Οπτικοποίηση της Πληροφορίας

Το μάθημα «Οπτικοποίηση της Πληροφορίας» εξετάζει τις αρχές, τεχνικές και εργαλεία για τη γραφική αναπαράσταση δεδομένων με τρόπο που ενισχύει την κατανόηση, τη λήψη αποφάσεων και την επικοινωνία πληροφορίας. Καλύπτονται θεμελιώδεις έννοιες της αντιληπτικής θεωρίας, σχεδιαστικές αρχές (Tufte, Shneiderman), στατικές και διαδραστικές οπτικοποιήσεις, οπτικοποίηση πολυδιάστατων και χρονικών δεδομένων, γεωχωρικών δεδομένων και δικτύων. Παρέχεται εργαστηριακή εξάσκηση σε Python (Matplotlib, Seaborn, Plotly), D3.js, Tableau και Power BI. Το μάθημα απευθύνεται σε φοιτητές που ασχολούνται με επιστήμη δεδομένων, ανθρώπου-υπολογιστή, αναλυτική πληροφορίας και ψηφιακό μετασχηματισμό.

Με την ολοκλήρωση του μαθήματος, ο φοιτητής/η φοιτήτρια θα μπορεί να:

1. Αναλύει δεδομένα και επιλέγει την κατάλληλη τεχνική οπτικοποίησης.

2. Εφαρμόζει αρχές σχεδιασμού αποτελεσματικής και μη παραπλανητικής επικοινωνίας.

3. Υλοποιεί στατικές και διαδραστικές οπτικοποιήσεις με Python, D3.js ή Tableau.

4. Οπτικοποιεί πολυδιάστατα, ιεραρχικά, χρονικά, γεωχωρικά και δικτυακά δεδομένα.

5. Εκτιμά την ποιότητα μιας οπτικοποίησης με μετρικές ευχρηστίας και αναγνωσιμότητας.

6. Συνθέτει dashboards για ανάλυση δεδομένων και υποστήριξη αποφάσεων.

7. Χρησιμοποιεί ανοιχτά σύνολα δεδομένων και δημιουργεί αναλυτικές αναφορές.

8. Παρουσιάζει δεδομένα σε επιστημονικά άρθρα ή επιχειρησιακές αναφορές με οπτικές τεχνικές.

Οπτικοποίηση της πληροφορίας και διάδραση, ορισμός και ιστορική εξέλιξη, σχεδίαση και αισθητική της οπτικοποίησης. Τεχνολογίες οπτικοποίησης: Διάδραση, Γραφικά, Πολυμέσα, Μεγάλα δεδομένα. Σύγχρονες εφαρμογές οπτικοποίησης: Γεωγραφικοί χάρτες, ψηφιακή δημοσιογραφία, δεδομένα υγείας-ευζωϊας, προσωπικά δεδομένα, λήψη αποφάσεων, πολιτισμός- τέχνη, ψηφιακές συλλογές. Ανάπτυξη μιας επίκαιρης εφαρμογής οπτικοποίησης δεδομένων με σύγχρονα εργαλεία του ιστού και διασυνδεδεμένα δεδομένα.

Εβδομάδα    Θεματική Ενότητα
1    Εισαγωγή στην Οπτικοποίηση Πληροφορίας – Ιστορία, πεδία εφαρμογών
2    Ανθρώπινη αντίληψη, χρώμα, μορφή – Ψυχολογικές αρχές
3    Βασικά γραφήματα: γραμμικά, ράβδος, πίτα, scatter, heatmaps
4    Οπτικοποίηση πολυδιάστατων δεδομένων – Parallel coords, PCA plots
5    Οπτικοποίηση χρονικών δεδομένων – Time-series, timelines
6    Γεωχωρική οπτικοποίηση – Choropleths, GIS layers, geoplots
7    Οπτικοποίηση δικτύων – Graph layouts, force-directed, clusters
8    Dashboards & Data Storytelling
9    Εργαστήριο Python: Matplotlib, Seaborn, Plotly
10    Εργαστήριο Διαδραστικών Οπτικοποιήσεων: D3.js / Plotly Dash
11    Tableau / Power BI – Business analytics dashboards
12    Αξιολόγηση και κριτική οπτικοποιήσεων (good vs bad visualizations)

Βασικά συγγράμματα

1. A. Cairo, The Functional Art: An Introduction to Information Graphics and Visualization.

2. E. Tufte, The Visual Display of Quantitative Information.

3. Tamara Munzner, Visualization Analysis and Design, CRC Press.

Συμπληρωματικά

4. B. Shneiderman et al., Designing the User Interface (κεφ. Visual Information).

5. Kirk, Andy, Data Visualization: A Handbook for Data Driven Design.

6. Scott Murray, Interactive Data Visualization for the Web (D3.js).

Ελληνόγλωσσα

7. Α. Κόμης, Οπτικοποίηση και Ανάλυση Δεδομένων, Εκδόσεις Κλειδάριθμος.

8. Κ. Μυλόπουλος, Αναπαράσταση και Οπτικοποίηση Πληροφορίας, Εκδόσεις Ζήτη.

• Διαδραστικές διαλέξεις με παραδείγματα καλών/κακών visualizations

• Εργαστηριακές εφαρμογές σε Python, Tableau, Power BI, D3.js

• e-Class (σημειώσεις, εργασίες, ψηφιακό υλικό)
• Python (Matplotlib, Seaborn, Plotly, Altair)
• Tableau / Power BI dashboards
• D3.js & Observable notebooks

70% από γραπτές εξετάσεις

30% από εργασία/project