As we live in the knowledge information society where various kinds of data are explosively produced, the importance of data type-specific visualization technique is being emphasized. The subject of this study is about the event sequence data which is to explain certain phenomena by occurrence of events and a sequence of events. Event sequence data are collected in various domain. For example, in medical domain, EMR can be considered as event sequence data as patients’ symptoms are listed sequentially. In sports domain, box score data is also event sequence data where scoring and error events are recorded sequentially. However, when we try to visualize such data, there is no guideline for which aspects should be taken as visual.
In this thesis, we define seven main visual elements that should be considered for effective visualization of event sequence data. We identify that (1) event cardinality and (2) event path cardinality would give insights of event and event path emerging trend. In addition, we define (3) outer factor and (4) inner factor which can change the event emerging pattern. Also, (5) event category and (6) event property are defined for helping effective description of event and detailed depiction of event occurrence situation. Finally, (7) outcome is the result of event sequences.
Furthermore, we have developed a new visualization technique that manifests all of the proposed visual elements except for inner factor. Our main strategy is to aggregate the data by outer factor to visualize event emerging pattern change. Flow routing and space division techniques are used for cognitive enhancement on event path emerging trend. Also we make the system show different types of information for each view point, so the visualization result does not look complicated although it contains multiple information. The visualization model forms cascading shape from layers that symbolize outer factor. Cylinders on each layer shows the event cardinality, event category, and event property. The flows that connect each cylinder show the event path cardinality. Finally, the outcome is revealed by the atmospheric impression of the visualization.
We applied pro-basketball game box score data and clickstream data on our visualization model and conducted user study for both visual understanding test and data understanding test. The result showed that the design and data interpretation ability of the proposed visualization model was promising.
다양한 종류의 데이터들이 폭발적으로 양산되고 있는 현대의 지식정보 사회에서, 각종 데이터 형태에 최적화된 정보 시각화 기법들의 중요성이 강조되고 있다. 본 논문에서 집중하고 있는 이벤트 시퀀스 데이터(Event Sequence Data)는 사건과 그 사건이 나열된 경로로서 대상을 설명하는 데이터의 형태이다. 의료의 영역에서는 환자의 증상을 시간 순으로 나열한 EMR 데이터 혹은 스포츠 경기 내에서 발생한 득점, 혹은 실책 등의 사건들을 시간대별로 기록한 박스 스코어(box score) 데이터 등 여러 도메인에서 그 형태를 찾을 수 있다.
본 논문에서는 이벤트 시퀀스 데이터의 효과적 시각화를 위해 주요 시각화 요소들을 7가지로 정의하였다. 이벤트와 이벤트 경로 발생 경향에 대한 통찰을 제공해 주는 (1)이벤트 빈도수(event cardinality), (2)이벤트 경로 빈도수(event path cardinality)를 그 중심으로 삼았다. 이와 더불어 이벤트의 발생 또는 이벤트 발생 경로를 변화시킬 수 있는 외부적, 내부적 요인으로 (3)외부요인(outer factor)과 (4)내부요인(inner factor), 이벤트의 효율적 가시화와 이벤트 발생의 상황 또는 방식의 상술을 위한 요소로 (5)이벤트 범주(event category)와 (6)이벤트 속성(event property), 이벤트 발생 경로의 결과인 (7)경로 결과(outcome)를 새롭게 정의하였다.
더 나아가 본 논문에서는 위의 시각화 요소들을 3차원 공간에서 시각화할 방법에 대해 제시하였다. 외부 요인을 기점으로 데이터를 병합하여, 외부요인에 의한 이벤트 발생 패턴의 변화를 가시화 하였으며 흐름 제어와 공간 분할을 통해 이벤트 발생 경향에 대한 인지를 강화하였다. 또한 시점에 따라 서로 다른 성격의 정보를 보여줌으로써 많은 정보를 포함하더라도 그 형태가 복잡해지지 않도록 하였다.
제안된 시각화 모델은 프로 농구의 박스 스코어 데이터와 클릭스트림 데이터를 활용하여 프로토타입으로 제작되었다. 또한 이는 시각적 이해와 정보 해석 능력을 기준으로 한 사용자 평가를 통해 시각화 모델의 디자인이 직관적이며, 데이터에 초점을 둔 해석이 가능함을 증명하였다. 이러한 내용을 바탕으로 본 연구는 이벤트 시퀀스 데이터의 특성을 살린 정보시각화 연구의 밑거름이 될 수 있을 것으로 기대한다.
