Αναρτήθηκε σε 19 Μαρτίου, 2012 κατηγορία: Ειδήσεις

Συντάκτης: Γιώργος Καρουζάκης

Ο 21ος αιώνας θα μπορούσε να χαρακτηριστεί και ως ο αιώνας των δεδομένων. Η ανάπτυξη της τεχνολογίας έχει συμβάλλει στην παραγωγή εκατομμυρίων δεδομένων τα οποία, όσο ευφυείς και αν είμαστε, αδυνατούμε να επεξεργαστούμε και να αξιολογήσουμε σωστά. Αυτή η πραγματικότητα απασχόλησε και τους ερευνητές στην ετήσια συνάντηση της Αμερικανικής Ένωσης για την Επιστημονική Πρόοδο (The American Association for the Advancement of Science) που έγινε πρόσφατα στο Βανκούβερ του Καναδά.

Aφιέρωσαν αρκετό χρόνο για να μελετήσουν το πώς μπορούμε να κατανοήσουμε και να αξιολογήσουμε τα χιλιάδες στοιχεία που, διαρκώς, παράγουμε. Η μαθηματικός Marianne Freiberger σε άρθρο της στο περιοδικό +plus magazine (http://plus.maths.org/content/) μεταφέρει μια καινούργια, άκρως ενδιαφέρουσα ιδέα για την κατανόηση και την επεξεργασία μεγάλου όγκου δεδομένων η οποία αναπτύχθηκε στην συνάντηση του Βανκούβερ.

Οι ερευνητές εμπνεύστηκαν την ιδέα από τον τρόπο που έχει σχεδιαστεί ο χάρτης του Μετρό στο Λονδίνο. «Ο λόγος για τον οποίο, ακόμα και ο τουρίστας με την ασθενέστερη αίσθηση προσανατολισμού μπορεί να κατανοήσει όλες τις διαδρομές του χάρτη, είναι επειδή ο χάρτης του λονδρέζικου Μετρό έχει θυσιάσει τη γεωγραφική ακρίβεια για χάρη της σαφήνειας» γράφει η Freiberger. Και εξηγεί: «Ο χάρτης διατηρεί το γενικό σχήμα του δικτύου του Μετρό, τον τρόπο που οι γραμμές συνδέονται μεταξύ τους, αλλά διαστρεβλώνει τις πραγματικές αποστάσεις ανάμεσα στους σταθμούς, και δίνει την εσφαλμένη εντύπωση ότι τα τρένα κινούνται σε ευθείες γραμμές, οριζοντίως, καθέτως ή σε κλίση 45 μοιρών.

Αν και αυτή η απεικόνιση δεν ανταποκρίνεται στην πραγματικότητα, κάνει τον χάρτη πιο ευανάγνωστο και, κατά συνέπεια, πιο εύχρηστο. Είναι ένας τοπολογικός χάρτης, ο οποίος δανείστηκε το όνομά του από την τοπολογία, το πεδίο των μαθηματικών που επιχειρεί να κατανοήσει αντικείμενα με βάση τη συνολική τους μορφή τους και όχι την γεωμετρική τους ακρίβεια. Η διαδικασία αυτή σού επιτρέπει να επιμηκύνεις ή να συρρικνώνεις διαφόρων ειδών σχήματα εφόσον, βέβαια, δεν τα κόβεις στα δύο».

Οι χάρτες είναι σημαντικοί επειδή οι εγκέφαλοί μας αντιλαμβάνονται ευκολότερα τις εικόνες. Έτσι, το να παρουσιάζεις σύνθετα δεδομένα με οπτικό τρόπο διευκολύνεις τους ανθρώπους να τα κατανοήσουν. Το ερώτημα είναι ποιος είναι αυτός ο τρόπος. Ας υποθέσουμε, για παράδειγμα, ότι είστε κάτοχος ενός διαδικτυακού βιβλιοπωλείου και θέλετε να αναλύσετε την αξιολόγηση που έχουν κάνει οι πελάτες στα βιβλία σας. Αν έχετε μόνο δύο πελάτες, τοποθετείτε την αξιολόγηση του κάθε βιβλίου σε ένα σχέδιο, στο οποίο ο οριζόντιος άξονας θα αντιστοιχεί στον πελάτη Α και ο κάθετος στον πελάτη Β.

Μπορείτε να εντοπίσετε, αμέσως, τα βιβλία με την υψηλή βαθμολογία και από τους δυο πελάτες: βρίσκονται στην πάνω, δεξιά γωνία του σχήματός σας και δεν έχετε παρά να τα προτείνετε σε πελάτες με προφίλ ανάλογο του πελάτη Α ή του Β. Τα βιβλία που έχουν υψηλή βαθμολογία από τον πελάτη Β, αλλά χαμηλή από τον πελάτη Α βρίσκονται στην πάνω αριστερή γωνία του σχεδίου σας- και αυτά, πιθανόν, θα έπρεπε να προταθούν μόνο σε ενδιαφερόμενους με προτιμήσεις ανάλογες με εκείνες του πελάτη Β.

Γενικά, αν τα δεδομένα σας εμφανίζονται με τη μορφή κάποιου σχήματος ή μοτίβου, μπορείτε να τα ταξινομήστε εύκολα και να αξιοποιήσετε τα κατάλληλα συμπεράσματα για την προώθησή τους.

Στην πραγματικότητα, όμως, τα πράγματα είναι πιο περίπλοκα. Θα έχετε πιθανόν χιλιάδες βιβλία και πελάτες. Κάθε βιβλίο συνοδεύεται, όχι μόνο από ένα ζευγάρι αριθμών, αλλά με μια μακρά λίστα που περιέχει την αξιολόγηση του κάθε πελάτη ή ένα κενό, στην περίπτωση που ένας πελάτης δεν έχει βαθμολογήσει το βιβλίο. Τότε, δεν μπορείτε να εντάξετε τα δεδομένα σε ένα απλό σχεδιάγραμμα και να τα σημειώσετε στο μοτίβο που έχετε δημιουργήσει.

Εδώ είναι που εμφανίζεται η τοπολογία να βοηθήσει: μας προσφέρει έναν κομψό τρόπο να μετατρέψουμε τα σχήματα σε δίκτυα. Ας υποθέσουμε ότι έχετε το σχήμα ενός ασταθούς κύκλου, όπως το παραπάνω. Μπορείτε να το γεμίσετε με επικαλυπτόμενες περιοχές δεδομένων και να σημειώσετε με μια κουκκίδα σε ένα κομμάτι χαρτί, κάθε περιοχή. Ακολούθως, συνδέστε από μία άκρη τις κουκκίδες, ώστε να αντιστοιχούν στις επικαλυπτόμενες περιοχές.

Το δίκτυο δεν διατηρεί την αστάθεια του σχήματος, αυτή η πληροφορία έχει χαθεί, αλλά η τοπολογία του, το γεγονός ότι είναι κυκλικό είναι ξεκάθαρα ορατό. Το εντυπωσιακό στοιχείο είναι ότι δεν έχει σημασία τι είδους εφαρμογή θα χρησιμοποιήσετε για να φτιάξετε τον δίκτυό σας. Εφόσον οι περιοχές είναι αρκετά μικρές- και η ανάλυση αρκετά υψηλή- το δίκτυο θα αποκαλύπτει την τοπολογία του σχήματος.

Η ίδια ιδέα μπορεί να αξιοποιηθεί με πολλούς τρόπους. Να μεταφέρει στοιχεία ποικίλων υλικών και αντικειμένων, και όχι μόνο βιβλίων, και να δημιουργήσει, με ανάλογο τρόπο, δίκτυα που να αντιστοιχούν σε μεγάλα σύνολα δεδομένων.