Ben shneiderman university of maryland
Ben shneiderman google scholar
Fue elegido miembro de la Association for Computing (ACM) en 1997 y miembro de la American Association for the Advancement of Science (AAAS) en 2001. Recibió el premio ACM SIGCHI Lifetime Achievement Award en 2001. Es miembro de la Academia Nacional de Ingeniería y miembro de la Academia Nacional de Inventores en 2015. Recibió el ACM SIGCHI Lifetime Achievement Award en 2001 y el IEEE Visualization Career Award en 2012.
Fue elegido miembro de la Academia Nacional de Ingeniería en 2010 en reconocimiento a sus contribuciones pioneras a la interacción persona-ordenador y a la visualización de la información. Sus contribuciones incluyen el concepto de manipulación directa, que dio lugar a los enlaces web resaltados en los que se puede hacer clic, los omnipresentes teclados de pantalla táctil en los dispositivos móviles, los deslizadores de consulta dinámica para la exploración de datos y una patente para el etiquetado de fotos. Su trabajo sobre la visualización de la información dio lugar a los ampliamente utilizados treemaps (historia de los treemaps, proyecto de arte de los treemaps), a novedosas visualizaciones de redes para NodeXL y al análisis de secuencias temporales de eventos para registros sanitarios electrónicos con EventFlow.
Ben shneiderman ai centrada en el ser humano
Fue elegido miembro de la Association for Computing (ACM) en 1997 y miembro de la American Association for the Advancement of Science (AAAS) en 2001. Recibió el premio ACM SIGCHI Lifetime Achievement Award en 2001. Es miembro de la Academia Nacional de Ingeniería y miembro de la Academia Nacional de Inventores en 2015. Recibió el ACM SIGCHI Lifetime Achievement Award en 2001 y el IEEE Visualization Career Award en 2012.
Fue elegido miembro de la Academia Nacional de Ingeniería en 2010 en reconocimiento a sus contribuciones pioneras a la interacción persona-ordenador y a la visualización de la información. Sus contribuciones incluyen el concepto de manipulación directa, que dio lugar a los enlaces web resaltados en los que se puede hacer clic, los omnipresentes teclados de pantalla táctil en los dispositivos móviles, los deslizadores de consulta dinámicos para la exploración de datos y una patente para el etiquetado de fotos. Su trabajo sobre la visualización de la información dio lugar a los ampliamente utilizados mapas de árbol (historia de los mapas de árbol, proyecto de arte de los mapas de árbol), a novedosas visualizaciones de redes para NodeXL y al análisis de secuencias de eventos temporales para registros sanitarios electrónicos con EventFlow.
Ben shneiderman visualización de datos
BEN SHNEIDERMAN (http://www.cs.umd.edu/~ben) es profesor universitario emérito distinguido del Departamento de Informática, director fundador (1983-2000) del Laboratorio de Interacción Persona-Ordenador (http://hcil.umd.edu) y miembro del Instituto de Estudios Informáticos Avanzados (UMIACS) de la Universidad de Maryland. Es miembro de la AAAS, la ACM, el IEEE, la NAI y la Academia de Visualización, así como de la Academia Nacional de Ingeniería de Estados Unidos. Ha recibido seis doctorados honoríficos en reconocimiento a sus contribuciones pioneras a la interacción persona-ordenador y a la visualización de la información. Entre sus contribuciones más utilizadas se encuentran los enlaces web resaltados que se pueden pulsar, los teclados de pantalla táctil de alta precisión para dispositivos móviles y el etiquetado de fotos. Entre las innovaciones de Shneiderman en materia de visualización de la información se encuentran los deslizadores de consulta dinámicos para Spotfire, el desarrollo de mapas de árbol para la visualización de datos jerárquicos, las novedosas visualizaciones de redes para NodeXL y el análisis de secuencias de eventos para registros sanitarios electrónicos.
Ben shneiderman university of maryland 2021
Resumen: Las herramientas interactivas de visualización de la información ofrecen a los investigadores una capacidad notable para apoyar el descubrimiento. Al combinar potentes métodos de extracción de datos con interfaces controladas por el usuario, los usuarios están empezando a beneficiarse de estos potentes telescopios para datos de alta dimensión. Pueden empezar con una visión general, acercarse a las áreas de interés, filtrar los elementos no deseados y, a continuación, hacer clic para obtener detalles a la carta. Con un diseño cuidadoso y algoritmos eficientes, el enfoque de consultas dinámicas para la exploración de datos puede proporcionar actualizaciones de 100 mseg. incluso para bases de datos de millones de registros.
Esta charla comenzará repasando los crecientes éxitos comerciales, como www.spotfire.com, www.smartmoney.com/marketmap y www.hivegroup.com. A continuación, se tratarán los recientes avances en la investigación para la exploración visual de grandes series temporales de datos aplicados a datos financieros, médicos y genómicos (www.cs.umd.edu/hcil/timesearcher).
Nuestro siguiente paso fue combinar estas ideas clave para producir el Hierarchical Clustering Explorer 3.0 que ahora incluye el marco de clasificación por características (www.cs.umd.edu/hcil/hce). Al elegir juiciosamente entre los criterios de clasificación apropiados para las proyecciones paralelas a los ejes de baja dimensión, los usuarios pueden localizar las características deseadas de los espacios de mayor dimensión. Por último, estas estrategias de unificación de la estadística con la visualización se aplican a los datos de la red y a las historias clínicas electrónicas (www.cs.umd.edu/hcil/lifelines2). Se mostrarán demostraciones.