ВИЗУАЛИЗАЦИЯ ЦИФРОВЫХ ПОРТРЕТОВ УЧАСТНИКОВ СООБЩЕСТВА

VISUALIZATION OF DIGITAL PORTRAITS OF COMMUNITY PRECINCT OFFICERS

Ekaterina Turusina

student, Department of Natural Science, Irkutsk state University,

Russia, Irkutsk

Anna Balakhchi

scientific supervisor, Ph.D. of Physico-mathematical Sciences, Irkutsk state University,

Russia, Irkutsk

АННОТАЦИЯ

В статье рассмотрены методы и инструменты визуализации данных об участниках сообщества в форме цифровых портретов. Исследуются методы, инструменты и формы визуального представления характеристик, которые позволяют эффективно интерпретировать, полученную об участниках сообщества информацию, выявлять ключевые профильные компетенции участников и определять интересы.

ABSTRACT

The article discusses methods and tools for visualizing data about community members in the form of digital portraits. The methods, tools and forms of visual representation of characteristics that allow for effective interpretation of information received about community members, identify key core competencies of participants and identify interests are investigated.

Ключевые слова: цифровой портер; данные; инструменты; визуализация данных; диаграммы.

Keywords: digital porter; data; tools; data visualization; diagrams.

Введение

С развитием цифровых технологий и ростом объемов данных возникла необходимость в эффективных методах их анализа и интерпретации. Одним из таких методов является создание цифровых портретов, которые представляют собой визуализацию собранных данных, характеризующих объекты интереса. Цифровые портреты позволяют обобщать и представлять сложные наборы данных в понятной и наглядной форме. Формы цифровых портретов могут быть разные: резюме с инфографикой, цифровой портрет на основе опросов и тестов, сравнительная диаграмма характеристик всех объектов,  - от индивидуального к общему.

Резюме с инфографикой – как цифровой портрет

Одним из способов представления данных о человеке является резюме с инфографикой (Рисунок 1).

В качестве инструментов могут быть использованы как графические редакторы, функционал которых позволяет создавать элементы инфографики, например, Adobe Photoshop, Adobe Illustrator, Figma, так и BI-системы (Business Intelligence): Tableau, QlikView, Klipfolio.

Помимо статичного варианта резюме, можно реализовать покадровую анимацию с помощью инструментов: Adobe Photoshop, Adobe Animate и т.п.

Радиальные диаграммы

В контексте цифровых портретов радиальные диаграммы могут использоваться для создания визуальных профилей, отображающих ключевые характеристики, метрики или показатели объектов анализа (Рисунок 1).

В качестве инструмента для автоматизированного создания цифровых портретов участников сообщества на основе набора данных о них был рассмотрен язык Python. Библиотеки Pandas и Numpy позволяют предварительно обработать данные, а библиотека Matplotlib визуализировать их. Язык R предоставляет аналогичные возможности. Для создания такого вида диаграмм можно использовать функцию start(), либо библиотеку ggplot.

Рисунок 1. Формы цифровых портретов

Лица Чернова

Данный вид диаграмм отображает различные переменные через специфическое размещение элементов лица, таких как уши, глаза и нос, согласно значениям данных.

На языке Python данный метод можно реализовать несколькими способами. Первый способ заключается в использовании библиотеки ChernoffFace, которая имеет встроенную функцию, принимающую набор данных и рисующую лица в соответствии с этими данными. Вторым способом является создание собственной функции, создающей лица из простых геометрических фигур, для этого подойдёт библиотека Matplotlib (Рисунок 1). Этот способ более сложный, так как требует создания формул расчета пропорций лица, но он позволяет создавать более интересные визуализации и адаптировать функцию под ваши потребности.

Язык программирования R также предоставляет возможность создать лица Чернова на основе данных. Для этого существует пакет aplpack и встроенная в него функция faces.

Генеративная графика в визуализации цифровых портретов

Генеративная графика в контексте цифрового портрета представляет собой метод создания визуализаций, где данные используются для генерации изображений.

Для реализации генеративных изображений на языке Python было рассмотрено использование графической библиотеки PyQt5, которая имеет функцию генерации Шума Перлина для создания текстур и плавных переходов. Цвета, прозрачность, толщина линий и шаг пера управляются параметрами из данных, что делает каждый портреты уникальным.

Также для создания генеративной графики можно использовать JavaScript библиотеку P5.js или инструмент визуального программирования TouchDesigner, который позволит создать анимированную графику

Кастомные формы визуализации цифровых портретов

Кастомные формы визуализации данных могут включать широкий спектр изображений, где данные кодируются через различные графические элементы, стили или мотивы (Рисунок 1).

В качестве инструментов для автоматизированного создания большого количества цифровых портретов также подойдёт язык Python или JavaScript библиотека – P5.js. Для малых объемов данных можно использовать различные графические редакторы, перечисленные ранее.

Цифровой портрет сообщества

Цифровой портрет сообщества представляет собой визуальное представление данных о членства или характеристиках участников определенного сообщества.

Визуализации такого рода также можно реализовать с помощью языков программирования, BI-систем и графических редакторов. Рассмотрим такой инструмент, как NodeBox3.

NodeBox3 — это программный инструмент для создания 2D-графики и анимаций с использованием нодов. Он особенно полезен для дизайнеров, художников и исследователей, которые хотят создавать сложные визуальные работы, сочетая искусство и алгоритмы. Также NodeBox3 предоставляет возможность программировать на языке Python, что делает его мощным и гибким инструментом для генеративной графики и визуализации данных.

На рисунке 1 изображен цифровой портрет сообщества участников конференции, реализованный посредством данного инструмента.

Список литературы:

1. Мастицкий С.Э., Шитиков В.К. Статистический анализ и визуализация данных с помощью R. M.: ДМК Пресс, 2015. — 498 с.
2. Яу Н. Искусство визуализации в бизнесе. Как представить сложную информацию простыми образами. М.: Манн, Иванов и Фербер, 2004. — 338 с.
3. Осадчая И.А., Берестнева О.Г., Немеров Е.В. Анализ многомерных медицинских данных с помощью пиктографиков «Лица Чернова» // Бюллетень сибирской медицины. — 2014. — № 4. [электронный ресурс] — Режим доступа. — URL: https://cyberleninka.ru/article/n/analiz-mnogomernyh-meditsinskih-dannyh-s-pomoschyu-piktografikov-litsa-chernova (дата обращения 03.07.2024)
4. Киселёва Н. Flowers and Numbers // Nightingale. — 2024. — [электронный ресурс] — Режим доступа. — URL: https://cyberleninka.ru/article/n/analiz-mnogomernyh-meditsinskih-dannyh-s-pomoschyu-piktografikov-litsa-chernova (дата обращения 15.06.2024)