Temat: data visualization - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: A new mechanism for data visualization with TSK-type preprocessed collaborative fuzzy rule based system
Autorzy:: Prasad, M.
Liu, Y.-T.
Li, D.-L.
Lin, C. -T.
Shah, R. R.
Kaiwartya, O. P.
Powiązania:: https://bibliotekanauki.pl/articles/91743.pdf
Data publikacji:: 2017
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:: fuzzy interference system
collaborative clustering
fuzzy logic
big data
data visualization
Opis:: A novel data knowledge representation with the combination of structure learning ability of preprocessed collaborative fuzzy clustering and fuzzy expert knowledge of TakagiSugeno-Kang type model is presented in this paper. The proposed method divides a huge dataset into two or more subsets of dataset. The subsets of dataset interact with each other through a collaborative mechanism in order to find some similar properties within eachother. The proposed method is useful in dealing with big data issues since it divides a huge dataset into subsets of dataset and finds common features among the subsets. The salient feature of the proposed method is that it uses a small subset of dataset and some common features instead of using the entire dataset and all the features. Before interactions among subsets of the dataset, the proposed method applies a mapping technique for granules of data and centroid of clusters. The proposed method uses information of only half or less/more than the half of the data patterns for the training process, and it provides an accurate and robust model, whereas the other existing methods use the entire information of the data patterns. Simulation results show the proposed method performs better than existing methods on some benchmark problems.
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2017, 7, 1; 33-46
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: A thematic cartographic visualization of a small region, based on the example of the Mrozy Commune
Autorzy:: Fabijańska, Patrycja
Korycka-Skorupa, Jolanta
Powiązania:: https://bibliotekanauki.pl/articles/2134579.pdf
Data publikacji:: 2018-09-04
Wydawca:: Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
Tematy:: Thematic map
spatial data
statistical data
cartographic visualization
region
Mrozy commune
Opis:: The purpose of this study was to produce a multifaceted presentation of a small region. It was realised based on two aims: the collection of spatial and statistical data, and the analysis of the data from the perspective of physical and socio-economic geography. Mrozy commune (Polish gmina Mrozy) is located in the eastern part of the Masovian voivodeship, in the county of Minsk (Polish - powiat miński). The initial stage involved obtaining data from various sources. The second phase concerned the assessment of the data's quality. Next, appropriate visualization methods were selected; the authors used cartographic techniques for data presentation, resulting in a set of thematic maps at a scale of 1:100,000. The final part of this research concerned the evaluation of the results and the verification and correction of errors. The accuracy of the maps for this small area has been checked and the maps will be made available to the local authorities.
Źródło:: Miscellanea Geographica. Regional Studies on Development; 2018, 22, 3; 150-156
0867-6046
2084-6118
Pojawia się w:: Miscellanea Geographica. Regional Studies on Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: A visual mining based framework for classification accuracy estimation
Podstawy wizualnej eksploracji do szacowania dokładności klasyfikacji
Autorzy:: Arun, P. V.
Powiązania:: https://bibliotekanauki.pl/articles/145456.pdf
Data publikacji:: 2013
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: teledetekcja
klasyfikacja obrazu
wizualizacja
data mining
remote sensing
decision tree
image classification
visualization
Weka
Prefuse
Opis:: Classification techniques have been widely used in different remote sensing applications and correct classification of mixed pixels is a tedious task. Traditional approaches adopt various statistical parameters, however does not facilitate effective visualisation. Data mining tools are proving very helpful in the classification process. We propose a visual mining based frame work for accuracy assessment of classification techniques using open source tools such as WEKA and PREFUSE. These tools in integration can provide an efficient approach for getting information about improvements in the classification accuracy and helps in refining training data set. We have illustrated framework for investigating the effects of various resampling methods on classification accuracy and found that bilinear (BL) is best suited for preserving radiometric characteristics. We have also investigated the optimal number of folds required for effective analysis of LISS-IV images.
echniki klasyfikacji są szeroko wykorzystywane w różnych aplikacjach teledetekcyjnych, w których poprawna klasyfikacja pikseli stanowi poważne wyzwanie. Podejście tradycyjne wykorzystujące różnego rodzaju parametry statystyczne nie zapewnia efektywnej wizualizacji. Wielce obiecujące wydaje się zastosowanie do klasyfikacji narzędzi do eksploracji danych. W artykule zaproponowano podejście bazujące na wizualnej analizie eksploracyjnej, wykorzystujące takie narzędzia typu open source jak WEKA i PREFUSE. Wymienione narzędzia ułatwiają korektę pół treningowych i efektywnie wspomagają poprawę dokładności klasyfikacji. Działanie metody sprawdzono wykorzystując wpływ różnych metod resampling na zachowanie dokładności radiometrycznej i uzyskując najlepsze wyniki dla metody bilinearnej (BL).
Źródło:: Geodesy and Cartography; 2013, 62, 2; 113-121
2080-6736
2300-2581
Pojawia się w:: Geodesy and Cartography
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Analityka kulturowa, czyli jak narzędzia Data Science zmieniły humanistykę
Cultural Analytics or How Data Science Tools Changed the Humanities
Autorzy:: Radomski, Andrzej
Powiązania:: https://bibliotekanauki.pl/articles/2154889.pdf
Data publikacji:: 2022-03-31
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Tematy:: wizualizacja
big data
uczenie maszynowe
humanistyka cyfrowa
Humanistyka
analityka kulturowa
data science
Machine Learning
Big Data
Visualization
Humanities
Digital Humanities
Cultural Analytics
Data Science
Opis:: W artykule zostały przedstawione paradygmaty badawcze, które radykalnie zmieniły współczesną humanistykę. Najważniejszym z nich jest analityka kulturowa. Jest ona oparta na metodach Data Science. Autor prezentuje założenia data science, a następnie cechy charakterystyczne humanistyki cyfrowej i analityki kulturowej. W drugiej części artykułu zostały przedstawione przykłady badań i projektów prowadzonych w ramach analityki kulturowej. Są to projekty realizowane w DH Lab uniwersytetu w Yale, Software Studies Initiative oraz Media lab Katowice. Badania prowadzone w tych instytucjach przeobraziły humanistykę. Jej cechy charakterystyczne – to badanie dużych kolekcji danych, automatyzacja badań, wykorzystanie uczenia maszynowego i wizualizacja wiedzy. Nowa humanistyka, twierdzi autor, stała się nauką ścisłą.
The article presents research paradigms that have radically changed the contemporary humanities. The most important of these is cultural analytics. It is based on Data Science methods. The author presents the assumptions of data science, and then the characteristics of digital humanities and cultural analytics. The second part of the article presents examples of research and projects conducted as part of cultural analysis. These are projects implemented at the DH Lab at Yale University, Software Studies Initiative, and Media Lab Katowice. Research conducted in these institutions transformed the humanities. Its characteristic features are the study of large data collections, research automation, the use of machine learning and knowledge visualization. The new humanities, the author claims, has become an exact science.
Źródło:: Studia Humanistyczne AGH; 2022, 21, 1; 7-22
2084-3364
Pojawia się w:: Studia Humanistyczne AGH
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Aplikacja do wizualizacji danych meteorologicznych dla miasta Bydgoszcz
Application for visualization of meteorological data for the city of Bydgoszcz
Autorzy:: Bobowski, Dawid
Kazimierska-Drobny, Katarzyna
Powiązania:: https://bibliotekanauki.pl/articles/41205801.pdf
Data publikacji:: 2023
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:: dane meteorologiczne
wizualizacja
TypeScript
SQLite3
meteorological data
visualization
Opis:: Niniejsza praca przedstawia projekt aplikacji, która umożliwia wczytywanie i wizualizację danych meteorologicznych dla miasta Bydgoszcz. W tym celu wykorzystano dane meteorologiczne z lat 2001-2021 z terenu Kujaw. Stworzona aplikacja ma za zadanie w przystępny sposób dokonać wizualizacji danych pomiarowych. Ponadto za pomocą aplikacji możliwe jest porównanie wybranych parametrów w celu przeanalizowania i zaobserwowania zmian klimatycznych na terenie Bydgoszczy na przestrzeni lat.
This work presents the design of an application forloading and visualization of meteorological data for the city of Bydgoszcz. For this purpose,meteorological data from 2001-2021 from Kujawy were used. The created application is designed to visualize measurement data in an accessible way. Moreover, using the application it will be possible to compare selected parameters in order to analyze and observe climate changes in Bydgoszcz over the years.
Źródło:: Studia i Materiały Informatyki Stosowanej; 2023, 15, 2; 5-9
1689-6300
Pojawia się w:: Studia i Materiały Informatyki Stosowanej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Application of multi-parameter data visualization by means of autoassociative neural networks to evaluate classification possibilities of various coal types
Autorzy:: Jamroz, D.
Powiązania:: https://bibliotekanauki.pl/articles/109902.pdf
Data publikacji:: 2014
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:: autoassociative neural networks
coal types
multidimensional visualization
multi-parameter
identification of data
pattern recognition
neural networks
Opis:: The significance of data visualization in modern research is growing steadily. In mineral processing scientists have to face many problems with understanding data and finding essential variables from a large amount of data registered for material or process. Hence it is necessary to apply visualization of such data, especially when a set of data is multi-parameter and very complex. This paper puts forward a proposal to introduce the autoassociative neural networks for visualization of data concerning three various types of hard coal. Apart from theoretical discussion of the method, the empirical applications of the method are presented. The results revealed that it is a useful tool for a researcher facing a complicated set of data which allows for its proper classification. The optimal neural network parameters to successfully separate the analyzed three types of coal were found out for the analyzed example.
Źródło:: Physicochemical Problems of Mineral Processing; 2014, 50, 2; 719-734
1643-1049
2084-4735
Pojawia się w:: Physicochemical Problems of Mineral Processing
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Application of multi-parameter data visualization by means of multidimensional scaling to evaluate possibility of coal gasification
Wykorzystanie wizualizacji wielowymiarowych danych przy użyciu skalowania wielowymiarowego do oceny możliwości zgazowania węgla
Autorzy:: Jamróz, D.
Niedoba, T.
Surowiak, A.
Tumidajski, T.
Szostek, R.
Gajer, M.
Powiązania:: https://bibliotekanauki.pl/articles/219920.pdf
Data publikacji:: 2017
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: zgazowanie węgla
wizualizacja wielowymiarowa
skalowanie wielowymiarowe
MDS
wielowymiarowe dane
wzbogacanie w osadzarkach
coal gasification
multidimensional visualization
multidimensional scaling
multidimensional data
Opis:: The application of methods drawing upon multi-parameter visualization of data by transformation of multidimensional space into two-dimensional one allow to show multi-parameter data on computer screen. Thanks to that, it is possible to conduct a qualitative analysis of this data in the most natural way for human being, i.e. by the sense of sight. An example of such method of multi-parameter visualization is multidimensional scaling. This method was used in this paper to present and analyze a set of seven-dimensional data obtained from Janina Mining Plant and Wieczorek Coal Mine. It was decided to examine whether the method of multi-parameter data visualization allows to divide the samples space into areas of various applicability to fluidal gasification process. The “Technological applicability card for coals” was used for this purpose [Sobolewski et al., 2012; 2013], in which the key parameters, important and additional ones affecting the gasification process were described.
Metody służące do wizualizacji złożonych, wielowymiarowych danych poprzez transformację przestrzeni wielowymiarowej do dwuwymiarowej umożliwiają prezentację tych danych na ekranie komputera. Tym samym są przystępnym instrumentem analizy zbiorów danych, pozwalającym wykorzystać połączenie naszego wzroku z mocą naszej osobistej sieci neuronowej (mózgu) do wyodrębnienia z danych cech, których zauważenie przy pomocy innych metod może być bardzo trudne. W artykule zastosowano jedną z takich metod – skalowanie wielowymiarowe – w celu sprawdzenia, skuteczności tej metody do analizy próbek węgla ze względu na jego przydatność do procesu zgazowania w kotle fluidalnym. W tym celu pobrano próbki dwóch węgli, z KWK „Wieczorek” (węgiel typu 32) oraz ZG „Janina” (węgiel typu 31.2), które następnie miały być poddane testom pod względem ich przydatności do zgazowania. Każda z próbek została zbadana ze względu na cechy, których określone poziomy są kluczowe oraz wskazane w kontekście procesu zgazowania według „Karty przydatności węgli do zgazowania” (Sobolewski et al., 2012; 2013). Każdy z węgli został rozdzielony na osadzarce pierścieniowej (10 pierścieni, uziarnienie węgla 0-18 mm) w wyniku czego powstało pięć warstw (po 2 pierścienie każda). Następnie każda z warstw została rozsiana na 10 klas ziarnowych. Tak otrzymane produkty zostały poddane technicznej oraz chemicznej analizie (ogółem 50 próbek z ZG „Janina” oraz 49 próbek z KWK „Wieczorek” – klasa ziarnowa 16-18 mm w tej drugiej kopalni nie została uzyskana i pomiar był niemożliwy do zrealizowania. Tym samym otrzymano takie parametry do analizy jak: zawartość siarki, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla organicznego, ciepło spalania oraz zawartość popiołu. W wyniku przeprowadzonych badań oraz porównania ich z wymogami prezentowanymi w „Karcie przydatności węgli do zgazowania” okazało się, że tylko 18 próbek spełnia wszystkie wymogi, z czego aż 17 pochodziło z KWK „Wieczorek”. Postanowiono poddać ocenie wszystkie próbki bardziej złożonej obserwacji – wielowymiarowej analizie danych za pomocą skalowania wielowymiarowego. W rozdziale 3 przedstawiono szczegółowo zastosowaną metodologię analizy wraz z opisem algorytmu. Następnie, w rozdziale 4 przedstawiono wyniki obserwacji przeprowadzonych za pomocą opracowanego w tym celu programu komputerowego, napisanego w języku C++. Rysunki 1-3 przedstawiają sytuację, gdzie dane reprezentujące próbki węgla mniej lub bardziej przydatne do zgazowania zaczynają tworzyć podgrupy. Proces grupowania został przedstawiony etapowo, tzn. rys. 1 prezentuje sytuację wyjściową, Rys. 2 sytuację przy bardzo małej wartości parametru ITER = 5, zaś Rys. 3 najlepszy możliwy widok, otrzymany przy wartości parametru ITER = 340. Widać na tym rysunku, że obrazy punktów reprezentujących próbki węgla bardziej oraz mniej podatnego na zgazowanie zajmują osobne podobszary. Widać, że na całym obszarze rysunku, podobszary te można łatwo od siebie odseparować. Przez to możemy na podstawie tego rysunku stwierdzić, że skalowanie wielowymiarowe pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego. Dzięki temu analizując następne, nieznane próbki możemy poprzez ich wizualizację zakwalifikować je do grupy bardziej podatnych na zgazowanie lub mniej podatnych na zgazowanie. Ważne jest to szczególnie dlatego, ponieważ w analizowanej sytuacji próbki węgla bardziej podatnego na zgazowanie zajmują wnętrze siedmiowymiarowego prostopadłościanu – co jest znacznym uproszczeniem. Wynika to bezpośrednio z faktu, iż przyjęte warunki określające przynależność do tej grupy („Karta przydatności Technologicznej węgla”) to proste nierówności przy pomocy których łatwo można sprawdzić taką przynależność. W rzeczywistości, może się jednak okazać, że obszar przynależności może mieć znacznie bardziej skomplikowany kształt. Wtedy na podstawie większej ilości próbek, których przynależność do klasy węgla bardziej podatnego na zgazowanie zostanie stwierdzona empirycznie, można będzie próbować przy pomocy skalowania wielowymiarowego uzyskać podział przestrzeni na obszary reprezentujące próbki węgla bardziej oraz mniej podatnego na zgazowanie. Rys. 4 przedstawia podobny podział, ale bez wzięcia pod uwagę parametru „zawartość chloru”. Również i w tym przypadku próbki węgla mniej lub bardziej podatnego na zgazowanie tworzą wyraźne podgrupy. Przy pominięciu parametru „zawartość chloru” już 78 próbek (37 z ZG „Janina” oraz 41 z KWK „Wieczorek”) z analizowanych 99-ciu spełniałoby wymogi zawarte w „Karcie przydatności węgla do zgazowania”. Rys. 5 przedstawia inne podejście do analizowanych próbek węgla. Tym razem za kryterium podziału przyjęto pochodzenie węgla z KWK „Wieczorek” lub ZG „Janina”, bez rozpatrywania ich w kontekście przydatności do zgazowania. Również i tym razem okazało się, że zastosowana metodologia pozwala stwierdzić możliwość efektywnego rozdzielenia, a tym samym prawidłowego rozpoznania analizowanych próbek węgla. Tym samym dowiedziono, że metoda skalowania wielowymiarowego może być bardzo przydatnym narzędziem podczas wieloparametrycznej analizy próbek różnego typu węgli.
Źródło:: Archives of Mining Sciences; 2017, 62, 3; 445-457
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types
Zastosowanie wizualizacji wielowymiarowych danych za pomocą sieci Kohonena do oceny możliwości klasyfikacji różnych typów węgla
Autorzy:: Jamróz, D.
Niedoba, T.
Powiązania:: https://bibliotekanauki.pl/articles/220033.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: Kohonen maps
grained material analysis
coal
multidimensional data
multidimensional visualization methods
sieci Kohonena
analiza materiału uziarnionego
dane wielowymiarowe
metody wizualizacji wielowymiarowej
Opis:: Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.
Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwiającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano wielowymiarową technikę wizualizacji statystycznej. Istnieje wiele metod takiej wizualizacji, z których kilka było już przedmiotem wcześniejszych publikacji autorów. W tym wypadku autorzy zdecydowali się zastosować metodę sieci Kohonena. Metoda ta została opisana w rozdziale 2 pracy, gdzie oprócz opisu teoretycznego podano również główne wzory stosowane podczas modelowania tą metodą (wzory (1)-(5)). Do zbadania postawionego problemu wykorzystano optymalną liczbę iteracji i optymalny czas uczenia sieci. Pewnym problemem pojawiającym się przy takiej wizualizacji jest konieczność doboru parametrów, w celu uzyskania widoku, który w sposób czytelny prezentuje poszukiwane przez nas informacje. Należy wspomnieć, że w trakcie prowadzonych eksperymentów uzyskiwano widoki przy użyciu sieci neuronowej o wielkości od 10 × 10 do 100 × 100 neuronów. Widoki były uzyskiwane przy wartości parametru MAX_DISTANCE od 1 do wielkości sieci oraz parametru ITER od 1 do 5000. Eksperymenty były prowadzone dla różnych wzorów określających modyfikację wag. Przedstawione w pracy wyniki stanowią najbardziej czytelne z uzyskanych. Wizualizacja wielowymiarowa przy użyciu sieci Kohonena pozwala stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35, przy czym nawet zobrazowanie 3 typów węgla na jednym rysunku pozwala stwierdzić, że neurony reprezentujące próbki węgla danego typu gromadzą się w skupiskach, które można od siebie odseparować. Z tego wynika, że dane zawierają informacje wystarczające do prawidłowej klasyfikacji węgla. Zauważyć jednak warto, że przedstawienie przy pomocy sieci Kohonena, danych reprezentujących różne typy węgla parami, pozwala uzyskać jeszcze bardziej czytelne wyniki. Najlepsze efekty osiągnięto dla sieci o 40 wierszach oraz 40 kolumnach neuronów, co łącznie dało liczbę 1600 neuronów, zaś czytelność wyników rośnie wraz z postępem uczenia sieci neuronowej (wzrostem parametru ITER). Przeprowadzone doświadczenia w pełni potwierdzają, że zastosowana metoda może być z powodzeniem wykorzystana w badaniach jakościowych związanych z różnego typu materiałami uziarnionymi, w tym również węglem. Badania w tym zakresie są kontynuowane.
Źródło:: Archives of Mining Sciences; 2015, 60, 1; 39-50
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Application of multidimensional scaling to classification of various types of coal
Zastosowanie skalowania wielowymiarowego do klasyfikacji różnych typów węgli
Autorzy:: Jamróz, D.
Powiązania:: https://bibliotekanauki.pl/articles/219176.pdf
Data publikacji:: 2014
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: skalowanie wielowymiarowe
MDS
wizualizacja danych wielowymiarowych
węgiel
identyfikacja danych
statystyczne metody graficzne
rozpoznawanie obrazów
multidimensional scaling
multidimensional data visualization
coal
identification of data
statistical graphics methods
pattern recognition
Opis:: Visualization of multidimensional data is a new way of statistical analysis of so-called statistical graphical methods. These methods allow to classify some analyzed objects, including their various features. Facing grained materials problems, like coal or ores many characteristics have an influence on the quality of product. In case of coal, many features must be taken into consideration to determine quality of the material. Apart from most obvious characteristics like particle size, particle density or ash contents there are many others which cause significant differences between considered types of material. In the paper the application of Multidimensional Scaling Method is presented which is one of the multidimensional data visualization techniques. To this purpose, sampling of three types of coal was performed, which were 31, 34.2 and 35 (according to Polish classification of coal types). First, the material was screened on sieves and then divided into density fractions. Next step was to analyze chemically the obtained particle and size fractions of researched coal. Then, the Multidimensional Scaling Method was applied to visualize the investigated set of data. It was proved that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials. However, it was impossible to achieve such identification comparing all three types of coal together. The Multidimensional Scaling Method is new technique of data analysis concerning widely understood mineral processing.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1, …, Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o określeniu charakteru wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba i Surowiak, 2012), wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013c), analiza czynnikowa (Tumidajski i Saramak, 2009), czy metody wielowymiarowej wizualizacji danych, będące tematem niniejszego artykułu. Biorąc pod uwagę analizę korelacji pomiędzy badanymi cechami materiałów uziarnionych (węgli) można zidentyfikować jakie jego cechy są ze sobą istotnie powiązane. Jest to swoiste preludium do wytypowania, które cechy węgla powodują istotne różnice pomiędzy jego typami. W artykule poddano badaniu trzy typy węgla, według polskiej klasyfikacji - węgle 31, 34.2 oraz 35, pochodzące z trzech różnych kopalni Górnośląskiego Okręgu Przemysłowego. Można powiedzieć, że z punktu widzenia ich jakości były to węgle energetyczne, semi-koksujące oraz koksujące. Każdy z tych węgli został poddany podziałowi na klasy ziarnowe, przy zastosowaniu odpowiedniego zestawu sit. Następnie każdą z otrzymanych klas ziarnowych rozdzielono w cieczach ciężkich na frakcje densymetryczne. Tak otrzymane klaso-frakcje zostały dodatkowo poddane analizie chemicznej ze względu na szereg cech, tj. ciepło spalania, zawartość siarki, zawartość substancji lotnych, zawartość popiołu, miąższość. Wyniki analiz dla wybranej klasy ziarnowej przedstawiono w tabeli 1. Tym samym otrzymano siedmiowymiarowy zestaw danych, który postanowiono poddać wielowymiarowej wizualizacji za pomocą metody skalowania wielowymiarowego. Metoda skalowania wielowymiarowego (multidimensional scaling, MDS) jest jedną z nowoczesnych metod wizualizacji danych. Tego typu metody są wskazane zwłaszcza w sytuacji gdy ma się do czynienia z zestawem skomplikowanych i złożonych danych. Skalowanie wielowymiarowe jest odwzorowaniem przestrzeni n-wymiarowej w przestrzeń m-wymiarową. Oparte jest na obliczaniu odległości pomiędzy każdą parą n-wymiarowych punktów. Na podstawie tych odległości rozważana metoda ustala wzajemne położenie obrazów tych punktów w docelowej przestrzeni m-wymiarowej. Niech dij oznacza odległość pomiędzy n-wymiarowymi punktami nr i oraz j. Skalowanie wielowymiarowe polega na takim rozmieszczeniu punktów w przestrzeni m-wymiarowej, by odległość Dij liczona w tej przestrzeni pomiędzy odwzorowanymi punktami nr i oraz j była jak najbardziej zbliżona do dij. Rozdział 4 zawiera wyniki eksperymentów. Na rysunkach 1-4 widać, w jaki sposób wzrasta grupowanie punktów reprezentujących trzy różne klasy węgla (31, 34.2 oraz 35) wraz ze wzrostem parametru ITER. Widać, że punkty będące obrazami danych reprezentujących te same klasy węgla zaczynają zajmować osobne podobszary oraz zaczynają się grupować. Czytelność podziału przestrzeni rośnie wraz ze zwiększeniem parametru ITER, więc wraz z dokładniejszym dopasowaniem odległości obrazów punktów Dij w przestrzeni 2-wymiarowej do oryginalnych odległości dij pomiędzy punktami w przestrzeni n-wymiarowej. Na rysunku 4 pokazano najbardziej czytelny wynik, jaki udało się uzyskać dla danych zawierających trzy typy węgla 31, 34.2 oraz 35. Nastąpiło to przy parametrze ITER = 793. Widać wyraźnie, że obrazy punktów danych reprezentujących próbki węgla danego typu gromadzą się w skupiskach. Można zaobserwować, że na prawie całym obszarze rysunku, skupiska te można od siebie odseparować. Jednak w niektórych częściach przestrzeni obrazy punktów reprezentujących różne klasy węgla zachodzą na siebie. Przez to nie możemy na podstawie tego rysunku stwierdzić, że analizowane dane pozwalają na prawidłową klasyfikację typów węgla. Postanowiono więc przeanalizować dane reprezentujące różne typy węgla parami. Na rysunkach 5-7 przedstawiono parami węgle typu, odpowiednio, 34.2 i 35 (Rys. 5), 31 i 34.2 (Rys. 6) oraz 31 i 35 (Rys. 7). Na każdym z tych rysunków widać czytelnie, że obrazy punktów reprezentujących próbki różnych typów węgla gromadzą się w skupiskach, które łatwo można od siebie odseparować. Przeprowadzona wizualizacja wielowymiarowa przy użyciu skalowania wielowymiarowego pozwala więc stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35.
Źródło:: Archives of Mining Sciences; 2014, 59, 2; 413-425
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Application of relevance maps in multidimensional classification of coal types
Zastosowanie map odniesienia w wielowymiarowej klasyfikacji typów węgla
Autorzy:: Niedoba, T.
Powiązania:: https://bibliotekanauki.pl/articles/220101.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: relevance maps
multidimensional data visualization
coal
identification of data
pattern recognition
mapy odniesienia
wizualizacja wielowymiarowych danych
identyfikacja danych
rozpoznawanie kształtów
Opis:: Multidimensional data visualization methods are a modern tool allowing to classify some analyzed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. In case of coal, apart from most obvious features like particle size, particle density or ash contents there are many others which cause significant differences between considered types of material. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. Author decided to apply relevance maps to achieve this purpose. Three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated, which were initially screened on sieves and then divided into density fractions. Then, each size-density fraction was chemically analyzed to obtain other characteristics. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials. However, it was impossible to achieve such identification comparing all three types of coal together. The presented methodology is new way of analyzing data concerning Widery understood mineral processing.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być (charakteryzują się) charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1,..., Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o kierunkach charakteryzowania wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być: – wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba i Surowiak, 2012); – wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013b); – analiza czynnikowa (Tumidajski, 1997; Tumidajski and Saramak, 2009); – metody wielowymiarowej wizualizacji danych. W artykule zastosowano nowoczesną metodę wizualizacji wielowymiarowych danych – metodę tzw. map odniesienia (z ang. relevance maps). Aby zastosować ww. metodę przeprowadzono doświadczenia na trzech typach węgla, pobranych z trzech kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Były to węgle typu 31, 34.2 i 35, według polskiej klasyfikacji węgli. Każdą z pobranych prób poddano rozdziałowi na klasy ziarnowe a następnie każdą z klas ziarnowych rozdzielono na frakcje densymetryczne za pomocą rozdziału w roztworze chlorku cynku. Tak otrzymane klaso-frakcje przebadano chemiczne ze względu na wybrane parametry jakościowe węgla. Były to takie cechy jak: ciepło spalania, zawartość popiołu, zawartość siarki, zawartość substancji lotnych oraz miąższość materiału. Otrzymano w ten sposób zestaw siedmiu danych dla każdej klasy ziarnowej i każdego typu węgla. Stanowił on swoisty siedmiowymiarowy zbiór, który postanowiono zobrazować za pomocą techniki wizualizacji bazującej na tzw. mapach odniesienia. W metodzie map odniesienia na płaszczyźnie służącej do wizualizacji danych zostają rozmieszczone specjalne punkty zwane punktami odniesienia, reprezentujące poszczególne cechy. Do każdej cechy (współrzędnej) zostaje przyporządkowany punkt odniesienia reprezentujący tą cechę. Czyli przy danych 7-wymiarowych umieszczamy na płaszczyźnie 7 takich punktów odniesienia reprezentujących poszczególne współrzędne. Rozkład punktów reprezentujących przedstawiane wielowymiarowe dane odzwierciedla relacje pomiędzy tymi danymi a cechami. Im bardziej i-ta cecha występuje w danym obiekcie (czyli i-ta współrzędna ma większą wartość), tym bliżej powinien leżeć punkt reprezentujący dany obiekt względem punktu odniesienia reprezentującego i-tą cechę (współrzędną). W ten sposób każdy punkt odniesienia reprezentujący daną cechę, dzieli płaszczyznę na obszary bardziej oraz mniej zależne od cechy nr i (mniej oraz bardziej odległe od punktu odniesienia reprezentującego i-tą cechę). Dokładny opis algorytmu przedstawiono w podrozdziale 3 artykułu. Za pomocą omawianej metody dokonano wizualizacji danych dotyczących przedstawionych typów węgla. Uzyskane rezultaty przedstawiono na rysunkach 1-9. Widoki te pokazują sposób, w jaki 7-wymiarowe dane zostają przekształcone przy pomocy mapy odniesienia do dwóch wymiarów. Algorytm wizualizacji przy użyciu mapy odniesienia działa tak by pomimo znacznej redukcji liczby wymiarów, w jak największym stopniu odległości pomiędzy punktem reprezentującym konkretny wektor danych a punktami odniesienia zależały od współrzędnych tego wektora danych. W ten sposób na ekranie 2-wymiarowym, możemy zobaczyć istotne cechy danych 7-wymiarowych. Na rysunkach 1-4 widać, w jaki sposób wzrasta grupowanie punktów reprezentujących trzy różne klasy węgla (31, 34.2 oraz 35) wraz ze wzrostem parametru ITER. Widać, że punkty będące obrazami danych reprezentujących te same klasy węgla zaczynają zajmować osobne podobszary oraz zaczynają się grupować. Jednak w niektórych częściach przestrzeni obrazy punktów reprezentujących różne klasy węgla zachodzą na siebie. Przez to nie możemy na podstawie tych rysunków stwierdzić, że analizowane dane pozwalają na prawidłową klasyfikację typów węgla. W celu uzyskania bardziej czytelnych wyników postanowiono przedstawić przy pomocy mapy odniesienia, te same dane w nieco inny sposób. Postanowiono przeanalizować dane reprezentujące różne typy węgla parami. Rysunek 5 przedstawia widok uzyskany dla danych reprezentujących typy węgla 34.2 oraz 35. Widać na nim czytelnie, że obrazy punktów reprezentujących próbki węgla typu 34.2 gromadzą się w skupiskach, które łatwo można odseparować od skupisk obrazów punktów reprezentujących próbki węgla 35. Podobne obserwacje dokonano na podstawie rysunków 6 i 7, gdzie przedstawiono parami, odpowiednio, węgle typu 31 i 34.2 oraz 31 i 35. Przeprowadzona wizualizacja wielowymiarowa przy użyciu map odniesienia pozwala więc stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35.
Źródło:: Archives of Mining Sciences; 2015, 60, 1; 93-106
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Applying the concept of figural goodness for automatic design of dataset visualization
Zastosowanie koncepcji „figural goodness” do automatycznego projektowania wizualizacji zbioru danych
Autorzy:: Rzeźniczak, T.
Powiązania:: https://bibliotekanauki.pl/articles/306000.pdf
Data publikacji:: 2013
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: data visualization
graphical languages
structural information theory
figural goodness
wizualizacja danych
języki graficzne
Opis:: Many approaches to automatic design of graphical presentation are focused on creating graphical presentation for a given data type, often without considering actual instances of data. This is due to the fact that they aim to be general purpose solutions. In this study a method which draws attention to characteristics of the actual data to be presented is adopted. Knowing characteristics of data that will be shown to the observer in advance, allows much more customized approach and better performance of constructed visualization. Visualisation performance in this case is understood as an ability to identify and recognize presented objects quickly and easily. Construction of the method relies heavily on research in the area of data visualization and perceptual psychology - with special emphasis on figural goodness.
Wiele rozwiązań z zakresu automatyzacji konstruowania prezentacji graficznych koncentruje się na konstruowaniu prezentacji graficznych dla wybranego typu danych, najczęściej bez uwzględniania konkretnej instancji danych w procesie przygotowania metody prezentacji. Wynika to z faktu, że podejścia te starają się być rozwiązaniami uniwersalnymi. W pracy zaproponowana jest metoda, która zwraca uwagę na cechy danych, które faktycznie będą przedstawiane. Znając charakterystykę danych, do zaprezentowania możliwe jest znacznie lepsze dostosowanie podejścia i poprawa wydajności zbudowanej wizualizacji. Wydajność wizualizacji w tym przypadku jest rozumiana jako zdolność obserwatora do odnajdywania i rozpoznawania prezentowanych obiektów w szybki i łatwy sposób. Budowa metody opiera się głównie na badaniach w obszarze wizualizacji danych i psychologii percepcji - ze szczególnym naciskiem na figural goodness.
Źródło:: Biuletyn Instytutu Systemów Informatycznych; 2013, 11; 23-31
1508-4183
Pojawia się w:: Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Assessment of the influence of atmospheric intensity on the wooden façade of the building by visualization method
Autorzy:: Pluta, M.
Thiis, T. K.
Powiązania:: https://bibliotekanauki.pl/articles/100246.pdf
Data publikacji:: 2017
Wydawca:: Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
Tematy:: 3D visualization
3D modeling
data integration
animation
wizualizacja 3D
modelowanie 3D
animacja
Opis:: 3D visualization is one of the forms of presentation of spatial phenomena, which, thanks to the development of new technologies of acquiring, modeling and providing spatial information, is one of the most popular methods of presenting real objects in the virtual world. Practice shows that 3D visualization is increasingly being used by different entities to present research results in 3D form, thereby ensuring better readability of the papers. The paper describes the methodology of 3D visualization of the influence of atmospheric conditions on wooden facades of a school building. Methods of obtaining data for the purpose of creating a 3D model of a research object, processing vector and raster data, and rendering the final animation were described. The results of the study show that the use of 3D visualization as a form of presenting research results enables accurate estimation of the intensity of atmospheric conditions on the vertical elevation, taking into account the exact geometry of the research object.
Źródło:: Geomatics, Landmanagement and Landscape; 2017, 2; 115-121
2300-1496
Pojawia się w:: Geomatics, Landmanagement and Landscape
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Atrakcyjność miasta Katowice – podejście wizualne
The attraciveness of the city Katowice – visual-based approach
Autorzy:: Krężołek, Dominik
Cibis, Anna
Staszczyszyn, Izabela
Pastecki, Marcin
Dargiewicz, Grzegorz
Skrzydło, Mateusz
Kiermasz, Robert
Powiązania:: https://bibliotekanauki.pl/articles/591428.pdf
Data publikacji:: 2017
Wydawca:: Uniwersytet Ekonomiczny w Katowicach
Tematy:: Analiza skupień
Atrakcyjność miasta
Data Science
Wizualizacja
Attractiveness of the cities
Cluster analysis
Visualization
Opis:: Aglomeracje miejskie cechują się istotnym zróżnicowaniem z punktu widzenia postrzegania ich atrakcyjności przez mieszkańców. Termin „atrakcyjność” jest pojęciem subiektywnym, niemierzalnym i nieposiadającym jednoznacznej, uniwersalnej definicji. Głównym celem badania jest wykrycie i identyfikacja czynników istotnie wpływających na postrzeganie atrakcyjności miasta przez jego mieszkańców, jak również osoby przyjezdne. Założono, że nie tylko cena jest istotną determinantą skłaniającą do zakupu nieruchomości w danej lokalizacji, ale także szereg innych czynników. W pracy zaproponowano klasyfikację nieruchomości przy wykorzystaniu analizy skupień oraz przedstawiono graficzną prezentację wybranych czynników mogących w istotny sposób wpływać na postrzeganie atrakcyjności miasta Katowice przy wykorzystaniu autorskich aplikacji i kodów programistycznych.
Urban agglomerations are described by different characteristics in terms of from their attractiveness. The term “attractiveness” is subjective, not measurable and without an universal definition. The main purpose of this study is to identify factors that significantly affect the perception of the city's attractiveness by its residents, as well as by the visitors. It has been assumed that not only price is an important factor to buy a property in a given location, but also other factors. In this paper, we propose to classify real estate using cluster analysis and we present in a graphical way some selected factors that may significantly influence the perception of the attractiveness of the city of Katowice.
Źródło:: Studia Ekonomiczne; 2017, 344; 39-57
2083-8611
Pojawia się w:: Studia Ekonomiczne
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Badanie opinii polskich pracodawców o umiejętnościach absolwentów szkół wyższych z wykorzystaniem technik wizualizacyjnych
Evaluation of Polish employers’ opinions about the competences of higher education graduates with the use of visualization techniques
Autorzy:: Grześkowiak, Alicja
Powiązania:: https://bibliotekanauki.pl/articles/425195.pdf
Data publikacji:: 2015
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: competences
graduates of universities
non-metric data visualization
Opis:: The main objective of this article is to present the patterns of Polish employers’ perception of competences of higher education graduates in the context of labor market needs. The analyzes are carried out on the basis of survey data collected and made available by the Flash Eurobarometer. Since the set of variables under consideration contains only non-metric data, some selected visualization techniques (fluctuation diagrams, relative multiple barcharts) are applied to identify the regularities. Categorical principal components analysis and its graphical representation are used to analyze the interdependences among the considered competences. The results indicate that Polish employers evaluate the skills of the graduates rather positively, but they also recognize the competency gaps in various areas.
Źródło:: Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 2 (48); 53-66
1507-3866
Pojawia się w:: Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Bazy danych jako nowe źródła informacji. Big data przyszłością dziennikarstwa?
Autorzy:: Dziwak, Ewelina
Powiązania:: https://bibliotekanauki.pl/articles/630591.pdf
Data publikacji:: 2018
Wydawca:: Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:: big data
data journalism
visualization
information
dziennikarstwo danych
wizualizacja
informacja
Opis:: The essence of any device coupled to an IT network is the collection, processing and transmission of data. Along with technological progress, the amount of information and, above all, the possibilities of their collection and interpretation allowed exploration of the big data in the fields of science, which until recently were outside the margin of the socalled ‘data revolution’. Big data sets were initially used only by financial institutions. On their basis, mathematical economic and economic forecasts were determined. Nowadays, when the humanities are in the heat of criticism and the science is leading the science, the humanities begin to defend themselves and, like the exact sciences, begin to use new technologies. Within the humanities, data play a large role, which, if skilfully analyzed, allows predicting social phenomena. Data correlated with each other by data journalists become the beginning of new, unknown stories. The author in her text shows the role of data in the process of creating journalistic messages. The article not only presents data as a remedy for information overload, but also points to data journalism as the future in acquiring and generating information.
Istotą każdego urządzenia sprzęgniętego w sieć informatyczną jest gromadzenie, przetwarzanie oraz przesyłanie danych. Wraz z postępem technologicznym ilość informacji, a przede wszystkim możliwości ich gromadzenia oraz interpretacji, pozwoliły na eksplorację tak zwanego big data w tych dziedzinach nauki, które do niedawna znajdowały się poza marginesem tzw. rewolucji danych. Zbiory big data początkowo wykorzystywane były jedynie przez instytucje finansowe. Na ich podstawie wyznaczano matematyczne prognozy ekonomiczno-gospodarcze. Obecnie, kiedy humanistyka stoi w ogniu krytyki, a prym w nauce wiodą nauki ścisłe, humanistyka zaczyna bronić się i podobnie jak nauki ścisłe – korzystać z nowych technologii. W obrębie nauk humanistycznych dużą rolę zaczynają odgrywać dane, które umiejętnie przeanalizowane, pozwalają przewidywać zjawiska społeczne. Dane skorelowane ze sobą przez dziennikarzy danych stają się początkiem nowych, nieznanych historii. Autorka w swoim tekście wykazuje funkcje danych w procesie tworzenia przekazów dziennikarskich. Przedstawia je jako remedium na przeciążenie informacyjne. Upatruje w dziennikarstwie danych przyszłości pozyskiwaniu i generowaniu informacji.
Źródło:: Acta Humana; 2018, 9
2082-4459
Pojawia się w:: Acta Humana
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "data visualization" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język