可视化工具：探索 COVID-19 数据
人机交互
2025-01-13 v1
摘要
在当今信息往往庞大而复杂的世界中，有效可视化数据的能力至关重要。诸如图表、图和地图等可视化手段，提供了一种直观且易于理解的方式来解释、分析和传达隐藏在大型数据集中的模式、趋势和见解。这些图形表示可以帮助研究人员、决策者和公众更好地理解和应对诸多问题。在本研究中，我们探索了一种可视化工具，以解释和理解 COVID-19 大流行的各种数据。尽管其他人已经展示了 COVID-19 可视化方法/工具，但我们的工具提供了一种以更全面的方式分析 COVID-19 数据的手段。我们使用了来自 NY Times 和 CDC 的公开数据，以及来自 Safegraph 的各种 COVID-19 数据（例如核心场所、模式、客流量）。图 1 展示了我们可视化视图的基本视图。除了提供这些数据的可视化外，我们的可视化还考虑了 Surprising Map。Surprising Map 是一种等值线图，可以避免在可视化空间数据中的事件密度时，对已知的基准率或对样本量和归一化产生视觉显著性的误导。它基于 Bayesian 惊讶度——它创建了一个等概率模型空间，并使用 Bayesian 更新根据单个事件重新估计其合理性。
引用
@article{arxiv.2501.05703,
title = {Visualization Tool: Exploring COVID-19 Data},
author = {Dong Hyun Jeon and Jong Kwan Lee and Prabal Dhaubhadel and Aaron Kuhlman},
journal= {arXiv preprint arXiv:2501.05703},
year = {2025}
}
备注
Published in ISIITA 2024