概念界定
“
可視化”(Visualization),原意是“使可見,清晰的表現形式”,表示能夠直觀清晰形象的表達某個事物,也可翻譯為“圖示化”。它作為專業術語是在1986年10月,
美國國家科學基金會的“圖形、圖像處理和工作站”談論會上被提出來的。它是指使用計算機圖形學以及圖像處理技術,把數據轉換成圖形,在螢幕上顯示出來的技術。
知識可視化是可視化的一個方面,研究的是所有可用於構建和傳達複雜知識的圖形方法。目前知識可視化工具有五種類型,
概念圖(Concept Map)、
語義網路(Semantic Networks)、
思維導圖(Mind Map)、
認知地圖(Cognitive Maps)和
思維地圖(Thinking Maps)。它們有不同的使用方法、表示不同的意義。
過程可視化(Process Visualization)在概念上與前面提到的
可視化技術都有較大的差別。在現階段,還沒有過程可視化的明確定義,在郁志珍和丁偉的《基於基於過程可視化的化學實驗研究》中定義了過程可視化指通過使用某些方法(如改變實驗條件、利用先進的輔助觀察設備等),使原本不能直接觀察的實驗現象變化過程變得可見、可觀察。並且他們認為,過程可視化的內涵較可視化有兩個不同的方面,一是擴展了可視化概念的內涵,將可視化概念的內涵又融入了過程的概念,即事物發展變化所經過的過程;二是過程可視化的達成方式與感知事物的可視化是完全不同的。將過程可視化技術套用在化學實驗中,過程可視化又有了更為具體、合適的概念。
過程可視化的化學實驗指通過使用某些方法,觀察者能觀察原本不能直接觀察的實驗現象變化過程的化學實驗,具有兩個基本特點:真實的實驗;通過使用某種特定方法,觀察者可以清楚地觀察實驗現象及其變化過程。
實現方法
化學實驗過程可視化
實現化學實驗現象過程可視化的方法可歸結為兩類:
①改變實驗條件減緩實驗現象發生和變化過程。
②使用現代化的儀器或設備捕捉實驗現象發生的整個過程,通過顯微放大、
延時攝影、慢速播放等技術截獲關鍵實驗現象。
此外,在教學過程中,教師還應結合教學內容恰當運用不同類型的過程可視化化學實驗,充分、有效地發揮過程可視化的不同作用,真正提高實驗教學效果。
數據挖掘過程可視化
以過程對象和過程粒度概念為基礎建構的數據挖掘過程可視化與互動式一般內容能具體指導可視化數據挖掘項目的實際套用和研究開發,包括具有過程可視化和互動式支持的完成特定任務的專用系統或者通用數據挖掘系統。例如,我們以這些一般內容為基礎成功實現了一個具有較細粒度的分類過程可視化和互動式系統。該系統為不同層次的用戶提供了互動性順暢、可視化精細的分類系統。
本文研究的
數據挖掘過程可視化與互動式是指用可視化的形式描述、構建和控制數據挖掘過程,並提供各種層次的互動性。即挖掘過程與可視化密切耦合,與互動性相互集成。在互動式的支持下,挖掘過程和可視化同時進行。隨著挖掘的進行,將挖掘算法的中間狀態、得到的中間結果(中間模型)和最終結果(結果模型)實時與線上地顯示出來。如果用戶對挖掘的模式不滿意,可以更改、調整系統參數或停止挖掘過程,然後再重啟挖掘算法,直到滿意為止。在這個過程中,用戶可以觀察經過預處理後的源數據是如何被算法讀取和處理的,挖掘算法是如何推進的,算法對參數是如何回響的,挖掘過程的狀態又是如何,挖掘的中間結果是什麼,最終結果和模型的表現形式等。
化學特點
化學實驗過程可視化
過程可視化的化學實驗活動的共同特點是:
①通過呈現過程可視化的實驗現象,使學生從微小的實驗細節中獲得真實而又豐富的感性經驗,進而實現多樣的教學功能;
②實驗中連續變化實驗現象能具象化一些概念和基本原理,化解學生的學習難點,降低認知負荷;
③學生可以在實驗觀察中發現新奇的未知現象,引起科學好奇心進行探索;
④為學生對實驗現象的分析、質疑與辯論等深層次的思維活動和思維發展提供機會;
⑤基於實驗觀察發現的問題使學生有機會經歷探究過程,促進多種能力發展等等。因此,應鼓勵實驗研究者和化學教師致力於真實實驗的創新和改進,運用適當方法使化學實驗現象過程可視化,為實驗教學服務。
數據挖掘過程可視化
可視化數據挖掘是數據挖掘和
可視化技術的有機結合,這種結合使得數據挖掘技術的套用更具直觀性和形象性,使得在數據挖掘過程中引入並發揮人類的形象思維能力成為可能。由此促進數據挖掘技術與具體場景的套用結合、與領域專家的知識結合、與普通用戶的觀感結合,進而在數據挖掘和知識發現過程中延伸人類的形象思維、提升知識發現的洞察力、提高發現知識的效力。
數據挖掘過程的可視化和互動式具有以下優點:
(1)提高了挖掘模式的
可信度。與用戶充分的互動和挖掘過程的可視化,可以改變“
黑盒子”挖掘的局面。而且,由於用戶從開始到結束一直參與數據挖掘過程,這樣能加深用戶對挖掘結果的理解。
(2)增加了靈活性。通過過程的互動式和可視化,用戶可以在單步跟蹤和自動挖掘兩種互動模式之間靈活切換。
(3)改善了挖掘效率和挖掘精度。數據挖掘是計算密集型任務,用戶根據挖掘系統提供的實時、連續反饋信息,就可以及時地對數據、算法、過程進行調控,由此控制挖掘算法儘可能地挖掘出用戶感興趣的模式,減少產生大量冗餘模式,所以能比較顯著地改善效率和精度。
(4)促進了數據挖掘過程
人機互動的深入。使挖掘系統能更好地為不同層次和背景的用戶所使用。