Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa.
Transcript of Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa.
Análise do Comportamento dos Usuários Através de Visualização da Informação
Barbara Moissa
2
Sumário
• Objetivos• Introdução• Histórico• Visualização da informação: modelo de
referência e técnicas de representação e interação
3
Sumário
• Ferramentas de Análise do Comportamento do Usuário– Website Exploration Tool (WET)– Trail Explorer– Trail Explorer 2
• Conclusão
4
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
5
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
6
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)
7
Introdução: Justificativa para as técnicas de VI
Figura 1. Dados brutosARIZONA 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.
8
Introdução: Justificativa para as técnicas de VI
Figura 2. Gráfico de barras, um modo de representar dados brutosONLINE CHART TOOL. ONLINE CHART TOOL. Disponível em: < http://www.onlinecharttool.com/ >. Acessado em 12 set 2013.
9
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
10
Introdução: Aspectos que Podem ser Analisados em Comércio Eletrônico
• Ainda em comércio eletrônico (GEOTRUST, 2013):– Visitantes– Páginas visitadas– Site onde o visitante o encontrou
11
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
12
Histórico: Linha do Tempo
Figura 3. Linha do TempoProdução da autora
13
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
14
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
15
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)
16
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
17
Histórico: Terceira GeraçãoTermo 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 JavaScript
18
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
19
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
20
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.
21
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
22
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)
23
Visualização da Informação: Modelo de Referência – Tabela de Dados
num produto preço data1 Fogão R$ 370,00 01/11/2013
2 Geladeira R$ 1.250,00 01/11/2013
3 Cafeteira R$ 52,90 01/11/2013
4 Fogão R$ 370,00 02/11/2013
5 Cafeteira R$ 52,90 03/11/2013
6 Geladeira R$ 1.250,00 03/11/2013
7 Cafeteira R$ 52,90 04/11/2013
Exemplo: calcular a receita total por produtoproduto total
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Dados brutos referentes a vendas de produtos
Dados transformados para análise
24
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
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Dados transformados para análise
Eixo x Eixo y
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Mapeamento para um gráfico de barras
25
Visualização da Informação: Modelo de Referência – Visualizações
• É o resultado final• É o que o usuário vê• É o gráfico
26
Visualização da Informação: Modelo de Referência – Visualizações
Exemplo: gráfico de barras do mapeamento anterior
Eixo x Eixo y
Fogão R$ 740,00
Geladeira R$ 2.500,00
Cafeteira R$ 158,70
Mapeamento para um gráfico de barras Fogão Geladeira Cafeteira
0
500
1000
1500
2000
2500
3000
Produto
Rece
ita T
otal
Gráfico resultante
27
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
28
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.
29
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
30
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 paralelasFonte: Inselberg (2008)
31
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. Nós e arestas;2. Aninhamentos;3. Adjacências;4. Identação;5. Matrizes.
32
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 arestasFonte: Adaptado de Graham; Kennedy (2010)
33
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 aninhamentosFonte: Adaptado de Graham; Kennedy (2010)
34
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 adjacênciasFonte: Adaptado de Graham; Kennedy (2010)
35
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 identaçõesFonte: Adaptado de Graham; Kennedy (2010)
36
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 matrizFonte: Adaptado de Graham; Kennedy (2010)
37
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
38
Visualização da Informação: Técnicas de Representação - Redes
Figura 12. Grafo direcionadoFonte: Adaptado de Pascual-Cid et al (2009)
39
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)
40
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
41
Visualização da Informação: Técnicas de Interação
• Yi et al (2007) propõem sete categorias de técnicas:1. Seleção;2. Exploração;3. Reconfiguração;4. Codificação;5. Abstração/elaboração;6. Filtragem;7. Conexão.
42
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
43
Visualização da Informação: Técnicas de Interação - Seleção
Figura 13. Seleção no programa Dust & MagnetFonte: Yi et al (2007)
44
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
45
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
46
Visualização da Informação: Técnicas de Interação - Codificação
• Permitem que os usuários alterem a representação visual (cor, tamanho, forma) dos dados
• Exemplos: alterar o gráfico
47
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
48
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
49
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
50
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
51
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.
52
Ferramentas Para Análise do Comportamento do Usuário
• Website Exploration Tool• Trail Explorer• Trail Explorer 2
53
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
54
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
55
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
56
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
57
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 15. Exemplo da extração do subgrafo da WETFonte: Adaptado de Pascual-Cid (2008)
58
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 16. Estrutura da WETFonte: Tradução de Pascual-Cid (2008)
59
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
60
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Figura 17. Interface da WETFonte: Pascual-Cid (2008)
61
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
62
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
63
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
64
Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer e Trail Explorer 2
Figura 18. Interface da Trail Explorer e Trail Explorer 2Fonte: Shen; Sundaresan (2010)
65
Estudo de Caso: Trail Explorer
• Estudos de Caso da utilização da ferramenta Trail Explorer pelos analistas do eBay– Fluxo de pagamento– Fluxo de cadastro
66
Estudo de Caso: Trail Explorer
• Fluxo de Conclusão de Compra
– Impacta diretamente na receita do eBay– Tornar este processo o mais fácil possível– Reduzir o número de desistentes
Figura 19. Fluxo de Conclusão de Compra no EbayFonte: Shen; Sundaresan (2010)
67
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
68
Estudo de Caso: Trail Explorer
• Fluxo de Registro
• Se o usuário se sentir frustrado e ir embora, o eBay perde um cliente
Figura 20. Fluxo de Registro no EbayFonte: Shen; Sundaresan (2010)
69
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
70
Estudo de Caso: Trail Explorer
• Outras descobertas:– Etapas mais demoradas– Padrões de diferentes tipos de clientes
• A maioria ocasionou em modificações do sistema
71
Conclusão
A análise comportamental de usuário é um meio de conhecer os visitantes/clientes do seu
comércio e identificar problemas no modelo de negócios
72
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
73
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
74
Conclusão
A partir da solução para os problemas/barreiras encontrados, os usuários não terão dificuldades em, por exemplo, realizar uma compra em seu
sistema
75
ReferênciasFREITAS, 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-for-ecommerce.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/#toc-ecommerce-reports-in-piwik>. Acesso em 12 set 2013.
76
ReferênciasFEDERICI, 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.
77
ReferênciasCARVALHO, 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.
78
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.