورواستات، OECD (سازمان توسعه و همکاری اقتصادی) و CDC ایالات متحده (مراکز کنترل و پیشگیری از بیماری‌ها) در حال حاضر برای کاوش در Google Public Data Explorer در دسترس هستند، از جمله برخی مجموعه‌ای از موضوعاتی است که مستقیماً با سلامت انسان مرتبط هستند، به عنوان مثال، شیوع بیماری‌های عفونی، بیماری‌های مقاربتی در ایالات متحده، مرگ و میر در ایالات متحده، و موارد سرطان در ایالات متحده [24] ( شکل 1 )). علاوه بر این، کاربران می‌توانند مجموعه داده‌های خود را برای تجسم و کاوش به روش تعاملی مشابه، با استفاده از طیف گسترده‌ای از نمودارهای خط، نوار، نقشه و حباب استاتیک و متحرک (برای نشان دادن تغییرات در طول زمان) بارگذاری کنند، همراه با بسیاری از نمودارهای قابل انتخاب توسط کاربر. طبقه بندی داده ها و گزینه های مقایسه [ 25 ].

در این مقاله، ما یک تمرین اصلی تجزیه و تحلیل بصری جغرافیایی را با استفاده از فناوری Microsoft Live Labs Pivot [ 26 ] نشان می‌دهیم، یک ابزار تجزیه و تحلیل بصری عمومی و رایگان که راهی تازه برای مرور بصری و مرتب کردن مقادیر عظیم داده (و تصاویر، به عنوان مثال، [ 27 ]) آنلاین. Microsoft Pivot بزرگنمایی بصری قدرتمندی را به داخل و خارج از پایگاه داده های وب و کشف الگوها و روابط جدید در آنها امکان می دهد که در غیر این صورت در مرور وب استاندارد مجموعه داده های بزرگ نامرئی خواهند بود [28 ] . همانطور که در این مقاله می خواهیم نشان دهیم، اگر مجموعه داده کاوش شده شامل یک جزء جغرافیایی باشد، می تواند برای طبقه بندی های جغرافیایی نیز استفاده شود.

Microsoft Pivot یک فناوری تجسم داده است که می تواند برای تعامل آسان، تجزیه و تحلیل، فیلتر کردن، طبقه بندی و خوشه بندی مقادیر زیادی از داده های تصویر استفاده شود [ 29 ]. Pivot مبتنی بر فناوری‌های Silverlight [ 30 ] و Deep Zoom [ 31 ] است، هر دو توسط مایکروسافت. Pivot را می توان به عنوان یک ابزار مستقل با استفاده از Microsoft Windows 7، Vista، یا XP ایجاد و استقرار داد [ 29 ، 32 ، 33]. همچنین می‌توان آن را با استفاده از ویندوز مایکروسافت ایجاد کرد و در یک محیط تحت وب با استفاده از اکثر سرورهای وب مانند Apache، IIS (سرویس‌های اطلاعات اینترنت مایکروسافت) و غیره مستقر شد. در این آموزش نحوه ایجاد و استقرار یک پروژه Pivot را نشان خواهیم داد (همچنین). به عنوان مجموعه Pivot شناخته می شود) با استفاده از ویندوز مایکروسافت و یک محیط تحت وب که دارای سیستم عامل لینوکس (CentOS 5) و وب سرور آپاچی است.

روش های ایجاد مجموعه محوری

مجموعه های محوری را می توان با فرآیندهای خودکار یا دستی ایجاد کرد. در این آموزش، ما بر روی فرآیند دستی با استفاده از افزونه اکسل برای مجموعه‌های Pivot تمرکز می‌کنیم که می‌توان آزادانه در [ 34 ] دانلود کرد. فرآیند دستی هم ساده و هم آسان برای پیاده سازی است. در زیر نکاتی درباره روش‌های خودکار و دستی برای ایجاد مجموعه‌های Pivot آمده است:

• فرآیند خودکار : در این روش، یک برنامه کامپیوتری توسعه داده می‌شود که فرآیند ایجاد تصاویر مجموعه Pivot را با استفاده از کتابخانه‌ها و ماژول‌های موجود خودکار می‌کند. ماژول ها و کتابخانه های رایج شامل، اما محدود به موارد زیر نیستند:
  • کتابخانه تصویربرداری پایتون (PIL) [ 35 ]: نسخه 1.1.6 یا بالاتر در پردازش، ایجاد و قالب‌بندی تصاویر در فرمت‌های مختلف (JPEG–گروه مشترک متخصصان عکاسی، PNG–گرافیک شبکه قابل حمل و غیره) برای زوم‌های مختلف استفاده می‌شود. سطوح برای تولید تجسم مورد نیاز؛ و
  • ابزارهای زوم عمیق پایتون: پایتون یک کتابخانه بزرگنمایی عمیق، نسخه 0.1.0 یا بالاتر [ 36 ] دارد که برای تبدیل و تقسیم تصاویر به سطوح و کاشی های مختلف زوم (DZI–فرمت فایل تصویر زوم عمیق یا هرم تصویر کاشی شده) استفاده می شود. [ 37 ]) به منظور تولید تصاویر با وضوح بالا با قابلیت زوم در مقیاس چندگانه.
• فرآیند دستی : در این فرآیند، صفحه گسترده مایکروسافت اکسل (2007 یا جدیدتر) برای ایجاد یک مجموعه Pivot با استفاده از یک افزونه اکسل برای مجموعه‌های Pivot [ 34 ] استفاده می‌شود. کاربر نیازی به نوشتن یک خط کد با این روش ندارد، زیرا تمام کدهای مورد نیاز قبلاً در افزونه اکسل برای مجموعه های Pivot نوشته و تعبیه شده است. پلاگین اکسل مانند یک ابزار جمع آوری برای فناوری Pivot عمل می کند که در آن داده ها به شکل صفحه گسترده اکسل با استفاده از تمام ویژگی های اکسل نمایش داده می شوند (شکل 2 ) . سپس مجموعه داده‌ها به قالبی صادر می‌شود که توسط PivotViewer [ 26 ] قابل خواندن باشد. سایر الزامات برای فرآیند دستی عبارتند از:
  • Microsoft Silverlight [ 30 ]: در توسعه و ایجاد پلتفرم Pivot برای برنامه های کاربردی مستقل و دارای وب استفاده می شود. و
  • PivotViewer [ 26 ، 38 ]: کنترل Silverlight PivotViewer در «ابزار مجموعه PivotViewer برای مایکروسافت اکسل» (افزونه فوق الذکر اکسل [ 34 ]) گنجانده شده است. برای ارائه مجموعه های Pivot (داده ها و تصاویر) در صورت تقاضا و برای تجسم مجموعه های Pivot به عنوان یک گروه استفاده می شود.

اجزای ضروری مجموعه مایکروسافت Pivot مستقر شده

صرف نظر از روش ایجاد مجموعه Pivot استفاده شده، چند ماژول/کتابخانه اساسی توسط Microsoft Live Labs Pivot ارائه شده است که برای تکمیل ایجاد و استقرار مجموعه‌های Pivot مورد نیاز است، یعنی:

• PivotSimpleDemo.xap : این ماژول/کتابخانه توسط Microsoft Live Labs ارائه شده است. این در قالب فایل برنامه کاربردی Silverlight کامپایل شده است (در واقع یک آرشیو .zip تغییر نام یافته که شامل تمام فایل های لازم برای برنامه است). هنگامی که در یک مرورگر وب اجرا می شود، یک رابط کاربری گرافیکی (GUI) برای مجموعه Pivot تولید می کند.
• Silverlight.js : این یک جاوا اسکریپت است که برای ایجاد نمونه ای از Microsoft Silverlight و فعال کردن قابلیت مرورگر آن استفاده می شود. می توان آن را در [ 39 ] دانلود کرد.
• Collection_files : این دایرکتوری است که توسط ابزار Pivot Collection هنگام انتشار مجموعه (تصاویر و داده ها) با استفاده از افزونه Excel برای مجموعه های Pivot ایجاد می شود. این شامل فایل‌های (cxml، xml. و .html) و تصاویر در سطوح مختلف بزرگنمایی عمیق است که برای راه‌اندازی و استقرار مجموعه Pivot لازم است.
• collection.cxml : این فایلی است که هنگام انتشار مجموعه Pivot با استفاده از افزونه Excel برای مجموعه های Pivot ایجاد می شود. می توان هر نام مجاز را به آن داد، اما پسوند باید همیشه cxml. (Collection XML–Extensible Markup Language) باشد. همچنین می تواند با استفاده از فرآیند خودکار تولید مجموعه Pivot ایجاد شود. این شامل مجموعه ای از قوانین است که منابع داده را در مجموعه توصیف می کند و همچنین قالبی از نمایش مجموعه برای تجسم کامل (شکل 3 ).

• collection.xml : این فایل همچنین به‌طور خودکار هنگام انتشار مجموعه‌های Pivot با استفاده از ابزار افزودنی اکسل یا روش تولید خودکار ایجاد می‌شود. می تواند هر نام مجاز دیگری داشته باشد، اما پسوند همیشه باید xml. (زبان نشانه گذاری توسعه پذیر) باشد. شناسایی منحصربه‌فردی برای تصاویر مجموعه در سطوح مختلف زوم فراهم می‌کند. همچنین اندازه آنها را از نظر عرض و ارتفاع تصویر اعلام می کند (شکل 4 ).

• collection.html : این فایل توسط مایکروسافت ارائه شده است. می‌تواند هر نامی به خود بگیرد، اما پسوند همیشه .html (فایل زبان نشانه‌گذاری فرامتن) است. این شامل یک ارجاع به اسکریپت Silverlight.js، و همچنین مکان یا آدرس اینترنتی (جهانی منبع یاب) فایل collection.cxml در سرور مورد استفاده برای انتشار مجموعه است (با یک فلش قرمز در شکل 5 مشخص شده است ) . فایل collection.html زمانی مفید است که مجموعه Pivot قرار است بر روی یک سرور وب مستقر شود، زیرا قابلیت مرورگر مشتری را فراهم می کند که Silverlight از آن برای نمایش مجموعه Pivot به صورت بصری استفاده می کند.

• تصاویر بزرگنمایی عمیق : این تصاویر در سطوح مختلف بزرگنمایی هستند که با افزونه اکسل برای مجموعه های Pivot یا به طور خودکار با استفاده از ابزارهای زوم عمیق پایتون و کتابخانه تصویربرداری پایتون ایجاد می شوند. تصاویر با فرمت DZI هستند و در یک زیر پوشه ([تصاویر]) دایرکتوری [collection_files] ذخیره می شوند.

ایجاد و استقرار یک مجموعه Pivot با ابزار PivotViewer Collection (افزونه) برای Microsoft Excel با استفاده از مجموعه داده مرگ و میر سازمان جهانی بهداشت (1990-2008)

در این نمایش، ما از نمونه ای از داده های مرگ و میر سازمان بهداشت جهانی (WHO) استفاده کردیم که در [ 40 ] قابل دانلود است. داده ها آمار مرگ و میر و علل مرگ و میر را بر اساس کشور (کشورهای عضو WHO)، جنسیت، سن و سال ارائه می دهند. ما از نمونه داده های زیر در ایجاد مجموعه Pivot برای این نمایش استفاده کردیم (تعداد کل رکوردها در نمونه داده های مجموعه 984 مورد از 38215 رکورد در برگه منبع WHO است):

• کشور : نمونه رکوردهای داده از 35 کشور عضو WHO استفاده شد. کشورهای عضو سازمان جهانی بهداشت عبارتند از افغانستان، آلبانی، الجزایر، آندورا، آنگولا، باربادوس، بلاروس، بلژیک، بلیز، بنین، بوتان، کامرون، کانادا، کیپ ورد، شیلی، چین، دانمارک، جیبوتی، دومینیکا، جمهوری دومینیکن، اکوادور، مصر، السالوادور، گینه استوایی، نیجریه، بریتانیا، جمهوری متحد تانزانیا، ایالات متحده آمریکا، اروگوئه، ازبکستان، وانواتو، ونزوئلا، یمن، زامبیا و زیمبابوه. لطفاً توجه داشته باشید که فقط یک زیرمجموعه از داده‌های هر کشور (زیرمجموعه‌های سوابق کشور و فیلدها در رکوردهای نمونه) در این نمایش استفاده می‌شود و نه کل داده‌های هر کشور. در نتیجه، نمایشگر فناوری فعلی [ 41] نباید برای انجام هر گونه تجزیه و تحلیل یا مقایسه جدی کشوری یا برای نتیجه گیری علمی مربوط به داده های مرگ و میر استفاده شود.
• سن : محدوده سنی جامعه نمونه 0-100 (0، 1، 5، 10، …، 95، 100) می باشد.
• جنسیت : مذکر (نماینده تصویر نماد مرد آبی)، زن (نماینده تصویر نماد زن صورتی)، و هر دو (هر دو جنس؛ نشان‌دهنده تصویر نماد مرد و زن سیاه‌پوست). توسعه دهندگان باید با دقت در مورد مقدار واحد مناسب برای هر نمونه تصویر نماد تصمیم بگیرند (مقدار عددی نشان داده شده توسط یک نماد یا تعداد مواردی که هر نماد نشان می دهد، به عنوان مثال، یک مورد، 10 مورد، 100 مورد، و غیره) بسته به ماهیت، توزیع و محدوده ارزش داده های زیربنایی.
• سال : سال های تحت پوشش داده ها 1990، 2000 و 2008 است.

برای ایجاد مجموعه نمایشگر Pivot با استفاده از داده های مرگ و میر سازمان بهداشت جهانی، مراحل زیر باید دنبال شود:

• مرحله 1 : داده های مرگ و میر WHO را در [ 40 ] دانلود کنید و مجموعه داده نمونه مورد استفاده را انتخاب کنید.
• مرحله 2 : افزونه Excel را برای مجموعه‌های Pivot [ 34 ]، Microsoft Silverlight [ 30 ] و PivotViewer Control [ 26 ] نصب کنید.
• مرحله 3 : Silverlight.js [ 39 ] را دانلود کنید و PivotSimpleDemo.xap و collection.html را آماده کنید (در «فایل اضافی 1 » موجود است).

• مرحله 4 : یک پوشه پروژه ایجاد کنید، نام آن را [demodata] بگذارید (همچنین می‌تواند هر نام دیگری باشد)، و مطمئن شوید که PivotSimpleDemo.xap، Silverlight.js و collection.html همه در آن قرار دارند.
• مرحله 5 : داده های نمونه WHO را به عنوان صفحه گسترده اکسل باز کنید.
• مرحله 6 : روی برگه Pivot Collection در کتاب کار اکسل کلیک کنید، سپس بر روی برگه New Collection کلیک کنید تا یک کتاب کار مجموعه Pivot جدید شروع شود (کارنامه جدید شبیه به آنچه در شکل 2 نشان داده شده است ) .
• مرحله 7 : کاربرگ Pivot (شکل های 2 و 6 ) از ستون های زیر تشکیل شده است:
  • Image Location : این محل دایرکتوری/فایل تصاویر است. از گزینه Choose Image Item از Workbook Pivot برای تعیین محل ذخیره تصاویر استفاده کنید.
  • پیش نمایش : پیش نمایشی از تصاویر را در ستون Image Location نشان می دهد.
  • نام : یکی از ستون هایی که منبع داده نمونه را در خود جای می دهد. از تابع Insert کتاب کار Pivot برای درج ستون های بیشتری که مورد نیاز است استفاده کنید و ستون ها را در صورت لزوم نام گذاری کنید. ستون های اضافی مانند ستون های صفحه گسترده اکسل هستند ( کشور ، سال ، جنسیت ، سن ).
  • Href : برای ارائه یک لینک به منابع داده یا مکان های تصویر استفاده می شود (می توان آن را خالی گذاشت). و
  • توضیحات : این ستون برای توصیف تصاویر منابع داده در مجموعه استفاده می شود (می توان آن را خالی گذاشت).
• مرحله 8 : پس از افزودن و پر کردن ستون‌های اضافی، مکان‌های تصویر و Href، کاربرگ Pivot شبیه به شکل 6 خواهد بود .

• مرحله 9 : مجموعه را با ذخیره کاربرگ Pivot در شکل 6 منتشر کنید . برای مشاهده سریع طبقه بندی داده ها با استفاده از Pivot، روی پیش نمایش سریع کلیک کنید. شکل 7پیش نمایش سریع مجموعه Pivot را نشان می دهد. توجه داشته باشید که این نمای سریع تصاویر مجموعه را نمایش نمی دهد. با کلیک کردن روی برگه انتشار مجموعه در کاربرگ Pivot، مجموعه Pivot را در فهرست انتخابی خود (به عنوان مثال، [demodata]) استقرار و منتشر کنید. انتشار مجموعه فایل‌های cxml و xml لازم را ایجاد می‌کند. همچنین تصاویر را برای سطوح مختلف زوم تولید می کند و آنها را در زیرپوشه ای به نام [تصاویر] ذخیره می کند. سپس مجموعه محوری در یک پنجره مرورگر وب محلی برای مشاهده با استفاده از مرورگر Pivot باز می شود. برای اطمینان از اینکه مجموعه به درستی منتشر شده است، در میان داده ها و تصاویر حرکت کنید (شکل 8 ).

• مرحله 10 : در نهایت، مجموعه Pivot را در وب منتشر کنید (از یک سرور وب مانند Apache یا IIS استفاده کنید) با کپی کردن کل پوشه تولید شده در مرحله 9 (زمانی که مجموعه Pivot بر روی هارد دیسک محلی منتشر شد) در وب سرور میزبان. . همچنین مطمئن شوید که فایل های collection.html، Silverlight.js، و PivotSimpleDemo.xap همگی در یک پوشه وب سرور حاوی مجموعه Pivot کپی شده اند. فایل collection.html را ویرایش کنید تا به URL فایل cxml. در سرور وب اشاره کنید. شکل 5 قطعه ای از فایل collection.html را با یک فلش قرمز نشان می دهد که به URL فایل cxml. اشاره می کند.

مجموعه demonstrator Pivot شرح داده شده در این مقاله به صورت آنلاین در [ 41 ] میزبانی می شود. خوانندگان تشویق می شوند برای کاوش و پیمایش در میان تصاویر و داده ها از وب سایت مجموعه نمایشگر Pivot دیدن کنند. تمام فایل‌ها، ماژول‌ها و توابع کتابخانه مورد استفاده در مجموعه نمایشگر Pivot نیز در «فایل اضافی 1 » ارائه شده‌اند. مجموعه محوری داده های مرگ و میر سازمان جهانی بهداشت طبقه بندی و خوشه بندی تصاویر (نماینده جنسیت) و داده ها را بر اساس کشور، سن، جنس و سال نشان می دهد. همچنین یک قابلیت مرتب‌سازی بر اساس آن معیارهای طبقه‌بندی وجود دارد. شکل 9 طبقه بندی داده های نمونه مرگ و میر سازمان بهداشت جهانی را بر اساس جنسیت نشان می دهد. شکل 10 طبقه بندی دیگری از داده ها را بر اساس سال نشان می دهد، در حالی که شکل11 داده های طبقه بندی شده را بر اساس سن نشان می دهد.

لطفاً توجه داشته باشید که مجموعه‌های Pivot (در زمان نگارش) فقط در اینترنت اکسپلورر 32 بیتی 7.0 و بالاتر یا فایرفاکس 3.6 و بالاتر پشتیبانی می‌شوند. هیچ پشتیبانی از نسخه های 64 بیتی اینترنت اکسپلورر وجود ندارد، اما ممکن است به زودی تغییر کند، با انتشار انتظار می رود زمان اجرای 64 بیتی Silverlight [ 42 ].

نشان‌دهنده فناوری Pivot [ 41 ] ارائه‌شده در این مقاله نباید به‌عنوان نمایش دقیقی از داده‌های مرگ‌ومیر در کشورهای سازمان جهانی بهداشت در نظر گرفته شود (زیرا بسیار ناقص است و تمام سوابق داده‌ها را برای 35 کشور ذکر شده در بالا شامل نمی‌شود) به منظور نشان دادن پتانسیل فناوری و امکان (اثبات مفهوم) ابزار اکتشاف داده های مرگ و میر سازمان جهانی بهداشت در مقیاس کامل با استفاده از Pivot، بر اساس ایده ای که گری فلیک در یک ویدیوی TED (تکنولوژی، سرگرمی، طراحی) در سال 2010 معرفی کرد. 28 ] برای تجزیه و تحلیل داده های مرگ و میر در Pivot. یک ابزار در مقیاس کامل همچنین می تواند طبقه بندی های بیشتری را معرفی کند، به عنوان مثال، بر اساس درآمد کشور (طبقه بندی بانک جهانی) و علل مرگ ( ر.ک. [ 43) .]). علاوه بر این، PivotViewer را می توان گسترش داد تا لایه Bing Maps [ 44 ] را برای نگاشت مواردی که دارای مقادیر Latitude و Langitude هستند [ 45 ، 46 ] بسط دهد (نمونه ای از نمای نقشه PivotViewer در [ 47 ] موجود است – شکل 12 ).

تجسم های مرسوم در مقابل تجزیه و تحلیل بصری

تجسم‌سازی‌ها نه تنها نمایش شهودی و ارتباط اطلاعات متنی و عددی را امکان‌پذیر می‌سازد، بلکه برجسته کردن الگوها، روندها و روابط در اطلاعات تجسم‌شده را نیز ممکن می‌سازد که تشخیص آنها با استفاده از روایت نوشتاری و اشکال عددی به تنهایی دشوار است [48] .]. تجزیه و تحلیل بصری مبتنی بر این است، اما تجسم‌های مرسوم را با تمرکز بر آنچه کاربر می‌خواهد بداند (کاربر > سؤال از طریق رابط‌های بصری تعاملی > داده‌های پرس و جو > تبدیل داده > ارائه)، به‌جای اینکه صرفاً روی داده‌های موجود (داده‌ها) بداند، گام‌های بیشتری فراتر می‌برد. > تبدیل داده > ارائه). در واقع، هدف تجزیه و تحلیل بصری تسهیل گفتمان بین کاربر و داده ها با ارائه نمایشگرهای پویا و فرصت های تعامل بصری همه کاره با داده هایی است که می تواند خطوط موازی فکر، استدلال تحلیلی و اکتشاف داده از چندین کاربر را پشتیبانی کند. جنبه های قابل تنظیم [ 17 ].

جنبه های مشارکتی و مشارکتی در وب اجتماعی (“وب 2.0”)

ظهور تجسم اطلاعات جغرافیایی مبتنی بر وب فرصت های قدرتمند بسیاری را به وجود آورده است. تجسم‌های مبتنی بر وب به طور بالقوه می‌توانند در «مش‌آپ»های تجسمی و داشبوردهای تجزیه و تحلیل چند پانل با اجزای قابل استفاده مجدد ترکیب شوند. به نظر می رسد که جنبه های اجتماعی و مشارکتی تجسم نیز اهمیت جدیدی در وب پیدا کرده است [ 49 ]. امروزه تعدادی گزینه برای کاربران وجود دارد که بتوانند این تجسم ها و مصنوعات تحلیلی را در وب سایت های خود، در بحث های آنلاین یا ایمیلی، یا در برنامه های اجتماعی مانند وبلاگ ها، فیس بوک و غیره جمع آوری، ارائه و به اشتراک بگذارند (نگاه کنید به به عنوان مثال، شکل 1). علاوه بر این، برخی از گروه های تحقیقاتی توسعه مشارکتی و مشارکتی ارائه اطلاعات مبتنی بر وب را در زمینه تجزیه و تحلیل بصری بررسی کرده اند [ 50 ].

ثبت و مستندسازی مصنوعات تحلیلی

توانایی مستندسازی و به اشتراک گذاری مصنوعات تحلیلی یکی از الزامات ضروری در نرم افزار تحلیل بصری جغرافیایی محسوب می شود. آندرینکو و آندرینکو [ 12] اهمیت این نرم افزار را برجسته می کند که بتواند مشاهدات و مصنوعات تحلیلی و همچنین ارجاعات مکانی-زمانی آنها را به اندازه کافی ضبط و ذخیره کند. باید یک بازنمایی صریح و قابل مدیریت از دانش به دست آمده از تجزیه و تحلیل وجود داشته باشد. نحوه به دست آوردن دانش (مشاهدات، استنباط ها، مشارکت دانش پیشینه و اطلاعات اضافی از منابع دیگر)؛ هر گونه فرضیات مرتبط، اطمینان، قضاوت های مشروط، ناسازگاری ها، فرضیه های رقیب، تفسیرهای جایگزین. و هر گونه رابطه بین مصنوعات تحلیلی جمع آوری شده. ابزار ایده آل باید بتواند تمام این جزئیات را بدون ایجاد اختلال در فرآیند تحلیلی توسط کاربر، در یک پایگاه دانش ثبت و ذخیره کند. پایگاه دانش باید قابل مرور و جستجو باشد،12 ].

چالش های مقیاس پذیری

Andrienko و Andrienko [ 12 ] همچنین به چالش‌های مقیاس‌پذیری اشاره می‌کنند که باید در ابزارهای تحلیل بصری جغرافیایی مورد توجه قرار گیرند، از جمله مقیاس‌پذیری اطلاعات (قابلیت استخراج اطلاعات مرتبط از جریان‌های عظیم داده)، مقیاس‌پذیری بصری (قابلیت نمایش مؤثر مجموعه‌های داده عظیم)، مقیاس‌پذیری انسانی. (مقیاس پذیری از تک کاربران به محیط های مشارکتی)، مقیاس پذیری نرم افزار (قابلیت یک سیستم نرم افزاری برای دستکاری تعاملی مجموعه داده های بزرگ)، و مقیاس پذیری نمایش (استفاده موثر از همه چیز از اندازه دیوار گرفته تا نمایشگرهای اندازه تلفن). یوان و همکاران [ 15 ] یک تمرین تجزیه و تحلیل بصری را بر روی یک دیوار نمایشگر بزرگ متشکل از 32 پانل ال سی دی 32 اینچی کاشی کاری شده (نمایشگر کریستال مایع) توصیف می کند، در حالی که Pattahو همکاران [ 51 ] برخی از تکنیک‌هایی را که می‌توان برای غلبه بر محدودیت‌های نمایش در دستگاه‌های تلفن همراه با فاکتور کوچک مورد استفاده قرار داد، بحث کرد.

در حالی که نمایش عملی شرح داده شده در این مقاله ممکن است به طور کامل تمام این الزامات و چالش ها را برطرف نکند، ما امیدواریم که همچنان بتواند مقدمه خوبی برای موضوع تجزیه و تحلیل بصری جغرافیایی باشد و پذیرش گسترده تر این فناوری ها را برای توانمندسازی کاربران در همه سطوح در زمینه تحریک کند. بخش‌های بهداشت عمومی و مراقبت‌های بهداشتی، و همچنین شهروندان عادی [ 52 ]، تا از حجم عظیم و روزافزون داده‌هایی که امروزه در دسترس ما هستند، حداکثر استفاده را ببریم.