Análise do Comportamento dos
Usuários Através de Visualização da
Informação
Barbara Moissa
Sumário
•
•
•
•
Objetivos
Introdução
Histórico
Visualização da informação: modelo de
referência e técnicas de representação e
interação
2
Sumário
• Ferramentas de Análise do Comportamento
do Usuário
– Website Exploration Tool (WET)
– Trail Explorer
– Trail Explorer 2
• Conclusão
3
Objetivo
Entender o que é a análise comportamental do
usuário, qual a sua finalidade e sua importância
no comércio eletrônico
• Objetivos específicos:
– Entender a conversão dos dados brutos para
representações gráficas
– Conhecer as representações gráficas e as maneiras
de interagir com as representações visuais
4
Introdução: Problema
• Pascual-Cid (2008) cita dois interesses:
– Projetar websites nos quais os usuários consigam
encontrar facilmente o que procuram
– Auxiliar analistas a melhorarem a experiência dos
usuários em seus sistemas
• E uma necessidade:
– Compreender e descobrir os padrões de
navegações dos usuários do sistema analisado
5
Introdução: Solução
• Uma solução
– Análise dos dados navegacionais
• Meio de analisar a usabilidade sem a participação
direta do usuário (CYBIS, 2003 apud WEIRICH, 2006)
– Identificar problemas no sistema
– Técnicas de visualização da informação (VI)
• Representações gráficas manipuláveis (FREITAS et al,
2001)
• Permitem que o analista descubra padrões ou
características (GHERSON; EICK; CARD, 1998)
6
Introdução: Justificativa para as
técnicas de VI
Figura 1. Dados brutos
ARIZONA STATE UNIVERSITY. d13C and d18O of Carbonates. Disponível em:
<http://kfleb.asu.edu/Analytical/gIRMS/Instrumentandanalysis/Analytical/Methods/Carbonates.html>.
Acessado em 12 set 2013.
7
Introdução: Justificativa para as
técnicas de VI
Figura 2. Gráfico de barras, um modo de representar dados brutos
ONLINE CHART TOOL. ONLINE CHART TOOL. Disponível em: < http://www.onlinecharttool.com/ >.
Acessado em 12 set 2013.
8
Introdução: Aspectos que Podem ser
Analisados em Comércio Eletrônico
• Em comércio eletrônico (PIWIK, 2013):
– Compras realizadas
– Receita total
– Valor médio das compras
– Produtos comprados
– Carrinhos “abandonados”
• Visitantes que abandoram os carrinhos
• Total dos produtos nestes carrinhos
9
Introdução: Aspectos que Podem ser
Analisados em Comércio Eletrônico
• Ainda em comércio eletrônico (GEOTRUST,
2013):
– Visitantes
– Páginas visitadas
– Site onde o visitante o encontrou
10
Introdução: Resumo
A análise comportamental de usuário é um
meio de conhecer os visitantes/clientes do seu
comércio e identificar problemas no modelo de
negócios
11
Histórico: Linha do Tempo
Figura 3. Linha do Tempo
Produção da autora
12
Histórico: Três Gerações da
Usabilidade
• Federici e Borsci (2013) separam a história da
usabilidade em três períodos:
– 1950-1963: não “havia a necessidade” porque os
programadores eram também os usuários
– 1963-1984: caracterizado pela evolução dos sistemas
e dos modelos de interação
• Primeira interface gráfica interativa, o Sketchpad, foi criado
pela Sun Systems
– Após 1985: acessibilidade e a usabilidade tornaram-se
centrais devido a popularização dos computadores e
da Internet
• Distinção entre programadores e usuários
13
Histórico: Terceira Geração
• GUIs + popularização dos computadores = aumento
nos problemas de acessibilidade e usabilidade
• Por volta de 1980 surgiu o primeiro teste de
usabilidade conhecido como “laboratory usability
testing”
• Rubin (1994 apud FEDERICI; BORSCI, 2013) cita
considerações dos desenvolvedores:
– Aumentar as vendas através do design mais competitivo
– Criar um histórico de benchmarks de usabilidade
– Diminuir custos com ligações
14
Histórico: Terceira Geração
• Métodos para coletas dados do usuário:
– protocolos verbais (Ericsson and Simon 1984, 1987
apud FEDERICI; BORSCI, 2013)
– Relato de incidentes críticos (del Galdo et al, 1986
apud FEDERICI; BORSCI, 2013)
– Avaliações de satisfação dos usuários (Chin et al, 1988
apud FEDERICI; BORSCI, 2013)
• Na década de 90, foram explorados outros
métodos de avaliação com o objetivo de diminuir
os custos e o tempo exigidos (FEDERICI; BORSCI,
2013)
15
Histórico: Terceira Geração
• De acordo com ClickTale (2010)
– 1993: arquivos de log, WebTrends (commercial
web analytics)
– 1996: Contadores de visitas, Accrue e
WebSideStory
– 1997: tags JavaScript
– 2004: Criação da Web Analytics Association (WAA)
– 2005: Google Analytics
– 2006: In-Page analytics
16
Histórico: Terceira Geração
Termo
Descrição
Arquivos de log
Meio da analisar o comportamento do usuário a partir da coleta de
dados realizada diretamente no servidor ao processar uma requisição
de página
Contadores de visitas
Recurso que mostra para os visitantes e webmasters o total de visitas
no site ou em uma página específica (CARVALHO, 2013)
Tags JavaScript
Código incluso nas páginas HTML para possibilitar que o navegador do
usuário realize ações na mesma (inclusive enviar dados ao servidor
para serem salvos)
Web Analytics
É a ciência e arte de otimizar sites para aumentar a rentabilidade
através da evolução da experiência dos usuários (WAISBERG;
KAUSHIK, 2009).
É uma abordagem de análise que envolve coletar, medir, monitorar,
analisar e mostrar através de relatórios e gráficos o uso do site ou
aplicação web para compreender a experiência dos usuários
(CARVALHO, 2013).
InPage Analytics
Quando se analisa ações na página, como por exemplo play/pause em
vídeos, coordenadas x e y dos cliques... Foi possibilitada pelas tags
17
JavaScript
Visualização da Informação:
Justificativa
Como mencionado anteriormente, devido ao
grande volume de dados coletados para
analisar o comportamento do usuário, é mais
fácil realizar análises através de representações
gráficas interativas
18
Visualização da Informação: Modelo
de Referência
• Existem diversos modelos de referência
• O mais difundido é o de Card, Mackinlay e
Shneiderman (1999)
• Todos abordam os dados brutos e a conversão
destes, bem como o mapeamento para as
estruturas visuais
• Apenas o de Card, Mackinlay e Shneiderman
(1999) aborda a interação do usuário
19
Visualização da Informação: Modelo
de Referência
Figura 4. Modelo de referência de Card, Mackinlay e Shneiderman (1999)
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition.
Morgan Kauffman, 1999.
20
Visualização da Informação: Modelo
de Referência - Dados brutos
• São os dados coletados, aqueles que serão
analisados
• Podem ser dados navegacionais de usuários,
respostas de questionários, registros de
vendas, etc
21
Visualização da Informação: Modelo
de Referência – Tabela de Dados
• Os dados brutos são convertidos em uma tabela
de dados composta de variáveis (colunas), itens
(linhas) e metadados, conforme o modelo de
Card, Mackinlay e Shneiderman (1999)
• Realizar somas de acordo com algum atributo,
calcular uma média, ou qualquer outra operação
necessária
• Freitas et al defendem que esta Tabela de Dados
pode ser qualquer tipo de estrutura de dados
(objeto, vetor, etc)
22
Visualização da Informação: Modelo
de Referência – Tabela de Dados
Exemplo: calcular a receita total por produto
num produto
preço
data
produto
total
1
Fogão
R$ 370,00
01/11/2013
Fogão
R$ 740,00
2
Geladeira R$ 1.250,00 01/11/2013
Geladeira R$ 2.500,00
3
Cafeteira
R$ 52,90
01/11/2013
Cafeteira
4
Fogão
R$ 370,00
02/11/2013
Dados transformados para análise
5
Cafeteira
R$ 52,90
03/11/2013
6
Geladeira R$ 1.250,00 03/11/2013
7
Cafeteira
R$ 52,90
R$ 158,70
04/11/2013
Dados brutos referentes a vendas de produtos
23
Visualização da Informação: Modelo
de Referência – Estruturas Visuais
• Para chegar nesta etapa, a Tabela de Dados é
mapeada em um estrutura visual (gráfico)
Exemplo: mapear os dados transformados no
exemplo anterior para um gráfico de barras
produto
total
Eixo x
Eixo y
Fogão
R$ 740,00
Fogão
R$ 740,00
Geladeira R$ 2.500,00
Geladeira R$ 2.500,00
Cafeteira
Cafeteira
R$ 158,70
Dados transformados para análise
R$ 158,70
Mapeamento para um gráfico de
barras
24
Visualização da Informação: Modelo
de Referência – Visualizações
• É o resultado final
• É o que o usuário vê
• É o gráfico
25
Visualização da Informação: Modelo
de Referência – Visualizações
Exemplo: gráfico de barras do mapeamento
anterior
3000
Fogão
Eixo y
R$ 740,00
Geladeira R$ 2.500,00
Cafeteira
R$ 158,70
Mapeamento para um gráfico de
barras
Receita Total
Eixo x
2500
2000
1500
1000
500
0
Fogão
Geladeira
Cafeteira
Produto
Gráfico resultante
26
Visualização da Informação: Modelo
de Referência – Interação
• Com o processo concluído, o usuário pode
transformar a representação para extrair as
informações que deseja
• Pode afetar desde os dados que são
selecionados até a visualização final
27
Visualização da Informação: Técnicas
de Representação
• De acordo com Card, Mackinlay e
Shneiderman (1999), baseiam-se na utilização
do espaço e possuem quatro abordagens:
– ortogonais (1D, 2D e 3D);
– multidimensionais (nD);
– árvores;
– redes.
28
Visualização da Informação: Técnicas
de Representação - Ortogonais
• Utilizado para representar dados tabulares
com poucas variáveis
• Histogramas, gráfico de barras, gráfico de
linhas, gráfico de setores, gráfico de bolha,
gráfico de área, gráfico de dispersão, mapa
geográfico, etc
29
Visualização da Informação: Técnicas
de Representação - Multidimensionais
• Utilizadas quando os dados tabulares
possuem mais de três variáveis e as
representações ortogonais são insuficientes
• Coordenadas paralelas e gráfico de radar
Figura 5. Gráfico de coordenadas paralelas
Fonte: Inselberg (2008)
30
Visualização da Informação: Técnicas
de Representação - Árvores
• Representam relações hierarquicas ou de
composição entre elementos como: diretórios
de arquivos, árvores genealógicas (VAZ;
CARVALHO, 2004)
• 5 maneiras de representá-las:
1.
2.
3.
4.
5.
Nós e arestas;
Aninhamentos;
Adjacências;
Identação;
Matrizes.
31
Visualização da Informação: Técnicas
de Representação - Árvores
• Cada nó representa um elemento
• Cada aresta representa um relacionamento
Figura 6. Árvore representada através de nós e arestas
Fonte: Adaptado de Graham; Kennedy (2010)
32
Visualização da Informação: Técnicas
de Representação - Árvores
• Representa o relacionamento entre, o que na
representação através de nós e arestas seriam
um nó pai e um nó filho, posicionando o nó
filho dentro dos limites do nó pai (GRAHAM,
KENNEDY, 2010)
• Treemaps
Figura 7. Árvore representada através de aninhamentos
Fonte: Adaptado de Graham; Kennedy (2010)
33
Visualização da Informação: Técnicas
de Representação - Árvores
• A representação por adjacências posiciona os
nós filhos próximos ao nó pai
• Requer uma definição de orientação pai e
filho não só para diferenciar a relação entre
nós irmãos como também para indicar a
direção do relacionamento
Figura 8. Árvore representada através de adjacências
Fonte: Adaptado de Graham; Kennedy (2010)
34
Visualização da Informação: Técnicas
de Representação - Árvores
• Na representação através de identações cada
nível da árvore é identado de acordo com a
sua profundidade
• Os filhos possuem uma margem esquerda um
pouco maior que seu pai
Figura 10. Árvore representada através de identações
Fonte: Adaptado de Graham; Kennedy (2010)
35
Visualização da Informação: Técnicas
de Representação - Árvores
• Por fim, as representações através de matrizes
evidenciam o parentesco entre pai e filho
relacionando linhas e colunas (GRAHAM,
KENNEDY, 2010)
• Linhas representam os pais e as colunas
representam os filhos ou vice-versa
Figura 11. Árvore representada através de uma matriz
Fonte: Adaptado de Graham; Kennedy (2010)
36
Visualização da Informação: Técnicas
de Representação - Redes
• Assim como as árvores, as redes também
representam relacionamentos entre
entidades, porém não hierárquicos
• Uma rede é representada por um grafo,
direcionado ou não, que é composto por
vértices, que representam os elementos, e por
arestas, que representam o relacionamento
destes elementos
37
Visualização da Informação: Técnicas
de Representação - Redes
Figura 12. Grafo direcionado
Fonte: Adaptado de Pascual-Cid et al (2009)
38
Visualização da Informação: Técnicas
de Representação - Redes
• Também podem ser representadas através de
matrizes (da mesma maneira que uma árvore)
• Exemplos de redes: rede de computadores e
diagramas entidade-relacionamento (banco
de dados)
39
Visualização da Informação: Técnicas
de Interação
• Para compreender melhor o conjunto de
dados que está sendo trabalhado, o usuário
pode sentir a necessidade de realizar algumas
alterações no conjunto de dados
• As técnicas de interação auxiliam os usuários
nestas manipulações
40
Visualização da Informação: Técnicas
de Interação
• Yi et al (2007) propõem sete categorias de
técnicas:
1.
2.
3.
4.
5.
6.
7.
Seleção;
Exploração;
Reconfiguração;
Codificação;
Abstração/elaboração;
Filtragem;
Conexão.
41
Visualização da Informação: Técnicas
de Interação - Seleção
• Permitem que os usuários selecionem itens de
seu interesse de forma a analisá-los
• Distingue os itens de interesse dos demais e
os usuários podem facilmente analisar os itens
de seu interesse quando muitos itens estão
representados
42
Visualização da Informação: Técnicas
de Interação - Seleção
Figura 13. Seleção no programa Dust & Magnet
Fonte: Yi et al (2007)
43
Visualização da Informação: Técnicas
de Interação - Exploração
• Permitem que o usuário examine diferentes
subconjuntos de dados
• Usuários normalmente podem ver apenas um
número limitado de itens por vez
• Mais comum: panning
• Outra técnica é a Direct Walk
44
Visualização da Informação: Técnicas
de Interação - Reconfiguração
• Fornecem aos usuários diferentes perspectivas
dos dados visualizados através da troca da
organização das representações
• Permitem que os usuários alterem a maneira
que os itens estão organizados ou o
alinhamento destes
• Exemplos: ordenar e reorganizar colunas em
uma tabela, mover os nós de um grafo
45
Visualização da Informação: Técnicas
de Interação - Codificação
• Permitem que os usuários alterem a
representação visual (cor, tamanho, forma)
dos dados
• Exemplos: alterar o gráfico
46
Visualização da Informação: Técnicas
de Interação – Abstração/Elaboração
• Habilitam o usuário a ajustar o nível de
abstração dos dados representados
• Alterar de visão geral para uma visão mais
detalhada
• Exemplos: tooltip, zoom in, zoom out
47
Visualização da Informação: Técnicas
de Interação - Filtragem
• Permitem que os usuários alterem o conjunto
de dados que é representado com base em
algumas condições específicas
• Exemplos: sliders para selecionar um intervalo
de valores, checkboxes para selecionar valores
específicos ou ainda através da interação com
o teclado
48
Visualização da Informação: Técnicas
de Interação - Conexão
• Permitem que o usuário destaque associações
e relações entre itens
• Mostram itens escondidos que são relevantes
a um item específico
• Exemplo: ao passar o ponteiro do mouse
sobre um nó em um grafo, destacar os nós
relacionados a ele
49
Visualização da Informação: Técnicas
de Interação - Outras
• Yi et al (2007) citam outras técnicas que não
são exclusivas da Visualização da Informação
• Exemplos: desfazer e refazer operações ou
alterar configurações do sistema
50
Visualização da Informação: Modelo
de Referência - Relembrando
Figura 14. Modelo de referência de Card, Mackinlay e Shneiderman (1999)
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition.
Morgan Kauffman, 1999.
51
Ferramentas Para Análise do
Comportamento do Usuário
• Website Exploration Tool
• Trail Explorer
• Trail Explorer 2
52
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Website Exploration Tool (WET)
– Ferramenta visual de suporte à mineração de
dados na web
– Sua principal característica é a capacidade de criar
uma representação visual baseando-se na
estrutura, no conteúdo e na utilização do website
analisado
– Seu diferencial são as diversas visualizações
combinadas
53
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Composta de três módulos
– Sistema de Recuperação da Informação e Web
Mining
– Sistema da Lógica do Grafo
– Sistema de Visualização
54
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Sistema de Recuperação da Informação e Web
Mining
– Utiliza um crawler para obter a estrutura do site,
bem como seu conteúdo
– Calcula um conjunto de métricas dos dados de
navegação coletados
– Salva no banco de dados
55
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Sistema da Lógica do Grafo
– O objetivo deste módulo é evitar sobrecargas
computacionais e visuais
– Extrai subgrafos significativos da estrutura do site
para simplificar o processo de análise
• Exemplo: nós com uma determinada porcentagem de
acessos
– Retorna um arquivo XML
56
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
Figura 15. Exemplo da extração do subgrafo da WET
Fonte: Adaptado de Pascual-Cid (2008)
57
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
Figura 16. Estrutura da WET
Fonte: Tradução de Pascual-Cid (2008)
58
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Sistema de Visualização
– Módulo que efetivamente cria a visualização dos
dados
– Três visualizações principais: uma representação
hierárquica da estrutura do website, outra dos
caminhos percorridos mais comuns a partir de
uma determinada página de entrada e um grafo
ilustrando todos os caminhos percorridos
59
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
Figura 17. Interface da WET
Fonte: Pascual-Cid (2008)
60
Ferramentas Para Análise do Comportamento
do Usuário: Website Exploration Tool (WET)
• Técnicas de representação:
– Árvore radial
– Treemap
– Grafos
– Gráfico de barras
• Técnicas de interação:
– Definir o nó de origem da árvore
– Alterar todas as visualizações ao mesmo tempo
61
Ferramentas Para Análise do Comportamento
do Usuário: Trail Explorer
• Trail Explorer
– Seu objetivo é ajudar na compreensão da
experiência do usuário em um fluxo de páginas
– Permite a correlação do tempo com a taxa de
sucesso em um determinado fluxo
62
Ferramentas Para Análise do Comportamento
do Usuário: Trail Explorer 2
• Trail Explorer 2
– Duas etapas: consulta de dados e a criação da
representação gráfica
– Análise de dados temporais
– Níveis de detalhamento
– A interface é igual a versão anterior
63
Ferramentas Para Análise do Comportamento
do Usuário: Trail Explorer e Trail Explorer 2
Figura 18. Interface da Trail Explorer e Trail Explorer 2
Fonte: Shen; Sundaresan (2010)
64
Estudo de Caso: Trail Explorer
• Estudos de Caso da utilização da ferramenta
Trail Explorer pelos analistas do eBay
– Fluxo de pagamento
– Fluxo de cadastro
65
Estudo de Caso: Trail Explorer
• Fluxo de Conclusão de Compra
Figura 19. Fluxo de Conclusão de Compra no Ebay
Fonte: Shen; Sundaresan (2010)
– Impacta diretamente na receita do eBay
– Tornar este processo o mais fácil possível
– Reduzir o número de desistentes
66
Estudo de Caso: Trail Explorer
• Foi descoberta uma correlação entre o tempo
gasto na página de Revisão da Compra e a
Taxa de Sucesso
– Quanto maior o tempo na página de Revisão da
Compra, menor a taxa de sucesso
• Foi decidido que esta página seria simplificada
para reduzir o tempo que os usuário
permanecem nela
67
Estudo de Caso: Trail Explorer
• Fluxo de Registro
Figura 20. Fluxo de Registro no Ebay
Fonte: Shen; Sundaresan (2010)
• Se o usuário se sentir frustrado e ir embora, o
eBay perde um cliente
68
Estudo de Caso: Trail Explorer
• Principal descoberta feita foi em relação a
seleção do país
• 33,5% dos usuários ia embora do sistema após
esta etapa
• O problema foi corrigido e a taxa de sucesso
deste processo cresceu
69
Estudo de Caso: Trail Explorer
• Outras descobertas:
– Etapas mais demoradas
– Padrões de diferentes tipos de clientes
• A maioria ocasionou em modificações do
sistema
70
Conclusão
A análise comportamental de usuário é um meio
de conhecer os visitantes/clientes do seu
comércio e identificar problemas no modelo de
negócios
71
Conclusão
As técnicas de visualização da informação
auxiliam no processo de analisar os dados
navegacionais coletados pois permitem a análise
gráfica e interativa dos mesmos
72
Conclusão
A partir do estudo de caso de ferramentas como
WET, Trail Explorer e Trail Explorer 2 pode-se
afirmar que analisar o comportamento do
usuário frente a um sistema traz resultados
positivos para o seu negócio, visto que a partir
dos padrões navegacionais é possível descobrir
os problemas no sistema e solucioná-los
73
Conclusão
A partir da solução para os problemas/barreiras
encontrados, os usuários não terão dificuldades
em, por exemplo, realizar uma compra em seu
sistema
74
Referências
FREITAS, C. M. D. S.; CHUBACHI, O. M.; LUZZARDI, P. R. G.; CAVA, R. A. Introdução à Visualização de
Informações. Revista de Informática Teórica e Aplicada, Porto Alegre, RS, Brasil, v. 8, n. 2, p. 143-158,
2001.
GEOTRUST. Introduction to Web Analytics for E-Commerce: How to Track Activity to Optimize your
Web Site. Disponível em < http://www.geotrust.com/resources/guides/web-analytics-forecommerce.pdf >. Acesso em 12 set 2013.
GHERSON, N.; EICK, S. G.; CARD, S. Information Visualization. Interactions, New York, NY, USA, v.5, n. 2,
p. 9-15, 1998.
MOISSA, B. O Uso de Técnicas de Visualização da Informação para Representação de Informações Web
Analytics em Sistemas Educacionais. Trabalho de Conclusão de Curso (Graduação em Ciência da
Computação) - Universidade do Estado de Santa Catarina (Em andamento). Joinville, 2013.
PASCUAL-CID, V. An information visualization system for the understanding of web data. IEEE
Symposium on Visual Analytics Science and Technology (VAST ‘08), 2008. p. 183-184.
PIWIK. Ecommerce reports in Piwik. Disponível em <http://piwik.org/docs/ecommerce-analytics/#tocecommerce-reports-in-piwik>. Acesso em 12 set 2013.
75
Referências
FEDERICI, S.; BORSCI, S. Usability evaluation: models, methods, and applications. International
Encyclopedia of Rehabilitation. Disponível em <http://cirrie.buffalo.edu/encyclopedia/en/article/277/>.
Acesso em 20 set 2013.
CLICKTALE. A Brief History of Web Analytics. 2010. Disponível em
<http://blog.clicktale.com/2010/11/17/a-brief-history-of-web-analytics/>. Acesso em 20 set 2013.
WAISBERG, D.; KAUSHIK, A. Web Analytics 2.0: empowering customer centricity. SEM.org
Journal, Vol. 2 No. 1. Disponível em
<http://www.semj.org/documents/webanalytics2.0_SEMJvol2.pdf>. Acesso em 01 nov 2013.
HABER, R. B.; MCNABB, D. A. Visualization Idioms: a conceptual model for scientific visualization
systems. Visualization in Scientific Computing. p. 74-93. 1990.
CHI, E. H.; RIEDL, J. T. An Operator Interaction Framework for Visualization Spreadsheets.
Proceedings of IEEE Information Visualization Symposium.1998.
76
Referências
CARVALHO, L. S. O uso de web analytics para melhorar a análise do comportamento do aluno no
AdaptWeb. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do
Estado de Santa Catarina (Em andamento). Joinville, 2013.
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using
vision to think, 1st Edition. Morgan Kauffman, 1999.
CAMPO, M.; OROSCO, R.; TEYSEYRE, A. Automatic Abstraction Management in Information
Visualization Systems. Proceedings of the International Information Visualization Conference.
p.50-56, 1997.
YI, J. S.; KANG, Y.; STASKO, J. T.; JACKO, J. A. Toward a Deeper Understanding of the Role of
Interaction in Information Visualization. IEEE Transactions on Visualization and Computer
Graphics. p. 1224-1231. 2007.
WEIRICH, R. Análise de log para a avaliação do comportamento do aluno no AdaptWeb.
Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do
Estado de Santa Catarina. Joinville, 2006.
77
Referências
• VAZ, F. R.; CARVALHO, C. L. Visualização de Informações. Relatório técnico
-Universidade Federal de Goiás. 2004.
• SHEN, Z.; WEI, J.; SUNDARESAN, N.; MA, K. Visual Analysis of Massive
Web Session Data. IEEE Symposium on Large Data Analysis and
Visualization. p. 65-72. 2012.
• SHEN, Z.; SUNDARESAN, N. Trail Explorer: Understanding User Experience
in Webpage Flows. IEEE VisWeek Discovery Exhibition. p. 7-8. 2010.
• PASCUAL-CID, V.; BAEZA-YATES, R.; DUSTELER, J. C.; MINGUEZ, S.;
MIDDLETON, C. New Techniques for Visualizing Web Navigational Data.
13th International Conference Information Visualization. p. 621-626. 2009.
• GRAHAM, M.; KENNEDY, J. A survey of multiple tree visualisation.
Information Visualization. v. 9, n. 4, p. 235-252. 2010.
78