스몰데이터 유형에 따른 시각화 표현 방법 연구 - 2000년대 이후 인쇄매체를 중심으로 -

권지혜; 이수진; 김수정

추천

검색

자료유형: 학술저널

저자정보: 권지혜 (이화여자대학교) 이수진 (이화여자대학교 조형예술대학 시각디자인과) 김수정 (이화여자대학교)

저널정보: 커뮤니케이션디자인협회 커뮤니케이션디자인학회 커뮤니케이션디자인학연구 커뮤니케이션디자인학연구 제67권

발행연도: 2019.1

수록면: 223 - 235 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2020

스몰데이터의 시각화 표현 연구 : 기온일교차를 중심으로

권지혜 디자인학부 2020.01 학위논문

2019

스몰데이터 유형에 따른 시각화 표현 방법 연구 - 2000년대 이후 인쇄매체를 중심으로 -

권지혜 , 이수진 , 김수정 커뮤니케이션디자인학연구 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 디자인·조형활동에 있어서 스몰데이터를 디자인 컨텐츠로 인식하고 활용하는 시각적 표현방안을 제시하고자 스몰데이터에 대한 기초연구 및 시각화 사례분석을 통해 시각화 유형별 특징 및 효과를 연구하였다. 스몰데이터는 개인의 취향이나 필요, 생활양식 등사소한 행동에서 나오는 정보로서 데이터를 둘러싼 문맥을 통해 인과관계를 파악할 수 있다. 스몰데이터의유형은 개인데이터와 사물·현상데이터로 구분할 수있다. 개인데이터는 개인의 사적인 주관적 데이터라할 수 있으며, 사물·현상데이터는 사물과 현상에 대한 사실을 근거로 한 객관적 데이터라 할 수 있다. 사례선정 범위는 2000년대 이후 인쇄매체로 한정하였다. 스몰데이터를 위치, 시간, 카테고리 기반으로 분류하고이를 각각 개인데이터와 사물·현상데이터로 구분하여대표사례를 분석하였다. 사례분석은 알베르토 카이로의 ‘데이터 시각화 측정모델’을 사용하여 질적분석을시행하였다. 이 모델의 요소는 형태성(추상과 형상), 가독성(기능과 장식), 밀도성(조밀과 희박), 구조성(독창과 친숙), 주제성(참신과 중복)이다. 사례분석 결과스몰데이터의 위치 기반 시각화는 형상적 형태성, 기능적 가독성이 높게 나왔다. 시간 기반 시각화는 기능적 가독성, 친숙한 구조성이 높게 나왔다. 카테고리 기반 시각화는 장식적 가독성, 독창적 구조성이 높게 나왔다. 공통적으로 개인데이터는 참신적 주제성이 높게나왔고 사물·현상데이터는 조밀한 밀도성이 높게 나왔다. 시각화 분석을 통해 디자인에서 스몰데이터 유형및 분류기준에 따른 시각화 표현 방법을 다음과 같이제시할 수 있었다. 첫 번째, 디자이너는 시각화 목적에맞는 스몰데이터 유형을 활용할 수 있다. 주제를 통해의미 있는 메시지 전달을 중시하고 싶을 경우에는 개인데이터를 활용하고, 객관적 정보전달을 중시하고 싶을 경우에는 사물·현상데이터를 활용할 수 있을 것이다. 두 번째, 디자이너는 데이터 분류기준에 따른 시각표현을 할 수 있다. 위치 기반 데이터는 형상적 형태를 통한 정보의 관계를 비교할 수 있는 시각화 표현을할 수 있을 것이다. 시간 기반 데이터는 친숙한 구조를 통한 정보의 변화를 비교할 수 있는 시각화 표현을할 수 있을 것이다. 카테고리 기반 데이터는 독창적구조를 통한 정보의 심미적 차별을 줄 수 있는 시각화표현을 할 수 있을 것이다. 스몰데이터는 누구나 쉽게 데이터를 수집하고 활용할 수 있다는 점과 데이터를 둘러싼 문맥을 통해 내러티브를 만들어 낼 수 있다는 장점을 가지며 시각화표현 방법을 통해 시각 디자인 컨텐츠로서 활용될 수있을 것이다.

The purpose of the study is to suggest the visualization methods to utilize small data as content in graphic design. This paper studied characteristics and effects of visualization types through the basic research on small data and in-depth analysis of visualization. Small data is data that comes from human behaviors such as personal taste, need, and lifestyle. It is all about finding the causation through the context. Small data is classified ‘personal data’ and ‘object·phenomenon data’ type. Personal data is personal subjective data, and object·phenomenon data is objective data based on facts about object and phenomena. The representative cases were selected from print media in the 2000’s. Data was classified based on location, time, and category according to organizational criteria, and classified into ‘personal data’ and ‘object·phenomenon data’ types. The case analysis used Alberto Cairo’s ‘Visualization Wheel'. This study firstly suggests that designers can collect small data for visualization purposes. If the goal is to convey a meaningful message through a topic, collect personal data. On the other hand, in order to convey objective information, collect object data. Second, designers can present visualizations according to the organizational criteria of the data. Data based on location can be visualized in order to compare the relationship among information through figural forms. Data based on time can be visualized in order to compare changes in information through familiar structures. Small data based on categories can be visualized to provide aesthetic discrimination of information through original structure. Small data has the advantage that anyone can easily collect and utilize it, and it can create a narrative through the context surrounding the data. Further, it can be utilized to design contents through visualization methods.

#스몰데이터 #데이터 시각화 #시각화 표현요소

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

권지혜

소속기관 이화여자대학교

주요연구분야 예술체육학 > 체육 예술체육학 > 디자인

논문수 4 이용수 379

이수진

소속기관 이화여자대학교 조형예술대학 디자인학부

주요연구분야 예술체육학 > 디자인

논문수 2 이용수 53

김수정

소속기관 이화여자대학교

주요연구분야 예술체육학 > 디자인

논문수 10 이용수 195

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)