Luciano Lobato

Insight

Insight é um conceito criado pelos psicólogos da Gestalt para descrever situações de aprendizagem abruptas na solução de um problema. Este conceito está relacionado ao de criatividade e de pensamento divergente, por fugir da resolução de problemas por tentativa e erro. Neste contexto, “problema” é uma situação em que falta um comportamento capaz de produzir o resultado desejado. “Resolução de problemas” é o comportamento de manipulação do ambiente que aumenta a probabilidade do aparecimento de um comportamento que produza o resultado desejado naquela situação. O “insight”, então, é um tipo de resolução de problemas, no qual o comportamento que produz o resultado desejado (soluciona o problema) é emitido subitamente, sem um aprendizado prévio.

Os experimentos clássicos desta área eram condições nos quais chimpanzés se encontravam em situações que o alimento estava colocado em algum lugar fora do alcance. Os chimpanzés procuravam diversas soluções baseadas em seus aprendizados anteriores, mas não conseguiam resolver o problema, pois nenhuma solução anterior poderia resolver o problema atual. Porém, de modo repentino, o chimpanzé chegava à soluções, utilizando utensílios para conseguir pegar o alimento fora do alcance.

Teoria da Mudança Representacional

Tentando conciliar aspectos da abordagem da Gestalt à abordagem cognitiva da processamento de informações de resolução de problemas, Ohlsson criou a Teoria da Mudança Representacional. Segundo Ohlsson:

o insight ocorre no contexto de um impasse (bloqueio), que é imerecido no sentido que o pensador é, na verdade, competente para resolver o problema.

A teoria da mudança representacional postula que a maneira como um problema é representado na mente do solucionador do problema funciona como uma sondagem da memória de longo prazo para recuperar conhecimento relacionado (como operadores ou possíveis ações), baseiando-se na ativação alastrante de conceitos ou itens do conhecimento. O impasse ou bloqueio ocorre quando o modo que um problema é apresentado não permite a recuperação de operadores ou possíveis ações necessárias para resolução do problema. O impasse é rompido quando a representação do problema é alterada, e a nova representação mental atua como uma sondagem da memória para outros operadores importantes na memória de longo prazo. Com isso, ela amplia as informações disponíveis para o solucionador do problema. O insight ocorre quando o impasse é rompido, e os operadores do conhecimento recuperados são suficientes para resolver o problema.

Condições para o insight

A mudança da representação do problema é parecida com a proposta da reestruturação dos gestaltistas, e parecida com aquele velho ditado “o problema é a maneira que vemos o problema”. Independentemente dos constructos e processos cognitivos postulados, a vantagem da Teoria de Mudança Representacional é de que ela especifica as condições (já comprovadas experimentalmente) pelas quais podemos mudar a representação de um problema, e consequentemente, gerar o insight:

1. O acréscimo de novas informações sobre o problema;
2. O relaxamento da pressão, em que são removidas restrições sobre o que é encarado como permissível;
3. A recodificação, em que algum aspecto da representação do problema é reinterpretado.

A abordagem da cognição distribuída (adotada em grande parte por Donald Norman, quando ele fala sobre representações internas e externas) postula que a cognição pode ser concebida como um processo no qual a informação fica não somente internalizada como conhecimento, mas alocada também no ambiente. Como designers e profissionais que lidam com a noção de “ambiente construído”, não podemos fazer muita coisa em relação à segunda condição, pois não temos acesso à pressão (geralmente, esta condição ocorre quando a pessoa pára de pensar conscientemente sobre o problema); porém, podemos acrescentar novas informações sobre o problema que o usuário tem em mãos e recodificar o problema em novas representações. A visualização e o design da informação, atuando como mudanças nas representações do problema, nesse sentido, são meios para o insight.

Introdução

Apenas para esclarecer os termos usados neste post…

• Quando falamos de julgamento, estamos falando de avaliação ou crítica com base em padrões e critérios específicos. Um julgamento geralmente é avaliado por sua acurácia ou correspondência com a realidade.
• Quando falamos de tomada de decisão, estamos falando de escolher entre diversas alternativas, geralmente após determinado julgamento. Uma decisão geralmente é avaliada por seus resultados.
• Quando falamos de intuição (ou pressentimentos ou palpites), estamos falando de decisões rápidas que motivam uma ação, sem que a pessoa tenha uma explicação clara e consciente do por que ela estar tomando esta decisão.

Superanálises x Intuições

Recentemente, li 2 livros de posições opostas sobre os papéis que os homens e os computadores devem desempenhar no julgamento e tomada de decisão: Super Crunchers, e O Poder da Intuição.

Super Crunchers, do Ian Ayres, tem como tema a capacidade e a tendência das superanálises criadas pelas enormes quantidades de dados disponíveis com a união de técnicas estatísticas. A tese do autor é a que o papel da intuição e da experiência dos especialistas é de menor acurácia e precisão no julgamento e, consequentemente, tem piores resultados nas tomada de decisões do que essas superanálises. Enquanto os humanos apresentam diversas tendências a erros nos julgamentos, como o viés de confirmação, a negligência da probabilidade, a negligência das frequências de base, o viés de retrospectiva, o viés de suporte à escolha, o efeito de enquadramento, o efeito halo, entre outros, os computadores, por não terem emoções, nem crenças, nem identidades, podem analisar uma quantidade enorme de dados para gerar previsões, através de técnicas como a regressão estatística e testes randômicos.

Em resumo, a regressão estatística explora dados históricos e estima (produzindo uma equação) a relação de uma variável dependente com diversas outras variáveis independentes. Os testes randômicos dividem uma amostra em 2 grupos com diversas variáveis de valores randômicos e insere uma variável de tratamento (independente) no grupo experimental, enquanto não se insere esta variável de tratamento no grupo-controle; caso hajam diferenças (na variável dependente) entre os grupos e elas sejam estatísticamente relevantes, estas podem ser atribuídas à variável de tratamento. O poder do que Ayres chama de “superanálises” deve-se à enorme quantidade de dados históricos disponíveis, no caso da regressão, e pelos tamanhos das amostras, no caso dos testes randômicos.

O Poder da Intuição, do Gerd Gigerenzer, tem como tema a intuição humana. A tese do autor é de que a intuição é um mecanismo psicológico adaptativo que se desenvolveu através da seleção natural e da experiência de vida das pessoas, como uma forma de resolução de problemas simples e rápida, na qual não é necessário esforço consciente, nem cálculos complexos, apenas heurísticas cognitivas que as pessoas usam em certos contextos, como a heurística de reconhecimento, a heurística da escassez, a heurística do contágio, entre outras. Deste ponto de vista, as limitações da cognição humana também seriam suas principais vantagens. Os viéses cognitivos não são distorções somente, mas o fornecimento pela mente de informações sobre o mundo no qual evoluímos e nos desenvolvemos e que a mente toma como premissas. Assim, as ilusões cognitivas seriam como as ilusões ópticas. Quando mudamos as condições na qual a o sentido da visão evoluiu, temos ilusões ópticas. Quando mudamos as condições na qual os módulos cognitivos evoluíram, temos ilusões cognitivas. Mas quando estamos nas condições que o sentido da visão e os módulos cognitivos evoluíram (o que é o mais frequente), a mente fornece premissas que resolvem os problemas com que nos deparamos de modo satisfatórios.

Para Gigerenzer, as heurísticas que produzem as intuições são soluções simples e satisfatórias que resolvem problemas complexos, através das capacidades ou aptidões evolutivas e da estrutura do meio. Se ao invés de usarmos heurísticas simples, fossemos resolver os problemas adaptativos de modo complexo e otimizado, não teríamos chegado onde chegamos, ou seja, não teríamos sobrevivido para contarmos a história. Por isso usamos a intuição para tomarmos as decisões mais importantes no dia-a-dia (com quem casar, onde viver, qual trabalho aceitar e por aí vai).

O 2 autores, embora com posições opostas, não são extremistas e baseiam seus discursos em pesquisas empíricas. Ian Ayres defende que o principal papel dos humanos nas superanálises seria a criação de hipóteses a serem testadas pelos procedimentos estatísticos realizadas pelo computador (embora a quantidade de dados que o computador possa armazenar e processar seja infinitamente maior do que os seres humanos, a criação de hipóteses – geralmente através da intuição humana – ainda é uma premissa das superanálises). Gerd Gigerenzer afirma que as intuições das pessoas podem melhorar a partir do uso de análises estatísticas complexas, mesmo depois que cessem de usá-las, pois os pesos das variáveis a serem analisadas foram redefinidos (as pessoas agora sabem para onde olhar, pois reaprenderam).

A ênfase de Ayres são nas evidências estatísticas, a qual já demonstraram estarem mais certas do que os especialistas (atualmente, existem os movimentos de medicina baseada em evidências e psicoterapia baseada em evidências, que realmente têm melhorado os resultados dos atendimentos). Gigerenzer defende que no que diz respeito ao futuro, apenas parte da informação histórica tem algum valor e não é inteiramente possível diferenciar entre os dados relevantes e os não relevantes.

Inteligências e intuições

Steven Pinker, no livro Tábula Rasa, sugere que a evolução moldou uma série de faculdades ou domínios cognitivos (similares às inteligências múltiplas de Howard Gardner) comuns à todos seres humanos e que teriam como centro determinadas intuições. Abaixo segue uma lista incompleta de tais inteligências (Steven Mithen, no livro A Pré-História da mente, as agrupou em Inteligência Social, Inteligência Linguística, Inteligência Técnica e Inteligência Naturalista):

• Uma física intuitiva, com a intuição central do conceito de objeto, que ocupa um lugar, existe por um intervalo de tempo contínuo e obedece a leis de movimento e força.
• Uma versão intuitiva da biologia ou história natural, com a intuição central de que os seres vivos contêm uma essência oculta que lhes dá sua forma e poderes e impele seu crescimento e suas funções corporais.
• Uma engenharia intuitiva, com a intuição central de que um utensílio é um objeto com um propósito.
• Uma psicologia intuitiva, com a intuição central de que as outras pessoas são animadas por uma entidade invisível que chamamos de mente ou alma.
• Um senso espacial, que funciona com base na navegação por estima.
• Um senso numérico, que se baseia na capacidade de registrar quantidades exatas para pequenos números de objetos (1,2 e 3) e de fazer estimativas aproximadas para números maiores.
• Um senso de probabilidade, que se baseia na capacidade de computar as frequências relativas (proporções) dos eventos.
• Uma economia intuitiva, que se baseia no conceito de troca recíproca.
• Uma lógica e um banco de dados mentais, que baseia-se em afirmações sobre o que as coisas são, onde as coisas estão, ou quem fez o que a quem, quando, onde e por quê.
• A linguagem, que se baseia em um dicionário mental de palavras memorizadas e em uma gramática mental de regras combinatórias.
• Um sistema para avaliar o perigo, que se baseia na emoção chamada medo.
• Um sistema para avaliar a contaminação, que se baseia na emoção chamada nojo.
• Um senso moral, que se baseia em julgamentos de valores.

Como psicólogo evolucionário, Pinker defende que esses modos de conhecimento e intuições centrais são apropriados ao estilo de vida do homem anterior ao sedentarismo (caça e coleta em bandos nômades), e que o pouco tempo de lá pra cá (apenas 10 mil anos aproximadamente) não seria o suficiente para mudanças evolutivas significativas. Por essa razão, apesar da imensa capacidade combinatória (as inteligências poderiam criar interfaces entre si, utilizando-se dos conhecimentos uma das outras), muitas vezes, não são tão adequadas para a compreensão atual do mundo alcançada pela ciência e tecnologia que nos rodeia. As incompatibilidades entre as condições que moldaram a mente humana e as condições atuais têm suas consequências mentais, do mesmo modo que as incompatibilidades entre as condições que moldaram a biologia humana e as condições atuais tem suas consequências físicas.

Desse modo, não seríamos equipados para compreender de modo intuitivo alguns domínios do conhecimento como a física moderna, a cosmologia, a genética, a neurociência, entre outros, ficando dependentes de analogias que apelam para os domínios mentais antigos e já estabelecidos. Do ponto de vista de Pinker, a educação seria uma tecnologia que tenta compensar aquilo em que a mente humana é inatamente inepta (vamos para a escola para aprender a ler, não para aprender a falar), mas que pelas limitações intuitivas, para a maioria das pessoas, a compreensão dessas áreas de conhecimento ensinadas tende a ser superficial e contaminada por intuições primitivas de outros domínios cognitivos.

O Sublime

Faz algum sentido agora nos remetermos ao significado do termo sublime:

O termo sublime, do latim sublimis, entra em uso no século XVIII indicando uma nova categoria estética, distinta do belo e do pitoresco, e remete a uma gama de reações estéticas com a sensibilidade voltada para os aspectos extraordinários e grandiosos da natureza. Para o sublime, a natureza é ambiente hostil e misterioso que desenvolve no indivíduo um sentido de solidão.

A escala do homem é a medida de suas intuições. O sublime ultrapassa esta escala, tornando-se o incognicível para a intuição. No dia-a-dia, usamos a intuição para as decisões individuais corriqueiras e até para as mais importantes em nossas vidas. Mas não para alcançarmos o conhecimento de aspectos grandiosos da natureza, eventos de outras escalas, como fenômenos coletivos ou de multidão (fenômenos estudados justamente pela estatística) ou fenômenos astronômicos, entre outros. Chega a ser um pouco irônico, mas nossa intuição para o sublime, se existente, é bem pouco confiável. Temos que recorrer à estatística, às superanálises e à outras ciências que compreendemos toscamente.

Conceito

Sonificação é o uso de áudio (principalmente) não-discursivo para transmitir informação ou codificar dados, ou seja, a tradução ou mapeamento de dados em eventos sonoros. Devido as características da percepção auditiva, é uma alternativa interessante para técnicas de visualização, e que pode ser utilizada em diversos contextos, como meio para a cognição aumentada, tanto como substituto ou como complemento da visualização.

Podemos entender a sonificação como a geração de sons dependente de dados, cuja transformação é sistemática, objetiva e que possa ser utilizada de modo reprodutível. De forma geral, o termo é aplicado tanta à técnica, quanto ao processo, o algoritmo e o resultado, embora ao resultado, como veremos abaixo, é mais comum que se dê o nome de apresentação auditiva (auditive display). Da mesma forma que a visualização, a sonificação pode fazer parte do processo de design da informação.

De forma mais específica, podemos considerar sonificação qualquer técnica que usa dados como input, e gera sinais sonoros, se:

• O som reflete as propriedades ou relações entre os dados de entrada;
• A transformação é completamente sistemática, ou seja, há uma definição precisa de como a interação e os dados de entrada causam mudanças nos sons resultantes;
• É reprodutível, ou seja, utilizando-se os mesmos dados e interações, o som emitido tem que ser estruturalmente idêntico;
• O sistema pode ser usado com diferentes dados, e também ser usado repetidamente com os mesmos dados.

Seguindo esses critérios, Thomas Hermann dá um exemplo interessante de como uma sonificação pode ser desenvolvida sem o uso de computadores: um balde exposto à chuva emitindo sons. Os dados sendo medidos são a quantidade de chuva, mensurada pelo nível de água no balde, enquanto os sons emitidos expõem estes dados através de suas diversas características.

Vantagens

Especialmente em contextos que o sentido visual já está sendo bastante carregado, faz sentido considerar o som como uma modalidade para dar uma melhor distribuição da informação. O efeito da modalidade prevê que o aprendizado aumenta quando são usados materiais de instrução de diferentes modalidades sensoriais. Além disso, o som e sua audição tem as seguintes características que podem ser exploradas para codificar dados:

• O som representa mudanças no tempo naturalmente;
• O som permite que microestruturas sejam percebidas;
• O som permite retratar grandes quantidades de dados;
• O som alerta o ouvinte para eventos fora do seu campo de visual atual;

Apresentações Auditivas

Apresentações auditivas (ou apresentações sonoras ou auditory displays ou displays sonoros) são sistemas que usam a sonificação como um subsistema técnico, mas adicionam à equação o usuário, as interfaces (amplificador, alto-falantes, fones) e levam em conta o contexto situacional (ruído do ambiente, tarefa etc.). Ou seja, são sistemas onde uma pessoa dá sentido aos dados usando suas habilidades auditivas.

Tipos de apresentações auditivas

Assim como uma apresentação visual, as apresentações diferem em seu nível de interação com o usuário. Podemos classificar as apresentações auditivas, segundo Thomas Hermann, de acordo com o nível de interação que o sistema permite que o usuário tenha:

• Monitoramento: se não há interação por parte do usuário, o sistema pode ser chamado de sistema de monitoramento, emitindo sons baseados em dados em tempo real ou gravados de uma base de dados;
• Sonificação interativa: o usuário muda os parâmetros da técnica de sonificação ou interage com o módulo de sonificação. O usuário pode controlar diretamente como os dados são representados como sons;
• Navegação: quando o usuário pode selecionar os dados usados para sonificação;
• Biofeedback auditivo: quando a atividade humana em si (mensurada por algum sensor disponível) são os dados são sujeitos à sonificação;
• Atividade humana (suportada pela sonificação): quando a atividade do usuário afeta um sistema que em troca causa alterações nos dados que são o input para o sistema de sonificação.

Exemplos

Os exemplos mais conhecidos de sonificação são o contador Geiger, que mede certas radiações ionizantes, o sonar, que permite saber a localização e forma dos objetos no fundo do oceano, e diversos equipamentos médicos que monitoram as condições dos pacientes.

Para saber mais

• Sonificações: alguns experimentos interessantes;
• The Sound of the MBTA – sonification of Boston subway card swipe data;
• Data Exploration by Sonification;
• SonEnvir;
• Stockwatch, a tool for composition with complex Data;
• Sonification Report: Status of the Field and Research Agenda;
• TED Talks – Julian Treasure: The 4 ways sound affects us.

InfoVis x sciVis (ou a espacialização dos dados)

O termo visualização da informação (infoVis) é aplicado para apresentações visuais de dados abstratos por meio do computador, dados que por si só, não possuem uma dimensão espacial inerente (ou que não sejam estes os dados mais importantes). O designer é quem decide como será aplicada a espacialização destes dados, pois não há um mapeamento visual geométrico direto entre os dados e as variáveis visuais utilizadas na apresentação. A imagem deve ser gerada com base nos relacionamentos ou informações ou história que podem ser inferidos dos dados.

Em uma apresentação visual dos vencedores do prêmio mercury ao longo dos anos e suas vendas no Reino Unido, os dados espaciais (o país) são aspectos secundários. Da mesma forma, uma lista das 50 cidades mais caras não tem que ser representada geograficamente – apesar das cidades, por definição, ficarem localizadas em um local no globo terrestre, a mensagem que estamos querendo transmitir é o custo de vida nestas cidades, um dado abstrato. Por isso, que a infoVis pode ser concebida como o novo abstracionismo. Talvez esse abstracionismo tenha algo em comum com a linguagem da mente (o mentalês), hipótese que afirma que conseguimos pensar de forma abstrata, apenas porque temos como base conceitos mais primitivos (físicos). Ou talvez tenha algo em comum com a sinestesia, a percepção através de modalidades sensoriais diferentes do estímulo.

Por outro lado, o termo visualização científica (sciVis) é aplicado para apresentações visuais de dados espaciais por meio do computador, dados científicos, que possuem uma dimensão espacial. O volume, a densidade, o peso, a altura, a posição, entre outros, são dimensões dos dados sendo apresentados. Os dados são medidas de objetos físicos, fenômenos da natureza ou posições em um domínio espacial, possuindo assim, uma apresentação geométrica. Aplicar essa apresentação geométrica como resultado do processo de mapeamento visual é o esperado do designer.

Um problema óbvio dessa terminologia é que os dados a serem apresentados numa visualização científica podem ser abstratos. A matemática, a biologia, a psicologia, entre outras diversas disciplinas científicas, lidam grande parte do tempo com dados abstratos, modelos e constructos que não possuem uma espacialização. Além disso, é óbvio que a informação científica é um tipo de informação. Logo, a apresentação de dados científicos deveria ser encarada como visualização da informação, quer os dados sejam abstratos ou espaciais. A separação entre infoVis e sciVis é baseada apenas na espacialização dos dados. Os termos poderiam muito bem ser substituídos por visualização abstrata e visualização espacial, uma separação similar entre a arte abstrata e a arte figurativa.

Variáveis independentes e dependentes (ou meios e fins)

Em experimentos científicos, usamos o termo variável independente como as mudanças que fazemos em alguma dimensão e variáveis dependentes como as mudanças em outra dimensão ocorridas devido às mudanças na primeira. As VIs (variáveis independentes) são manipuladas, enquanto as VDs (variáveis dependentes) são observadas. Consiste na velha relação causa e efeito, mas estes termos não são usados por terem implicações filosóficas demais, evitando assim, uma série de problemas.

O termo visualização é aplicada para apresentações visuais por meio do computador com o objetivo de aumentar a cognição (melhorar o desempenho em determinadas atividades). Nesse sentido, a visualização é um artefato cognitivo, um equivalente dos instrumentos ópticos. Da mesma forma que um carro permite nos locomover distâncias muito maiores e em menos tempo do que nossas pernas, os intrumentos ópticos nos permitem ver o que seria impossível ou muito difícil sem eles. Em ambos os casos, a tecnologia serve como uma extensão das capacidades humanas.

No caso dos artefatos cognitivos, eles permitem que aumentemos o nosso conhecimento ou compreensão. Embora haja uma intersecção com os intrumentos ópticos (já que o conhecimento ou compreensão é aumentado através da percepção), há uma separação entre eles (de forma muito similar à separação que ocorre entre os processos perceptivos e os processos cognitivos). A visualização se encaixa mais como um artefato cognitivo do que como um intrumento óptico.

O problema do termo visualização é o mesmo que o do termo experiência do usuário. Não projetamos uma experiência, projetamos o que possivelmente será experienciado. Não projetamos percepções ou conhecimentos, projetamos instrumentos ópticos e artefatos cognitivos. As variáveis que, enquanto designers (profissionais que trabalham com o conceito de ambiente construído), podemos manipular (variáveis independentes) são variáveis ambientais, não a experiência ou comportamento do usuário (variáveis dependentes). Claro que manipulamos as variáveis independentes com o objetivo de conseguir uma experiência ou um comportamento (e nesse caso, faz sentido falar de design para experiência ou design para o comportamento), mas elas não são as manipuladas, são o efeito que queremos alcançar. O meio que temos é o ambiente construído.

Como diz o Fabio Caparica:

Projetar Visualização, ñ existe. Projetar Experiencia, ñ existe. Projetar Pixel Perfect, ñ existe.

Considerações finais

A visualização (a visão como forma de melhorar o pensamento ou aumentar a cognição – ou simplesmente, melhorar o desempenho) está no outro lado da ponta (onde queremos chegar) e para isso, podemos manipular os meios (onde estamos e o que temos). Dessa forma, o termo poderia muito bem ser substituído por apresentação visual. Aliás, pelo que eu já li, é isso o que o Tufte e o Few (o deus e o Moisés da área) fazem, chamando o resultado de “visual display” e o processo de design da informação.

O termo visualization ou data visualization já é muito usado hoje na mídia por designers que se destacaram na área, como Ben Fry, Jonathan Harris, Manuel Lima, Jer Thorp, Moritz Stefaner, entre outros. Estes pegaram os termos criados na área acadêmica pela galera da velha guarda de infoVis – Ben Shneiderman, Stuart Card, Jock Mackinlay, entre outros. Estes, por sua vez, pegaram o termo visualização de sujeitos que vinham de uma área mais acadêmica ainda, como Bruce McCormick, Thomas DeFanti e Maxine Brown, entre outros, os quais usavam o termo Visualization in Scientific Computing, que acabou se transformando em sciVis. Por todo esse histórico do termo e sua disseminação, é improvável que vejamos alguma mudança na terminologia da área. Mas é bom ter em mente que assim como não projetamos interações ou experiências ou comportamentos (projetamos artefatos para interações ou experiências ou comportamentos), não projetamos visualizações, mas apresentações visuais. A visualização aqui é o objetivo, não o meio que temos. O meio que temos para manipular são as apresentações visuais, que se formos bem sucedidos, funcionarão como artefatos cognitivos.

Até hoje quando vamos ler algo sobre a web 2.0, nos deparamos com uma técnica de visualização que ficou bastante popular: as tag clouds (nuvens de tags). O conceito de tag e de folksonomia já é bem conhecido, por isso, não vou me alongar por aqui. Vou falar somente sobre essa técnica de visualização.

Conceito básico

A idéia básica de uma tag cloud é exibir uma lista de tags e a freqüências destas tags (geralmente baseada na popularidade ou no número de itens associados). O tamanho (e as vezes a cor) da palavra corresponde à quantidade associada com aquela tag. Geralmente as tags são ordenadas alfabeticamente e consistem em links que levam para uma coleção de itens associados com essa tag.

Desvantagens

Há algum tempo atrás, no twitter, eu vi o Robson Zumkeller (via blogdeai) falando que em testes na Try, nenhum dos usuários conseguiu explicar as tag clouds. Pra mim, isso não é grande surpresa.

A maior desvantagem das tag clouds é que não há um fluxo visual no layout, ou seja, a disposição das tags ordenadas alfabeticamente e com destaque para as mais populares não guiam o olho através da imagem. O olho se movimenta (sacadas) sem direção definida, fixando por algum tempo maior em tags maiores, para depois se mover novamente até que encontre outra tag grande, talvez se fixando um pouco em uma tag de tamanho médio ao longo do caminho. As tags pequenas acabam se tornando apenas distratores (interrompendo o fluxo visual) no caminho.

Além disso, na maior parte das técnicas de visualização, a proximidade consiste em um indício visual importante para indicar relacionamentos significativos. Mas numa tag cloud, tags que são similarmente semanticamente não ficam necessariamente próximas uma das outras, uma vez que as tags estão organizadas alfabeticamente.

Em uma tarefa de busca ou de comparação ou inspecção ou análise visual, para identificar quais são as tags mais populares, por exemplo, um gráfico de barras ou um histograma seriam muito mais eficientes.

Vantagens

Do modo que as tags são dispostas, ainda que de forma não muito rápida, é possível encontrar uma tag por ordem alfabética e por sua frequência. Como as tags são ordenadas alfabeticamente, é relativamente fácil encontrar uma tag, sabendo o nome dela de antemão. Além disso, como o tamanho da tag indica sua popularidade (frequência), quanto maior uma tag, mais destaque ela ganha no meio das outras.

Mas a maior vantagem das tag clouds está longe da eficiência na busca ou análise visual. O principal uso desta técnica de visualização é indicar atividade social, ou seja, que as pessoas estão usando ativamente a informação, categorizando-a ou comentando-a ou enviando-a ou avaliando-a, ou de qualquer outra forma que envolva a interação social. Suas formas irregulares e espaçamento entre as palavras sugerem movimento e fala. As palavras indicam sobre o que as pessoas estão falando, como quando alguém entra numa festa e ouve apenas pequenos trechos de conversas até prestar atenção em alguma específica, como no efeito cocktail party.

Ferramentas

Algumas ferramentas para gerar tag clouds seguem abaixo:

• Many Eyes
• Wordle
• TagCroud
• Tag Cloud Generator
• TagCloude Generator
• TextTagCloud
• Keyword Tag Generator

Para saber mais:

• Manu Eyes – Tag Cloud Guide
• Smashing Magazine – Tag Clouds Gallery: Examples And Good Practices

Quando algum autor tem tanta influência sobre alguma área de estudo, é comum se referir aos conceitos do mesmo, usando sufixos que formam palavras que indicam sua maneira de pensar. Desse modo, falamos do complexo de édipo como um conceito freudiano, ou do inconsciente coletivo como um conceito junguiano.

Edward Tufte teve uma influência tão grande na área de visualização, que alguns conceitos podem ser chamados de tuftenianos (mas não vou chamá-los assim, por simplesmente, achar o termo feio). Tufte começou como estatístico e atualmente faz arte minimalista. Escreveu diversos livros sobre design de informação, entre eles The Visual Display of Quantitative Information, Envisioning Information, Visual Explanations e Beautiful Evidence. Sua abordagem, ao contrário da ergonomia e outras ciências empíricas, é mais racionalista, usando os conceitos a seguir como formas de avaliar uma visualização. Outros conceitos criados por ele são o de small multiple e sparkline, mas como não são conceitos usados para avaliar uma apresentação, e sim, formas de apresentações, não vou discorrer sobre eles neste post.

Excelência gráfica

Tufte define excelência gráfica como a comunicação de idéias complexas com clareza, precisão e eficiência. Excelência gráfica é uma apresentação bem projetada de dados interessantes – uma questão de substância, de estatística e de design. Consiste numa apresentação visual que dá ao observador o maior número de idéias no menor período de tempo com o menor gasto de tinta (ou pixels) e com o menor espaço utilizado.

Data-Ink

Tufte define 2 tipos de tintas (podemos falar de pixels também) usados para constuir um gráfico:

• data-ink: a tinta essencial, não apagável, para apresentar os dados
• non-data-ink: a tinta redundante usada para dar suporte ou decorar o gráfico

O coeficiente de data-Ink é definido por Tufte como:

Coeficiente de data-ink=data-ink / tinta total usada no gráfico

Onde, dentro de certos limites, quanto maior o coeficiente de data-ink (mais perto de 1), mais perto se está da excelência gráfica. Por isso, Tufte recomenda diminuir o máximo possível a non-data-ink e maximizar o data-ink.
Gráficos que tem uma taxa de data-ink reduzida podem ser chamados de chartjunk, outro conceito do Tufte, que se refere à gráficos que apresentam elementos desnecessários e distratores, grades obtrusivas, e que enfatizam o estilo ao invés de informação quantitativa.

Densidade dos dados

Se a taxa de data-ink representa o quanto do espaço é utilizado para informações, a densidade dos dados representam a quantidade de informações que o gráfico apresenta. Tufte define a densidade dos dados como:

Índice de densidade dos dados = número de pontos de dados / área do gráfico.

Onde, dentro de certos limites, quanto maior a densidade dos dados, mais perto se está da excelência gráfica. Para um gráfico, é recomendável que a densidade seja relativamente alta. Se não há pontos de dados suficientes para uma alta densidade de dados em um gráfico, o uso de uma tabela pode ser uma forma mais apropriada de apresentar os dados do que um gráfico.

Lie-Factor

O “Lie Factor” é um valor para descrever a relação entre o tamanho do efeito mostrado no gráfico e o tamanho do efeito mostrado nos dados. Está relacionado com o princípio de que a representação de números, como medidas físicas na superfície do gráfico, deve ser diretamente proporcional às quantidades representadas. Tufte define lie factor como:

Índice de Lie Factor=tamanho do efeito no gráfico / tamanho do efeito nos dados

Onde quanto mais o lie factor se distanciar de 1, mais distorcida (e mentindo) está a apresentação dos dados neste gráfico, e consequentemente, mais longe se está da excelência gráfica.

Introdução

A busca visual é um tipo de tarefa perceptiva que no qual um estímulo (alvo) tem que ser detectado o mais rápido possível dentro de um display visual, discriminando-o de outros estímulos (distratores). Temos 2 tipos de busca visual: a busca por traço isolado, no qual o estímulo alvo é definido por apenas uma variável visual; e a busca por traço conjugado, no qual o estímulo alvo é definido não apenas por uma variável visual, mas por uma combinação de variáveis.

O quadro da esquerda corresponde à um display para busca por traço isolado: o objeto azul. Já o quadro da direita corresponde à um display para busca por traço conjugado: o objeto com formato circular e azul.

Diversos experimentos foram realizados para estudar este tipo de tarefa perceptiva, e com base nisso, foram criados diversos modelos cognitivos para explicar os resultados dos experimentos, como a teoria da integração dos traços, a teoria da busca guiada, e a hipótese da integração da decisão. A proposta deste post não é a de explorar esses modelos cognitivos, mas os resultados encontrados independentemente destes modelos.

Condições que influenciam o desempenho da busca visual

O fator mais importante na determinação do desempenho nas tarefas visual é a possibilidade de discriminação entre o alvo e os distratores. Mais especificamente, os tempos de busca visual dependem de 2 fatores:

• A similaridade entre o alvo e os distratores, sendo o desempenho mais rápido quando os estímulos são menos similares;
• A similaridade entre os não-alvos, sendo o desempenho mais rápido quando os distratores são extremamente similares.

As buscas por traço conjugado são mais difíceis do que as buscas por traço isolado porque há menos possibilidade de discriminação entre o alvo e os distratores. Além disso, a busca visual é tipicamente mais lenta com tamanhos de conjunto maiores porque a complexidade do processo de tomada de decisão é maior quando há muitos itens no display visual.

Abaixo seguem diversos displays com dificuldade crescente. A busca é pelo objeto com formato circular e azul.

Introdução

Um conceito muito usado nesse blog e que merece um esclarecimento ou mesmo um manifesto (talvez outro dia) é o de cognição aumentada (AugCog).

Em termos gerais, podemos entender a cognição aumentada como uma abordagem que tem como objetivo o desempenho melhorado através de qualquer meio necessário (uma ressalva: quando falamos em melhorar o desempenho, não estamos falando apenas de comportamentos observáveis ou mensuráveis, mas de emoções e experiências subjetivas também, assim como qualquer outro fenômeno psicológico). Pode ser considerada como uma especialização da área de Human Enhancement, que tem como objetivo ultrapassar temporariamente ou permanentemente as limitações atuais do corpo humano através de meios naturais ou artificiais.

Um adendo: quando falo “através de qualquer meio necessário”, incluo o design de interação, design da informação, arquitetura da informação, interação homem-computador, user experience design, design gráfico, design industrial, ergonomia, visualização, ciência da computação, engenharia de software, arquitetura, e quaisquer outras disciplinas técnicas e tecnológicas que trabalham com o conceito de “ambiente construído” e que podem ser usadas para alcançar este fim. Por isso, sintam-se à vontade para contribuir com idéias. Não é algo restrito à um clubinho de psicólogos e antropólogos.

Propostas de cognição aumentada

Mais especificamente, paralelamente ao campo da Inteligência Artificial, onde existe uma proposta da IA forte e outra fraca, a cognição aumentada também pode ter algumas propostas diferentes entre si. O sentido da palavra “força” aqui não é o de avaliar as propostas, mas sim, de dizer até onde suas ambições em melhorar o desempenho humano vão.

Cognição aumentada “fraca”

Nessa proposta, entendemos a cognição aumentada como o simples aumento do conhecimento. Podemos dividir o conhecimento em declarativo e procedural. O conhecimento declarativo consiste em “saber sobre”, enquanto o conhecimento procedural consiste em “saber como”. Nesse sentido, a cognição aumentada consiste em utilizar a tecnologia como meio para aumentar os conhecimentos das pessoas, e em última instância, melhorar os seus desempenhos em tarefas específicas. De modo científico, podemos avaliar se aumentamos ou não o conhecimento de uma pessoa através de seu comportamento, ou seja, se uma pessoa pode falar sobre algum assunto que não poderia anteriormente ou se ela consegue realizar mudanças em seu ambiente que não conseguiria anteriormente.

Essa proposta tem como ambição a melhoria de desempenhos específicos em tarefas específicas, e é, em certo sentido, um complemento da usabilidade como é concebida hoje. É também muito relacionada com a proposta de design for behavior.

Cognição aumentada “intermediária”

Essa proposta tem muitas similaridades com a proposta fraca, mas adiciona-se o elemento da generalização. Enquanto a proposta fraca tem objetivo melhorar o desempenho das pessoas em tarefas específicas, essa proposta tem uma ambição maior de melhorar não apenas respostas específicas, mas padrões ou disposições comportamentais em diversos contextos, ou seja, consiste no aumento do desempenho de forma generalizada e duradoura, não limitada apenas à tarefas específicas, mas incluindo um espectro maior de habilidades.

Cognição aumentada “forte”

Nessa proposta, entendemos a cognição aumentada como o aumento das capacidades dos processos cognitivos, como a atenção, memória, aprendizagem, percepção, entre outros, também de forma generalizada. O que difere essa proposta da intermediária é o seu foco nos aspectos cognitivos do ser humano. Cognição aqui é entendida como os processos que um organismo usa para organizar informação, tais como aquisição (percepção), seleção (atenção), representação (entendimento) e retenção (memória), e o uso dessas informações para guiar o comportamento.

Intervenções: aumento x terapia

Intervenções cognitivas podem ser de 2 tipos: aumento (enriquecimento ou amplificação) ou terapêutico. Uma intervenção que tem como objetivo corrijir uma determinada patologia ou um deficiência pode ser caracterizada como terapêutica, enquanto uma intervenção que tem como objetivo melhorar o desempenho de um sistema cognitivo, de outra forma que não a correção, pode ser caracterizada como aumento.

Enquanto grande parte da psicologia do século XX foi usada para fins terapêuticos, tendo como base a psicanálise, que se orientou pelo modelo médico (concebendo o comportamento como sintomas e as causas como patologias), a psicologia do século XXI pode contemplar não apenas a resolução de problemas psicológicos (o cuidado terapêutico), mas também melhorias nas funções psicológicas e na qualidade de vida (ver como paradigma a psicologia positiva). Os procedimentos podem ser os mesmos ou diferentes (embora, em ambos os casos, sejam aplicações do conhecimento científico disponível), mas enquanto a terapia tem o foco em corrijir aspectos considerados disfuncionais, a cognição aumentada têm o foco em melhorar aspectos considerados normais. Basicamente, o que muda é o contexto do “problema a ser resolvido” (correção x melhoria) e a perspectiva adotada.

Cognição aumentada e tecnologia

O termo cognição aumentada teve seu início associado com o início da ciência da computação. Muitos outros nomes foram utilizados como sinônimos: intelligence amplification (outro tipo de IA), machine augmented intelligence ou cognitive enhancement. Todos se referindo ao computador como meio para aumentar a inteligência e as capacidades do ser humano.

No início da ciência da computação, diversos autores, como William Ross Ashby, J.C.R. Licklider, Douglas Engelbart, viam o computador como uma forma de distribuir a computação entre o homem e a máquina, se aproveitando dos pontos fortes e reconhecendo as limitações de cada parte, para em conjunto, chegarem à decisões melhores, o que nesse sentido, pode ser encarado como o aumento da inteligência. Essa perspectiva gerou diversos frutos, um dos principais atualmente conhecido como cognição distribuída, que encara a cognição não como pertencendo ou internalizada dentro de uma pessoa, mas distribuída entre ela e o seu ambiente.

Grande parte da filosofia do design centrado no usuário divulgada pelo Donald Norman também tem o foco em dividir a carga cognitiva entre o usuário e o computador (Norman fala de representações internas e externas – ou o conhecimento na cabeça e no ambiente).

Há de se ressaltar porém, que a cognição aumentada não está limitada ao computador ou às tecnologias de informação. Diversos outros meios também podem ser empregados para esse mesmo fim. Desde o ensino, a educação, a alimentação, exercícios cognitivos, drogas (lícitas como o café ou ilícitas como a cocaína), estimulação magnética transcraniana, modificações genéticas e por aí vai.

A tecnologia ou a técnica pode ser usada para fins da cognição aumentada de diversas formas, e dessa forma, apoiar as diferentes propostas de cognição aumentada discutidas acima. Desde a simples distribuição da tarefas através do uso de um lápis ou um calendário, ou softwares que ajudem a memória prospectiva (agendas, gerenciadores de projetos), até processos mais avançados que dão suporte à atividades que não poderiam ser realizadas “naturalmente”, como é o caso de ferramentas de data mining e visualização, que juntos, tornam compreensíveis através da abstração uma quantidade enorme de dados que o sistema perceptivo humano não poderia apreender por si só.

Nesse sentido, é que Ben Shneiderman diz:

The purpose of visualization is insight, not pictures.

E pra quem me conhece, sabe que é nesse sentido que o meu interesse pela visualização vai.

Considerações

As 3 propostas de cognição aumentada tem como foco a melhoria no desempenho das pessoas. A tecnologia pode ser considerada um meio para isso. Como diz Dan Ariely, numa palestra do TED:

Quando se trata de construir o mundo físico, de certa forma compreendemos nossas limitações. Construímos passos. E construímos essas coisas que nem todos podem usar obviamente. Nós entendemos nossas limitações e construímos ferramentas para contorná-las. Mas por alguma razão, quando se trata do mundo mental, quando projetamos coisas como planos de saúde e aposentadoria e mercado de ações, de alguma forma nos esquecemos que somos limitados. Eu acho que se entendessemos nossas limitações cognitivas da mesma forma como entendemos nossas limitações físicas, mesmo que elas não nos pareçam tão óbvias, poderíamos projetar um mundo melhor. E isso, eu acho, é a nossa esperança.

Entendendo nossas limitações, podemos não apenas considerá-las quando vamos projetar alguma tecnologia (como é a proposta da usabilidade tradicional). Podemos também usar a tecnologia como forma de superá-las, e com isso aumentar o nosso desempenho e funções psicológicas, além de explorar melhor nossas potencialidades e virtudes. É nisso que consiste a cognição aumentada. E é desse modo que podemos considerar softwares como artefatos cognitivos.

Para saber mais

• Intelligence amplification
• Augmented cognition: Science fact or science fiction?
• Cognitive Enhancement: Methods, Ethics, Regulatory Challenges
• Martin Seligman on positive psychology

Natureza dos dados

Em projetos de visualizações, antes de realizarmos o mapeamento visual, dividimos os dados a serem exibidos de acordo com sua natureza (tipo, número de dimensões e estrutura) ou o modelo mental que o usuário possui deste conjunto de dados para formular suas perguntas:

Tipos dos dados:

• Qualitativos
  • Nominais (escala nominal)
  • Ordinal (escala ordinal)
• Quantitativos
  • Discretos (escala intervalar)
  • Contínuos (escala racional)

Número de dimensões dos dados:

• Dados unidimensionais (1 variável)
• Dados bidimensionais (2 variáveis)
• Dados tridimensionais (3 variáveis)
• Dados multidimensionais (n variáveis)

Estrutura dos dados:

• Dados lineares
• Dados temporais
• Dados espaciais (ou dados geográficos)
• Dados hierárquicos
• Dados em rede (network)
• Dados textuais

A área de visualização da informação (infoVis) têm concentrado quase todos os seus esforços em apresentar informações quantitativas. Os livros mais conhecidos da área são o Visual Display of Quantitative Information, do Tufte (que inspirou o título deste post) e Show me the Numbers, do Stephen Few, que pelos títulos já demonstram o foco de suas preocupações: quantidades.

Antes de mais nada, quando falamos de visualização, falamos de design de informação (o projeto de displays) com objetivo de aumentar o conhecimento ou entendimento, ou seja, como um meio para cognição aumentada ou desempenho melhorado. Segundo a definição mais clássica:

A graphical representation of data or concepts, which is either an internal construct of the mind or an external artifact supporting decision making.

Enquanto a visualização da informação seria:

The use of computer-supported, interactive, visual representations of abstract data to amplify cognition. – Card

Information visualization utilizes computer graphics and interaction to assist humans in solving problems. – Purchase

The purpose of information visualization is to amplify cognitive performance, not just to create interesting pictures. Information visualizations should do for the mind what automobiles do for the feet. – Card

No manifesto do Manuel Lima, um dos pontos mais controversos foi a separação entre information visualization e information art. Enquanto a primeira foi tratada como um meio para a cognição aumentada, a segunda foi tratada como um mero agrado para os olhos. E é aqui que eu tenho minhas contestações.

A pergunta que eu faço aqui é: a arte pode ser concebida como visualização da informação qualitativa?

A arte como visualização de informações qualitativas

O Guernica do Picasso pode não ter uma densidade alta de informações quantitativas. Mas apresenta para o espectador uma imensa densidade de informações qualitativas. Neste sentido, ela tem como efeito a compreensão de um fato (o bombardeio na cidade de Guernica). Uma visualização de informações quantitativas poderia mostrar o número de mortos, de feridos, de prédios destruídos e por aí vai. Mas o Guernica expressa o mesmo fato através de informações qualitativas. E o efeito, senão maior, é o mesmo: a cognição aumentada.

Processamento digital e analógico

Um pressuposto implícito na diferenciação entre information visualization e information art é a concepção da visualização da informação como uma ferramenta de cognição apenas quantitativa. Creio que em parte, a predominância da quantidade sob a qualidade nos projetos de visualização de informação deve-se ao tipo de dados registrados nos bancos. Porém, a nossa experiência e o nosso processamento de informação, diferentemente dos computadores, não se resume à 0 e 1. As coisas, além de terem medidas, possuem qualidades. Categorizamos as coisas tão ou mais frequentemente quanto as medimos. E percebemos o ambiente muito mais facilmente, através da detecção, discriminação e reconhecimento do que através da formação de escalas. Enquanto os computadores são digitais, nós somos muito mais analógicos.

A visualização deve levar isso em consideração. Não devemos impor a natureza digital dos computadores à natureza analógica dos seres humanos. Do mesmo jeito que a visualização pode ser usada para aumentar o conhecimento e compreensão acerca de dimensões quantitativas de um determinado fenômeno, ela também pode ser usada para aumentar o conhecimento e compreensão acerca das qualidades deste mesmo fenômeno. Tudo vai depender da pergunta a qual a visualização tem a função de responder. As nossas perguntas têm apenas respostas quantitativas ou qualitativas também? Nem todas as respostas são 42.

Um exemplo simples, que elaboramos na neoVis há um tempo atrás, foi uma visualização do que estava acontecendo em Honduras. Decidimos retratar não os números, mas o retrato do Roberto Michelleti, composto através de diversas outras fotos associadas com a sua posse (um mosaico). Ou seja, decidimos ir pelo lado qualitativo ao invés do quantitativo. Poderíamos falar que esse tipo visualização não tem como objetivo aumentar a compreensão sobre os fatos que estavam ocorrendo na ocasião? Creio que não.

Notas de Rodapé

Para quem quiser saber mais sobre o Guernica e o Picasso de forma geral, tem um documentário bem legal produzido pela BBC > O Poder da Arte > Picasso.

• Parte 1
• Parte 2
• Parte 3
• Parte 4
• Parte 5
• Parte 6

Conceito

Variáveis ou atributos visuais são um conjunto específico de modificações visuais aplicadas em objetos visuais com o objetivo de apresentar informação. O conceito veio do trabalho de Jaques Bertin, um cartógrafo que se perguntou se existiriam símbolos visuais básicos, que organizados de um modo específico, poderiam ser usados de forma similar às palavras para o uso em uma linguagem visual (ou seja, levou mais à sério a metáfora da linguagem visual tão comentada no design).

Bertin chamou estas unidades básicas de marcas e associou com cada tipo de marca, uma série de propriedades nos quais estas unidades poderiam ser modificadas, como posição, comprimento, formato, saturação de cor, matiz de cor, orientação e textura. Estas modificações aplicadas aos objetos é que são chamadas de variáveis ou atributos visuais.

Marcas

Uma marca (ou em termos semióticos, signo pictórico nominativo ou ôntico) é qualquer coisa usada para apresentar ou representar alguma outra coisa (um conceito ou uma entidade ou um fenômeno ou uma categoria).

Assim como Kandinsky procurou pelos elementos básicos de qualquer pintura (em suas obras e no livro Ponto, Linha e Plano), por ter em comum a questão da abstração, os autores da área de visualização como Jock D. Mackinlay, Stephen Few e Bartram, postularam uma série de marcas visuais que podem ser usadas para apresentar visualmente dados abstratos.

• Pontos: qualquer forma geométrica simples que é usada para marcar uma posição (x,y,z) específica em um gráfico. Um ponto consiste de uma simples mancha, possuindo apenas posição.
• Linhas: representam informação com um certo comprimento, mas sem área, e portanto, sem largura. Uma linha é uma coleção de pontos indivíduais contíguos estendendo em uma simples direção através do espaço.
• Áreas: possuem um comprimento e uma largura, portanto um tamanho bi-dimensional. Representam valores em proporção à sua área (tamanho bi-dimensional).
• Superfícies: áreas em um espaço tridimensional, mas sem espessura.
• Volumes: têm um comprimento, uma largura e uma profundidade. São realmente tridimensionais.

Mudanças no estímulo, mudanças na resposta

As variáveis visuais, ou simplesmente os aspectos que uma marca visual pode ser alterada (em termos semióticos, chamadas de signos atributivos ou estruturais), são diversas. Abaixo segue uma lista não completa:

• Posição
• Comprimento
• Ângulo
• Inclinação
• Área
• Volume
• Densidade
• Saturação de cor
• Matiz de cor
• Textura
• Conexão
• Contenção (contornos)
• Ângulo
• Textura
• Forma
• Movimento (direção, velocidade, frequência, ritmo, piscada, trajetórias e estilo)

Cada mudança em um destes aspectos altera o modo em que as informações são percebidas e compreendidas pelas pessoas. A psicofísica, área da psicologia que estuda o relacionamento entre os estímulos físicos e suas percepções subjetivas, tem como foco 4 tarefas perceptivas básicas:

• Detecção: consiste numa questão de sensibilidade absoluta. Qual é a energia mínima que um estímulo deve ter para ser percebido? A resposta à esta pergunta é chamada de limiar absoluto (o valor físico desta magnitude do estímulo). O limiar absoluto é a intensidade mínima que o estímulo deve ter para poder ser detectado pelo observador.
• Discriminação: consiste numa questão de sensibilidade diferencial. O quanto 2 estímulos precisam diferir entre si, para que provoquem sensações diferentes? A resposta à esta pergunta é chamada de limiar diferencial ou diferença apenas perceptível (a menor diferença entre os valores físicos de 2 estímulos que provocam sensações diferentes e que, portanto, podem ser discriminados).
• Reconhecimento: consiste numa questão de sensibilidade não apenas em detectar, mas em reconhecer. Implica a comparação do estímulo detectado com outros definidos (presentes no ambiente ou na memória). A resposta à esta pergunta é chamada de limiar de reconhecimento.
• Formação de escalas: consiste numa questão de construção de escalas a partir de diferentes valores físicos do estímulo. Queremos a partir da magnitude de nossa sensação, chegar ao valor físico do estímulo.

Mapeamento visual e características perceptivas das variáveis visuais

O mapeamento visual é o processo no qual se determina quais variáveis visuais serão utilizadas de acordo com os diversos aspectos dos dados (natureza, número de dimensões, estrutura), ou seja, é o mapeamento entre os dados e as variáveis visuais. Em apresentações de dados físicos, é de se esperar que as variáveis apresentem estas magnitudes físicas. Em apresentações de dados abstratos, o mapeamento é realizado de acordo com a história que o designer tem que contar (as perguntas que ele quer responder), e das características perceptivas de cada variável visual.

Jock D. Mackinlay, na publicação Automating the Design of Graphical Presentations of Relational Information criou uma lista de variáveis visuais ordenadas pela acurácia nos tipos de dados:

A escolha da variável mais apropriada para representar cada aspecto da informação depende de suas características perceptivas. Podemos indentificar pelo menos 5 destas características das variáveis visuais. As primeiras (seletividade, associação, quantificação e ordenação) nos permitem classificar as variáveis visuais de acordo o desempenho em diferentes tipos de tarefas perceptivas. A última característica (comprimento) refere-se à questão de quantas mudanças na variável podem ser usadas efetivamente. Qualquer um que leu o texto até aqui, deve reconhecer uma certa similaridade entre estas características e as tarefas perceptivas estudadas pela psicofísica citadas acima…

• Seletividade: uma variável visual é considerada seletiva se mudando o valor desta variável em uma marca, podemos diferenciar entre 2 ou mais marcas. Para sabermos se uma variável é seletiva, basta apenas nos perguntarmos: uma mudança nesta variável é suficiente para nos permitir diferenciar uma marca de outra?
• Associação: uma variável visual é considerada associativa se as marcas, que são diferentes em outras variáveis, podem ser agrupadas de acordo com uma mudança nesta variável visual. Para sabermos se uma variável é associativa, basta apenas nos perguntarmos: uma mudança nesta variável visual é o suficiente para nos permitir percebê-lo como parte de um grupo? Mudando esta variável em 2 ou mais marcas, percebemos estas marcas como associadas ou como um grupo de dados relacionados?
• Quantificação: uma variável visual é considerada quantitativa se o relacionamento entre 2 marcas diferentes nesta variável visual pode ser interpretada como numérica. Para sabermos se uma variável é quantitativa, basta apenas nos perguntarmos: há uma leitura numérica obtida com mudanças nesta variável? Comparando 2 marcas com mudanças nesta variável, podemos formar uma escala, por exemplo, falando o quanto a primeiro é maior ou menor que a segunda?
• Ordenação: uma variável visual é considerada ordenável se mudanças nesta variável dão suporte à leituras ordenadas, ou seja, uma mudança em uma variável visual ordenável de uma marca será lida como maior ou menor. Para sabermos se uma variável é ordenável, basta apenas nos perguntarmos: mudanças nesta variável são percebidas como ordenáveis? Comparando 2 marcas com mudanças nesta variável, podemos ver uma como maior e outra como menor?
• Comprimento: o comprimento é uma característica um pouco diferente. O comprimento de uma variável visual é o número de mudanças que podem ser usadas e ainda assim, manter as características de suporte à tarefas que são geralmente associadas com esta variável visual. Para sabermos o comprimento de uma variável, basta apenas nos perguntarmos: ao longo de quantas mudanças nesta variável são percebidas distinções?

Carpendale, na publicação Considering Visual Variables as a Basis for Information Visualisation, faz uma análise de diversas variáveis visuais, avaliando se possuem ou não as características citadas acima. De forma resumida, suas conclusões são:

Mudanças lineares e quadráticas

Um dos erros mais comuns em visualizações é a mudança da área de uma marca visual como consequência (efeito colateral) da mudança da largura ou altura para representar mudanças em somente uma variável dos dados, com isso, aumentando 2 lados ao mesmo tempo, produzindo um efeito quadrático (de segundo grau) para uma mudança linear. Este tipo de mudança faz com que o lie factor aumente, tornando a quantificação percebida muito maior do que realmente é. Por exemplo: comparando a categoria A com a categoria B numa dada dimensão Y. A=10 e B=20.

Quando mudamos toda a área (tanto a largura quanto a altura) do quadrado para representar a mudança em apenas uma variável (figura da esquerda), temos a impressão de que a categoria B é muito maior do que A no que se refere a dimensão Y (já que a área está 4 vezes maior). Agora quando mudamos apenas uma variável, sua altura por exemplo (figura da direita), vemos o quão maior B é realmente em relação à A (somente o dobro).