|
|
|
|
|
1 Ano | 1 Semestre
|
|
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para:
OG1: Compreender a omnipresença e importância da informação e do design na era contemporânea e reconhecer a relevância do design de informação neste contexto.
OG2: Identificar a centralidade da visão no processo cognitivo e reconhecer a pertinência de projetar a comunicação de informação através do uso da linguagem visual.
OG3: Compreender a importância da relação entre literacia estatística, literacia visual e linguagem visual.
OG4: Reconhecer as principais estruturas e modelos de representação visual de informação e as suas funções específicas.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1.1: Hierarquia: Dados, Informação, Conhecimento, Sabedoria.
CP1.2: Design como interface: Utilizador, Utensílio e Utilização.
CP1.3: Design de informação: design para a compreensão e para o conhecimento.
CP2.1: Perceção visual como processo mental.
CP2.2: Semiótica e processo de significação.
CP2.3: Elementos básicos da linguagem visual (ponto, linha, plano, forma, cor)
CP3.1: Literacia estatística: distinguir informação qualitativa e quantitativa
CP3.2: Literacia visual: ler, compreender e comunicar através de imagens.
CP4.1: Binómios de variáveis estatísticas–estruturas/modelos de representação visual.
CP4.2: Estruturas de representação: espaciais e temporais.
CP4.3: Estruturas de representação: espaço-temporais.
Processo de Avaliação
Avaliação contínua:
1. Teste escrito que incide sobre o conhecimento dos conteúdos programáticos, nomeadamente sobre a capacidade de compreender os fundamentos teórico-práticos do design de informação (60%).
2. Trabalho teórico-prático de análise crítica de um caso de representação visual de informação estatística (40%).
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.
Bibliografia
Bibliografia Obrigatória
Alexandrino da Silva, A. (2006). Gráficos e mapas – representação de informação estatística. Lisboa: Lidel edições técnicas.
Bonsiepe, G. (1999). Interface – An Approach to Design. Maastricht: Jan van Eyck Akademie.
Cairo, A. (2013). The Functional Art: An introduction to information graphics and visualization. New Riders.
Floridi, L. (2010). Information – A Very Short Introduction. Oxford: Oxford University Press.
Lidwell, W., Holden, K. e Butler, J. (2003). Universal Principles of Design. Gloucester, MA: Rockport.
Meirelles, I. (2013). Design for Information. Beverly, MA: Rockport.
O’ Grady, Ken V. & O’Grady, J. (2008). The Information Design Handbook. East Sussex: Rotovision.
Rendgen, S. (2014). Information graphics. Köln: Taschen.
Tufte, E. (1990). Envisioning Information. Cheshire: Graphics Press.
Bibliografia Opcional
Beniger, J. e Robyn, D. L. (1978). Quantitative graphics in statistics: A brief history. The American Statistician, 32 (1), 1-11.
Cleveland, W. S. (1987b). Research in statistical graphics. Journal of the American Statistical Association, 82, 419-423.
Frascara, J. (2004). Communication design: principles, methods, and practice. New York: Allworth.
Friendly, M. (2008). Milestones in the history of thematic cartography, statistical graphics, and data visualization. Retirado de http://www.math.yorku.ca/SCS/Gallery/milestone/milestone.pdf. Acedido em 16 dezembro de 2015.
Gleick, J. (2012). Informação – Uma história, uma teoria, um dilúvio. Lisboa: Temas & Debates.
Harris, R. L. (1999). Information Graphics: A Comprehensive Illustrated Reference. Oxford University Press.
Jacobson, R. (ed.) (2000). Information Design. Cambridge, MA: MIT Press.
Lima, M. (2014). The book of trees: visualizing branches of knowledge. New York: Princeton Architectural Press.
Lima, M. (2011). Visual Complexity - Mapping Patterns of Information, New York: Princeton Architectural Press.
Tufte, E. (1983). The Visual Display of Quantitative Information. Cheshire, CT: Graphics Press.
Tufte, E. (1997). Visual Explanations: Images and Quantities, Evidence and Narrative. Cheshire: Graphics Press.
Tufte, E. (2006). Beautiful Evidence. Cheshire: Graphics Press.
Vilar, E. T. (coord.) (2014). Design et al. – Dez Perspectivas Contemporâneas. Alfragide: Dom Quixote.
|
|
|
|
|
|
Docentes
Objectivos
Esta UC tem como objetivo central dotar os alunos de know-how técnico relativo a três tecnologias utilizadas para a criação de visualizações de dados e de informação: (1) Adobe Illustrator; (2) Microsoft Excel e (3) Tableau.
Pretende-se que os alunos apliquem os conhecimentos e a experiência prática adquiridas nesta UC no desenvolvimento de exercícios de outras UCs, nomeadamente em Projeto em Visualização de Informação I.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1 - Adobe Illustrator (6h)
1.1. Introdução
1.2. Edição de desenho vetorial para a construção de infografias
CP2 - Excel (12h)
Introdução
2.1. Edição e organização e preparação de dados
2.2. Fórmulas e funções
2.3. Tabelas
2.4. Gráficos
CP3 - Tableau (18h)
3.1. Introdução
3.2. Tipos de dados
3.3. Importação de dados
3.4. Organização e preparação de dados
3.5. Construção de gráficos
3.6. Dashboards e storytelling
3.7. Construção de mapas
3.8. Tableau Public
Processo de Avaliação
Avaliação contínua: com duas componentes:
- Trabalho prático em grupo: 50%
- Trabalho prático individual: 50%
Grupos de 2-3 elementos. Nota mínima de 10 valores em cada componente.
Alternativamente o aluno pode ser avaliado por um exame final (100% da nota).
Bibliografia
Bibliografia Obrigatória
Cairo, A. (2016). The Truthful Art: Data, Charts, and Maps for Communication. Berkeley: New Riders.
Cairo, A. (2013). The Functional Art - An introduction to information graphics and visualization. Berkeley: New Riders.
Koma, J. (2016). Excel 2016: A Beginner's Guide to Microsoft Excel. Project KT Publishing.
Murray, D. G. (2016). Tableau Your Data!: Fast and Easy Visual Analysis with Tableau Software. 2nd Edition. John Wiley & Sons, Inc.
Yau, N. (2011). Visualize this: The FlowingData Guide to Design, Visualization, and Statistics. Indianapolis, IN: Wiley.
Bibliografia Opcional
Kirk, A. (2012). Data Visualization: a successful design process. Birmingham, UK: Packt.
Lima, M. (2011). Visual Complexity: Mapping Patterns in Information (pp. 246-248). New York, NY: Princeton Architectural Press.
Meirelles, I. (2013). Design for Information. Beverly, MA: Rockport.
Michael, A, & Walkenbach, J. (2010). Excel (R)Dasboards =and reports. Wiley Publishing.
Tufte, E. (1997). Visual Explanations: Images and Quantities, Evidence and Narrative. Cheshire, CN: Graphics Press.
Yau, N. (2013). Data Points: Visualization That Means Something. Indianapolis, IN: Wiley.
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para:
OG1. Identificar e interpretar problemas decorrentes da recolha de dados ou da observação de informação complexa.
OG2. Aplicar metodologia projetual ao desenvolvimento de dispositivos de Visualização de Informação.
OG3. Conceber, implementar e validar projetos de Visualização de Informação, de caráter estático, que permitam comunicar temas complexos.
OG4. Sintetizar e aplicar conhecimento adquirido no âmbito das demais UC do curso.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1: Metodologia projetual aplicada à Visualização de Informação.
CP2: Formulação de questões e identificação de problemas no âmbito da Visualização de Informação.
CP3: Métodos de estruturação de dados e princípios de representação visual de informação.
CP4: Conceção, desenvolvimento e implementação de dispositivos de Visualização de Informação de tipo estático (e.g. infografia).
Processo de Avaliação
A avaliação contínua incide sobre o desenvolvimento de um projeto no âmbito da Visualização de Informação.Possui 3 componentes de avaliação:
–Avaliação intermédia do projeto com apresentação e discussão em grupo (25%).
–Avaliação final do projeto com apresentação e discussão em grupo (45%)
–Exercício escrito sobre projeto desenvolvido por colegas (peer-assessment) (30%)
Elegibilidade para a avaliação contínua:
Assiduidade às aulas (mínimo 50%)
Presença nas tutorias propostas (mínimo 80%)
Bibliografia
Bibliografia Obrigatória
Cairo,A.(2013).The Functional Art,An introduction to information graphics and visualization. Berkeley: New Riders.
Lima,M.(2011).Visual Complexity:Mapping Patterns of Information. New York,NY:Princeton Architectural Press.
Manovich,L.(2010).What is visualization? Retirado dehttp://manovich.net/index.php/projects/what-is-visualization.Acedido em 02.07.2015.
Meirelles,I.(2013).Design for Information.Beverly.MA:Rockport.
Tufte,E.(1997).Visual Explanations:Images and Quantities, Evidence and Narrative.Cheshire, CN: Graphics Press.
Vande Moere A.,& Purchase,H.(2011).On the Role of Design in Information Visualization. Retirado de https://pdfs.semanticscholar.org/d9c8/a774a7cfd3f93ca5d1c80e192bba0ade6f77.pdf. Acedido em 28.10.2016.
Yau,N.(2011).Visualize This: The Flowing Data Guide to Design, Visualization,and Statistics.Wiley.
Ware,C.(2008).Visual Thinking for Design.Burlington, MA: Morgan Kaufmann.
Rendgen,S.(2014).Information graphics.Köln:Taschen.
Bibliografia Opcional
AA.VV. (2009). Data Flow: Visualising Information in Graphic Design. Berlin: Gestalten.
AA.VV. (2009). Data Flow v.2: Visualising Information in Graphic Design. Berlin: Gestalten.
Bertin, J. (2011 [1967]). Semiology of Graphics: Diagrams, Networks, Maps. Redlands, CA: Esri Press.
Cairo, A. (2016). The Truthful Art: Data, Charts, and Maps for Communication. Berkeley: New riders.
Cleveland, W. S. (1994). The Elements of Graphing Data. Summit, NJ: Hobart Press.
Christianson, S. (2014). 100 diagrams that changed the world: from the earliest cave paintings to the innovation of the iPod. London: Batsford Books.
Figueiras, A. (2013). A typology for data visualization on the web. 17th International Conference on Information Visualisation, Londres.
Lima, M. (2014). The book of trees: visualizing branches of knowledge. New York: Princeton Architectural Press.
Lima, M. (2009). Information Visualization Manifesto. Visual Complexity. Retirado de http://www.visualcomplexity.com/vc/blog/?p=644. Acedido em 21.06.2016.
Masud, L., Valsecchi, F., Ciuccarelli, P., Ricci, D., & Caviglia, G. (2010). From data to knowledge-visualizations as transformation processes within the data-information-knowledge continuum. In 2010 14th International Conference Information Visualisation (pp. 445-449). IEEE. Retirado de http://igva2012.wikispaces.asu.edu/file/view/Information_Transfromation.pdf/297700598/Information_Transfromation.pdf. Acedido em 11.11.2016.
Rosenberg, D. (2009). Cartographies of time: a history of the timeline. New York: Princeton Architectural Press.
Segel, E., & Heer, J. (2011). Narrative visualization: Telling stories with data. IEEE Transactions on Visualization and Computer Graphics, 16, 6, 1139-1148. doi: 10.1109/TVCG.2010.179
Tufte, E. (1990). Envisioning Information. Cheshire, CN: Graphics Press.
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para:
OG1. Saber identificar e utilizar de forma adequada as várias formas de contar histórias com dados.
OG2. Compreender a dimensão visual das estruturas narrativas.
OG3. Construir narrativas tendo em conta os objetivos comunicacionais em diferentes contextos.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1. Definição de narrativa e Storytelling
CP2. Aplicação de narrativas e Storytelling no mundo digital
CP3. Contar histórias com dados: categorias de contextualização
CP4. Infografia
CP5. Banda desenhada
CP6. Definição de Data Stories em Business Intelligence a Apoio à Decisão
Processo de Avaliação
Avaliação contínua:
Para avaliar a capacidade de comunicar graficamente a informação serão realizados dois momentos de avaliação:
- Apresentação de um trabalho em grupo na área de Jornalismo de Dados (50%).
- Exercício individual (50%).
Nota mínima de 10 valores em cada componente.
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.
Bibliografia
Bibliografia Obrigatória
Cairo, A. (2013). The Functional Art: An introduction to information graphics and visualization (Voices That Matter). New Riders
Corr, L., & Stagnitto, J. (2011). Agile Data Warehouse Design. Collaborative Dimensional Modeling, from Whiteboard to Star Schema. DecisionOne Press.
Klanten, R., Ehmann, S., & Schulze, F. (2011). Visual storytelling: Inspiring a new visual language. Gestalten.
Kosara, R., & Mackinlay, J. (2013). Storytelling: The next step for visualization. IEEE Computer (Special Issue on Cutting-Edge Research in Visualization), 46 (5), 44-50, 2013.
Lankow, J., Ritchie, J., & Crooks, R. (2012). Infographics: The power of Visual Storytelling. John Wiley & Sons.
Segel, E., & Heer, J. (2010). Narrative visualization: Telling stories with data. IEEE transactions on visualization and computer graphics, 16(6), 1139-1148.
Bibliografia Opcional
Ma, K.-L., Liao, I., Frazier, Hauser, J. H., & Kostis, H.-N. (2012). Scientific Storytelling Using Visualization, Computer Graphics And Applications (CG&A), Visualization Viewpoints, 32, (1), 12-19.
Ware, C. (2008). Visual Thinking for Design. Morgan Kaufmann, Elsevier.
Wong, D. (2013). The Wall Street Journal Guide to Information Graphics: The Dos and Don'ts of Presenting Data, Facts, and Figures. W. W. Norton & Company.
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para:
OG1. Pesquisar e adequar os dados às questões de visualização.
OG2. Selecionar e criticar modelos de representação visual em função dos dados existentes.
OG3. Aplicar a literacia visual e estatística na interpretação de visualizações de dados.
OG4. Explorar o desenho de modelos de representação visual de modo a responder a questões complexas.
OG5. Adequar a representação visual aos dados que a suportam, aos objetivos, público-alvo e meios de comunicação.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
I. Representações visuais: introdução aos princípios de representação
CP1. Estruturação lógica e representação visual de informação
CP2. Pictografia
CP3. Pesquisa, organização e análise de dados
II. Visualização de dados: tornar visível o invisível
CP4. Estruturas de representação exploratórias
CP5. Estruturas de representação explanatórias
CP6. Taxonomias de modelos visuais
Processo de Avaliação
Avaliação contínua:
Para avaliar a capacidade de comunicar graficamente a informação serão realizados dois momentos de avaliação:
1. Exercício individual: - 60%.
2. Exercício(s) de representação de informação - 40%.
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.
Bibliografia
Bibliografia Obrigatória
Alexandrino da Silva, A. (2006). Gráficos e mapas-representação de informação estatística. Lisboa, Lidel edições técnicas.
Bertin, J. (1967). Semiologie Graphique. Paris, Gauthier-Villars.
Cleveland, W. S., & McGill, R. (1987). Graphical perception: The visual decoding of quantitative information on graphical displays of data. Journal of the Royal Statistical Society, 150, 192-229.
Evergreen, S. (2016). Effective Data Visualization: The Right Chart for the Right Data. SAGE Publications Ltd.
Kirk, A. (2016). Data Visualisation: A Handbook for Data Driven Design. SAGE Publications Ltd.
Laureano, R., & Botelho, M. C. (2017). SPSS. O Meu Manual de Consulta Rápida. 3ª ed. Lisboa, Sílabo.
Meirelles, I. (2013). Design for Information, Beverly, MA: Rockport Publishers.
Neurath, O. (2010). From hieroglyphics to Isotype: A visual autobiography. M. Eve, & C. Burke (Eds.). London: Hyphen Press.
Tufte, E. (1983). The Visual Display of Quantitative Information. Edition, Cheshire, CT: Graphics Press.
Bibliografia Opcional
Alexandrino da Silva, A. (2006). Pictogramas estatísticos antes de 1935 (data de criação do INE) com Olga Mendes, Poster, Jornadas de classificação e análise de dados (JOCLAD-06 Lisboa - Universidade Lusíada). Retirado de http://graficosemapas.wordpress.com/o-autor/visualizacao-de-dados/postersartigos.
Alexandrino da Silva, A. (2009). Gráficos: às vezes é difícil fazer pior. In Temas em Métodos quantitativos - Vol. 6 (ISCTE, Edições Sílabo) - Maria de Fátima Salgueiro, Diana A. Mendes, Luís F. Martins (Editores).
Bonin, S. (1983). Initiation a la graphique. EPI S.A. Editours. Paris.
Cairo, A. (2016). The Truthful Art: Data, Charts, and Maps for Communication. New Riders.
Cairo, A. (2013). The Functional Art: An introduction to information graphics and visualization (Voices That Matter). New Riders.
Camões, J. (2016). Data at Work: Best practices for creating effective charts and information graphics in Microsoft Excel (Voices That Matter). New Riders.
Chernoff, H. (1973). The use of faces to represent point in K-dimensional space graphically. Journal of the American Statistical Association, 68 (342), 361-368.
Cleveland, W. S. (1987). Research in statistical graphics. Journal of the American Statistical Association, 82, 419-423.
Cleveland, W.. S., & McGill, R. (1984). Graphical perception: Theory, Experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 82, 419-423
Crow, D. (2006). Left to right: the cultural shift from words to pictures. London: AVA Publishing.
Few, S. (2015). Signal: understanding what matters in a world of noise. Analytics Press.
Few, S. (2012). Show Me the Numbers: Designing Tables and Graphs to Enlighten. Analytics Press.
Fry, B. (2008). Visualizing Data. O'Reilly Press.
Hall, P. (2011). Bubbles, lines and string: How information visualization shapes society. In Graphic Design Now in Production. Minneapolis (MN): Walker Art Center, 170-185.
Hall, P. (2008). Critical Visualization. In Paola Antonelli (ed.), Design and the Elastic Mind, (pp. 120-131). New York: Museum of Modern Art.
Harris, R. (1999). Information Graphics: A Comprehensive Illustrated Reference. Oxford University Press.
Huff, D. (1991). 3.ª ed. (1.ª ed. 1954). How to lie with statistics. England: Pinguin Books.
Jenks, G. F., & Coulson, M. R.C. (1964). Class intervals for statistical maps. Int. Yearbook of Cart., IV, 119-134.
Kazmierczak, E. T. (2003). Design as meaning making: from making things to the design of thinking. Design Issues, 19(2), 45-59.
Kosara, R. (2008). What is Visualization? A Definition. In Eagereyes, Visualization and Visual Communication. Retirado de http://eagereyes.org/criticism/definition-of-visualization.
Lima, M (2017). The Book of Circles: Visualizing Spheres of Knowledge . Princeton Architectural Press. New York.
Lima, M (2014). The Book of Trees: Visualizing Branches of Knowledge. Princeton Architectural Press. New York.
Lima, M. (2011). Visual Complexity: Mapping patterns of Information. Princeton Architectural Press. New York.
Malamed, C. (2009). Visual language for designers: principles for creating graphics that people understand. Beverly, Mass.: Rockport Publishers.
Masud, L., Valsecchi, F., Ciuccarelli, P., Ricci, D., & Caviglia, G. (2010). From data to knowledge-visualizations as transformation processes within the data-information-knowledge continuum. In Information Visualization (IV), 2010 14th International Conference (pp. 445-449). IEEE.
O' Grady, Ken V. & O'Grady, J. (2008). The Information Design Handbook. East Sussex: Rotovision.
Ramos, P. N. (2013). Torturem os números que eles confessam: sobre o mau uso e abuso das estatísticas em Portugal, e não só. Almedina. Lisboa Portugal.
Spence, R. (2014). Information Visualization: An Introduction. London: Springer.
Tobler, W. (1973). Choropleth maps without class intervals?, Geographical Analysis, 5, 262-265.
Tufte, E. (2006). Beautiful Evidence. Cheshire. CT: Graphics Press.
Tufte, E.(1997). Visual Explanations: Images and Quantities, Evidence and Narrative. Cheshire.
Tufte, E. (1990). Envisioning Information. Cheshire, CT: Graphics Press.
Tukey, J. W. (1977). Exploratory data analysis. USA: Addison-Wesley.
United Nations (2012). Making Data Meaningful Part 4: A guide to improving statistical literacy. Geneve. Suíça.
Wainer, H. (1996). Depicting error. The American Statistician, 50 (2), 101-111
Wong, D. M. (2013). The Wall Street Journal Guide to Information Graphics: The Dos and Don'ts of Presenting Data, Facts, and Figures. W.W.Norton New York.
Alguns links úteis:
DATASTORIES: http://datastori.es
DENSITY DESIGN: http://www.densitydesign.org
EAGEREYES: https://eagereyes.org
ISOTYPE REVISITED: http://isotyperevisited.org
MILESTONES PROJECT: http://www.datavis.ca/milestones/
THE FUNCTIONAL ART: http://www.thefunctionalart.com
VISUAL COMPLEXITY: http://www.visualcomplexity.com/vc/
VISUALIZING DATA: http://www.visualisingdata.com
VISUALOOP: http://visualoop.com
Taxonomias:
https://policyviz.com/product/graphic-continuum-poster/
http://www.datavizcatalogue.com/search.html
http://www.excelcharts.com/blog/classification-chart-types/
http://www.infographicsblog.com/wp-content/uploads/2011/11/chart-suggestion-infographic.jpg
http://annkemery.com/essentials/
The Visualization Universe: http://visualizationuniverse.com/
|
|
1 Ano | 2 Semestre
|
|
|
|
|
|
|
|
Docentes
Objectivos
Esta UC tem por objetivo central dotar os alunos de conhecimentos de visualização de dados para a área de apoio à decisão e de business intelligence.
Esta UC está focada nas boas práticas de utilização de tecnologias para o desenvolvimento de diferentes interfaces de visualização de informação que permitam a tomada de decisão nos diversos níveis de uma organização (i.e., operacional, tático e estratégico).
Nesta UC são abordados também os atuais desafios na visualização de big data analytics e text analytics.
A UC aborda também as boas práticas do desenho de interfaces no âmbito de Interface Homem-Máquina, com especial enfoque na usabilidade.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1. Visual Analytics e os sistemas de business intelligence e de apoio à decisão
CP2. Boas práticas para o desenvolvimento de dashboards para apoio à decisão
CP3. Desafios da visualização de dados para big data analytics e text analytics
CP4. Enquadramento de conceitos-chave, heurísticas e taxonomias na área da Interação Homem-Máquina
CP5. Confrontação das diretrizes teóricas com exemplos de boas práticas de design de interface em contexto analítico
CP6. Parâmetros definidores e avaliadores da usabilidade e experiência do utilizador de interfaces em analítico.
Processo de Avaliação
Avaliação contínua: com duas componentes:
1-Trabalho em grupo (60%).
2-Exercício individual (40%).
Critérios de elegibilidade para a avaliação contínua: assiduidade às aulas mínima de 50%.
Grupos de 2-3 elementos. Nota mínima de 10 valores em cada componente.
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.
Bibliografia
Bibliografia Obrigatória
Cardoso, C. (2011). Business Intelligence e Gestão de Performance, in António Nelson (ed.), Estratégia Organizacional: do mercado à ética (pp. 167-200). Lisboa, Portugal: Escolar Editora.
Few, S. (2006). Information Dashboard Design – the effective visual communication of data. O’Reilly.
Keim, D., Andrienko, G., Fekete, J-D., Gorg, C., Kohlhammer, J., & Melaçon, G. (2008). Visual Analytics: Definition, Process and Challenges. Kerren et al. (Eds.): Information Visualization - Human-Centered Issues and Perspectives (pp.154-175). Springer, LNCS.
Rogers, Y., Sharp, H., & Preece, J. (2013). Interaction design: beyond human-computer interaction. 3rd edition. John Wiley & Sons.
Shneiderman, B. (1996). The eyes have it: a task by data type taxonomy for information visualizations. In Proceedings of the 1996 IEEE Symposium on Visual Languages (pp. 336-343).
Bibliografia Opcional
Caldeira, J. (2009). Monitorização da Performance Organizacional. Edições Almedina.
Caldeira, J. (2010). Dashboards – Comunicar eficazmente a informação de gestão. Edições Almedina.
Chen, H., Chiang, R., & Storey, V. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4), 1-24
Eckerson, W. (2006). Performance Dashboards: Measuring, monitoring and managing your business. John Wiley & Sons.
Figueiras, A. (2015). Towards the Understanding of Interaction in Information Visualization. IV15 19th Information Visualization Society Conf. Espanha: Barcelona.
Garret, J.J. (2011). The elements of user experience: user-centered design for the Web and beyond. 2nd Ed. Berkeley, CA: New Riders.
ISO/IEC 9241-11. (1998). Ergonomic requirements for office work with visual display terminals (VDT) - Part 11: Guidance on usability. Geneva, Switzerland: International Organization for Standardization.
ISO/IEC 9241-210. (2015). Ergonomics of human-system interaction - Part 210: Human-centred design for interactive systems. Geneva, Switzerland: International Organization for Standardization.
Laugwitz, B., Held, T., & Schrepp, M. (2008). UEQ-Online — User Experience Questionnaire. Retirado de http://www.ueq-online.org/. Acedido em 28.10.2016.
Nielsen, J. (1993). Usability Engineering. Morgan Kaufmann.
Nielsen, J. (2000). Designing Web usability: the practice of simplicity. Indianapolis: New Riders.
Person, R. (2009). Balanced Scorecards & Operational Dashboards with Microsoft Excel. Wiley Publishing, Inc, 2009.
Schreck, T., & Keim, D. (2013). Visual Analysis of Social Media Data. Computer. 46(5), 68-75. IEEE Computer Society.
Shneiderman, B. (1992). Designing the user interface strategies for effective human-computer interaction. 2nd Ed. Massachusetts: Addison-Wesley.
Ware, C. (2004). Information Visualization: Perception for Design. 2nd Ed. Morgan Kauffman.
Yi, J. S., Kang, Y. ah, Stasko, J., & Jacko, J. (2007). Toward a deeper understanding of the role of interaction in information visualization. IEEE Transactions on Visualization and Computer Graphics, 13(6), 1224–1231.
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais centram-se em capacitar o aluno a adquirir competências para, em continuidade com a estratégia desenvolvida no 1º semestre:
OG1. Desenvolver a capacidade de leitura e interpretação crítica e integrada de um problema concreto no âmbito da visualização de informação dinâmica e interativa.
OG2. Aplicar metodologia projetual ao desenvolvimento de dispositivos de visualização de informação
OG3. Conceber, desenvolver e validar projetos de visualização de informação, de caráter dinâmico e interativo, que permitam explorar e comunicar temas complexos.
OG4. Explorar e sintetizar o conhecimento adquirido nas demais UC do 2º semestre, aplicando-o no projeto de visualização.
Programa
O programa estrutura-se através de diferentes conteúdos programáticos (CP):
CP1: Formulação do problema e objetivos do projeto de visualização de informação.
CP2. Metodologia de desenvolvimento de um projeto de visualização de informação digital e interativo.
CP3. Aplicação de técnicas de representação e estruturação de dados para visualização.
CP4. Enquadramento teórico e conceptual do Design de Interface em Visualização de Informação
CP5. Desenvolvimento gráfico de visualizações digitais e interativas
Processo de Avaliação
A avaliação contínua incide sobre o desenvolvimento de um projeto no âmbito da visualização de informação.Possui 3 componentes de avaliação:
–Avaliação intermédia do projeto com apresentação e discussão em grupo (25%)
–Avaliação final do projeto com apresentação e discussão em grupo (45%)
–Exercício escrito sobre projeto desenvolvido por colegas (peer-assessment) (30%)
Elegibilidade para a avaliação contínua:
Assiduidade às aulas (mínimo 50%)
Presença nas tutorias propostas (mínimo 80%)
Bibliografia
Bibliografia Obrigatória
Bibliografia Opcional
|
|
|
|
|
|
Docentes
Objectivos
Os objetivos gerais (OG) centram-se em capacitar o aluno a adquirir competências para:
OG1. Reconhecer e saber caracterizar o jornalismo de dados enquanto disciplina de visualização de dados.
OG2. Utilizar ferramentas web based para visualização de informação.
OG3. Dominar os conceitos fundamentais dos Sistemas de Informação Geográfica (SIG) para a representação de informação através de mapas temáticos.
OG4. Elaborar visualizações criativas de mapas temáticos, partindo da importação de dados para uma nuvem, com um conjunto de ferramentas web gratuitas e amigáveis.
OG5. Integrar mapas e análises geográficas recorrendo a aplicações web.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
I. Infografia e mapeamento de informação
CP1. Data journalism
CP2. Geo-jornalismo
CP3. Mapas temáticos em SIG
CP4. Do Excel à nuvem de SIG
CP5. SIG Dinâmico
CP6. Mapas deformados (cartogramas/anamorfismos)
II. Da visualização de dados à comunicação do conhecimento
CP7. Ferramentas web based para comunicação/apresentação interativa de dados
Processo de Avaliação
Avaliação contínua:
- Trabalho de grupo: infografia uma “história gráfica” incluindo mapas e gráficos, apresentada numa plataforma web – 70%
- Trabalho individual: Apresentação de um mapa construído na cloud e de uma infografia construída numa das ferramentas trabalhadas em aula – 30%
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.
Bibliografia
Bibliografia Obrigatória
Alexandrino da Silva, A. (2006). Gráficos e mapas representação de informação estatística. Lisboa, Lidel edições técnicas.
Bhat, M., Shah, R., & Ahmad, B. (2011). Cloud Computing: A solution to Geographical Information Systems (GIS). International Journal on Computer Science and Engineering. Vol. 3 No. 2, 594-600. Retirado de http://www.enggjournals.com/ijcse/doc/IJCSE11-03-02-006.pdf.
Fry, B. (2008). Visualizing Data. O’Reilly Press.
Giscloud (2014). Step by Step Guide for GIS Cloud Applications. Retirado de http://www.giscloud.com/docs/GIS_Cloud_User_Manual.pdf. Acedido em 23 Julho de 2014.
Harris, R. (1999). Information Graphics: A Comprehensive Illustrated Reference. Oxford University Press.
Ware, C. (2004). Information Visualization: Perception for Design, 2nd ed.
Maeda, J. (2006). The Laws of Simplicity. MIT Press.
Matos, J. (2008). Fundamentos de Informação Geográfica. Lisboa, Lidel.
Bibliografia Opcional
Abrams, J., & Hall, P. (2006). Else/where: Mapping new cartographies of networks and territories. Minneapolis, University of Minnesota Design Institute.
Barabasi, A-L (2003). How Everything Is Connected to Everything Else and What It Means. New York, Plume.
Deleuze, G., & Guattari, F. (2007). Mil Planaltos, Capitalismo e Esquizofrenia 2. Assírio & Alvím.
Eco, U. (1989). The Open Work. Harvard University Press.
Evans, I. S. (1977). The selection of class intervals. Transactions, Inst. of British Geography, 2 (1), 98-124.
Bonin, S. (1983). Initiation a la graphique. 2.ª ed. (1.ª ed. 1975). Paris: EPI editeurs.
Dent, B. D. (1990). Cartography: Thematic map design. 2.ª ed. (1985, 1.ª ed.). Dubuque (USA): Wm. C. Brown Publishers.
Dias, M. H. (1991). Leitura e comparação de mapas temáticos em geografia. Lisboa: Centro de Estudos Geográficos – Universidade de Lisboa.
Fishwick, P. (2006). Aesthetic Computing. MIT Press.
Maeda, J. (2004). Creative Code. Thames and Hudson.
Maeda, J. (2001). Maeda @ Media. MIT Press.
Mattelait, M., & Mattelait, A. (1995). História das Teorias da Comunicação. Campos das Letras.
Moogridge, B. (2007). Designing Interactions. MIT Press.
Noble, Joshua (2009). Programming Interactivity. O’Reilly Press.
Reas, C., & Mcwilliams C. (2010). Form+Code in Design, Art, and Architecture. Princeton Press, Princeton.
Tufte, E. (1997). Visual Explanations: Images and Quantities, Evidence and Narrative. Cheshire.
Tufte, E. (1990). Envisioning Information. Cheshire, CT: Graphics Press.
|
|
|
|
|
|
1 Ano | 2 Semestre
|
|
|
|
|
|
|
|
Objectivos
A unidade desenvolve competências em extração de conhecimento a partir de dados empresariais. Problemas típicos passíveis de serem estudados: descoberta de padrões de consumo, deteção de fraudes, estimação do risco de incumprimento no crédito ao consumo ou a empresas, deteção de fatores de abandono de serviços, seleção de clientes de companhias de seguros, descoberta de sequências típicas de visitas a páginas Web e outros.
Programa
CP1. Introdução à extração de conhecimento a partir de dados (Data Mining) e principais metodologias.
CP2. Aplicação de modelos de aprendizagem supervisionada e não supervisionada;
CP3. Problemas de classificação e métricas;
CP4. Problemas de regressão e métricas;
CP5. Problemas de predição e métricas;
CP6. Tratamento e preparação de dados;
CP7. A importância da seleção das variáveis adequadas;
CP8. Utilização do software open source R para proceder à modelação básica e análise de dados;
CP9. Visualização de dados: princípios básicos e ferramentas;
CP10. Adaptive Business Intelligence.
Processo de Avaliação
Aval. Contínua:
4 testes (TI), 10% cada
Um trabalho de grupo(TF) discutido intergrupos, na 1ª época (60%).
Nota Final=TIx40%+TFx60%. Min.Testes:8val;Trabalho:9val.
Alternativa - Aval. 1ª época:
trabalho individual (T) min.9val- inscrição até um mês antes do final das aulas e discussão oral -60%.
Um exame(E) min.8val, na data da 1ª época -40%.
Nota Final=Tx60%+Ex40%.
Avaliação 2ª época:
Trabalho de grupo (60%) + Exame (40%)
OU
Trabalho individual 1ª época (60%) + Exame (40%)
Bibliografia
Bibliografia Obrigatória
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Sharda, R., Delen, D., Turban, E., Aronson, J., & Liang, T. P. (2014). Businesss Intelligence and Analytics: Systems for Decision Support-(Required). Prentice Hall.
Bibliografia Opcional
Foster Provost, Tom Fawcett (2013) Data Science for Business. What you need to know about data mining and data-analytic thinking, 1st edition. O'Reilly.
P. Cortez (2015). A tutorial on using the rminer R package for data mining tasks. https://repositorium.sdum.uminho.pt/bitstream/1822/36210/1/rminer-tutorial.pdf
P. Cortez (2014). Modern optimization with R. Springer.
M. Rocha & P. Ferreira. Análise e exploração de dados com R. FCA.
|
|
|
|
|
|
Objectivos
Esta UC tem por objetivo o desenvolvimento de competências técnicas para a utilização integrada de tecnologias heterogéneas e complementares para o desenvolvimento de projetos de visualização interativa de informação para a web.
Programa
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem:
CP1. Introdução ao desenvolvimento de projetos web
CP2. Tecnologias de base para a web:
2.1. HTML 5
2.2. CSS - Cascading Style Sheets
2.3. Javascript
CP3. Formatação e portabilidade de dados: JSON
CP4. Bibliotecas gráficas Javascript
CP5. Visualização de grafos
Processo de Avaliação
Avaliação contínua: com duas componentes:
- Trabalho prático em grupo: 50%.
- Trabalho prático individual: 50%
Critérios de elegibilidade para a avaliação contínua: assiduidade às aulas mínima de 50%.
Nota mínima de 10 valores em cada componente. Alternativamente o aluno pode ser avaliado por um exame final (100% da nota).
Bibliografia
Bibliografia Obrigatória
Dale, K. (2016) Data Visualization with Python and JavaScript: Scrape, Clean, Explore & Transform Your Data. O?Reilly Media.
Ward, M., Grinstein, G., Keim, D. (2015) Interactive Data Visualization: Foundations, Techniques, and Applications, Second Edition. CRC Press.
Murray, S. (2017) Interactive Data Visualization for the Web: An Introduction to Designing with D3, Second Edition. O?Reilly Media.
HTML(5) Tutorial - http://www.w3schools.com/html/
CSS Tutorial - http://www.w3schools.com/css/
JavaScript Tutorial - http://www.w3schools.com/js/
Data-Driven Documents - http://d3js.org
Bibliografia Opcional
JavaScript basics - https://developer.mozilla.org/enUS/Learn/Getting_started_with_the_web/JavaScript_basics
|
|
|
|
|
|
Objectivos
Este curso destina-se a ser um ponto de encontro entre estudantes interessados na investigação em comunicação e estudos culturais, produção de media e investigação em educação. Entre os objectivos para esta unidade está a procura de resposta às seguintes perguntas: O que significa ser "alfabetizado" e como isso mudou como consequência da introdução de novas tecnologias de comunicação? Quais as habilidades sociais e competências culturais que os jovens precisam de adquirir para serem capazes de participar plenamente no futuro digital? Quais são as escolhas éticas que os jovens enfrentam como participantes em comunidades online e como produtores de media? O que podem a Wikipedia e o Facebook nos ensinar sobre o futuro da cidadania democrática? Qual é a eficácia Youtube na promoção da diversidade cultural? Que relação existe entre a cultura participativa e democracia participativa?
Programa
A unidade curricular está estruturada em duas partes:
Parte I
CP1. Aprendizagem numa Cultura Participativa.
CP2. Visão geral do nosso momento actual de mudança nos media, dos tipos de aprendizagem informal que ocorrem no contexto da cultura participativa.
CP3. Como as escolas respondem aos desafios colocados pelas novas tecnologias.
CP4. Debates de fundo entre os que valorizam e os que criticam a literacia dos novos media.
Parte II
CP5. Habilidades e Competências Centrais.
CP6. Participação plena na cultura de media emergente.
CP7. Enquadramento das competências sociais e culturais, ilustrando-as através de fenómenos culturais como os equipas de jogadores nos videojogos online, a produção de vídeo no YouTube, a Wikipedia, a ficção gerada pelos fãs, o remix de conteúdos audiovisuais e os sites de redes sociais.
Processo de Avaliação
Avaliação continua: apresentação de um projecto de literacia mediática (20%) e projecto escrito sobre um dos tópicos abordados (70% da nota). A originalidade e a inovação irá pesar na avaliação. O tempo de trabalho é estimado em cerca de 20 horas de pesquisa bibliográfica e/ou de campo. A participação em aula (10%).
Os estudantes que não optem pela avaliação contínua ou que nele não tenham aproveitamento, podem recorrer ao exame final (100% da nota) nas épocas previstas para o efeito.
Bibliografia
Bibliografia Obrigatória
European Commission. (2016). The European Digital Competence Framework for Citizens. Disponível em: https://ec.europa.eu/social/main.jsp?catId=738&langId=en&pubId=7898&type=2&furtherPubs=yes
Kavanagh, K. & O?Rourke, K. C. (2016). Digital Literacy: Why It Matters. Dublin Institute of Technology.
Lyman, Peter, Ito, Mizuko Thorne, Barrie and Michael Carter (2009), Hanging Out, Messing Around, And Geeking Out: Kids Living and Learning With New Media, Cambridge: MIT Press/MacArthur Foundation.
Spiezia, V., Koksal-Oudot, E. & Montagnier, P. (2016). New skills for the digital economy: measuring the demand and supply of ICT skills at work. Paris: OECD.
Vuorikari, R., Punie, Y., Carretero, S. & van den Brande, L. (2016). DigComp 2.0: The Digital Competence Framework for Citizens. Update Phase 1: The Conceptual Reference Model. Luxembourg Publication Office of the European Union.
Bibliografia Opcional
Barker, Chris (1999). Television, Globalization and Cultural Identities. Open University.
Buckingham, David (2007). Media education : literacy, learning and contemporary culture (Reprinted. ed.). Cambridge, Polity
Doctorow, Cory (2008) Little Brother, New York: Tor, 2008.
Douglas, S. J. (1995). Where the girls are: Growing up female with the mass media. Three Rivers Press.
Hobbs, R. (1998). The seven great debates in the media literacy movement. Journal of Communication, 48 (2), 9-29.
Jenkins, Henry (2006). Convergence Culture: Where Old and New Media Collide, New York: New York University Press.
Lankshear, Colin and Michele Knobel (2006), New Literacies: Everyday Practices and Classroom Learning, Maidenshead: Open University Press.
Livingstone, S. (2004). Media literacy and the challenge of new information and communication technologies. The communication review, 7(1), 3-14.
Livingstone, S. (2008). Engaging with media?a matter of literacy?. Communication, culture & critique, 1(1), 51-62.
Livingstone, S. (2011). Media literacy: Ambitions, policies and measures.
Martin, A. M. & Roberts, K. R. (2015). Digital Native ? Digital Literacy. Principal, 94(3), 18-21.
Palfrey, John and Urs Gasser (2008), Born Digital: Understanding the First Generation of Digital Natives, New York: Perseus.
Watkins, S. Craig (2009) The Young and the Digital, Boston: Beacon Press.
|
|
|
|
|
|
Objectivos
Abordando em simultâneo uma variedade de media sociais on-line, e valendo-se da literatura teórica da sociologia e media studies, este curso analisa o discurso sobre a comunidade e as redes sociais nas diferentes disciplinas. Partindo da literatura sobre a comunidade, a sociedade, as redes sociais e o capital social, vamos centrar a nossa análise empírica em Threaded Conversations e grupos coesos, Redes de Blogs, Comunidades e Social Network Sites (SNS).
Estes seminários teóricos vão capacitar os alunos para compreenderem a análise das questões sobre a comunidade realizada em diferentes disciplinas, para aplicarem metodologias de diferentes disciplinas no estudo das questões contemporâneas sobre os media, tecnologia e sociedade em configurações diversas, e para estabelecer os fundamentos teóricos e experimentais para sustentar a tomada de decisões e julgamentos críticos sobre a relação entre comunicação mediada e comunidade.
Programa
Com o advento das comunidades virtuais,smart mobs,e redes sociais online,as questões sobre o significado do comportamento social assumiram uma significância renovada.Apesar de este curso ser teoricamente fundamentado,é igualmente enraizado na prática.E-mail,newsgroups e fóruns de Internet podem parecer muito diferentes.No entanto,estão todos ligadas pela noção de Threaded Conversations,onde pessoas respondem a comentários uns dos outros.
Relativamente a blogs devemos perceber que nem todo blog é focado em política.OS padrões de vinculação política são um excelente laboratório natural para explorar o comportamento partidário,comunidades emergentes e amostragem em rede.Finalmente,quanto ao SNS,temos por muito tempo ponderou sobre a diferença entre as redes de comportamento,e as redes que temos em nossa cabeça.Os media sociais são um lugar excelente para explorar esta questão, estas redes são feitas para serem pessoalmente significativas e representam conexões de pessoa para pessoa.
Processo de Avaliação
Os alunos serão avaliados através de um ensaio final. O ensaio deve consolidar uma revisão da literatura actual, uma questão de pesquisa, teoricamente informada sobre as redes sociais online e metodologia de rede orientada. O tópico da redacção deverá ser acordado entre o aluno e o instrutor do curso (s) antes da apresentação. A participação é necessária.
A avaliação baseia-se na qualidade e regularidade de liderança e participação em sala de aula, blogs on-line e envio.
Bibliografia
Bibliografia Obrigatória
Boyd, D. and Ellison, N. B. (2007). Social Network Sites: Definition, History, and Scholarship. Journal of Computer-Mediated Communication, 13(1). Turner, F. (2006). From Counterculture to Cyberculture: Stewart Brand, the Whole Earth Network, and the Rise of Digital Utopianism. Chicago, Illinois: University Of Chicago Press. Castells, Manuel. (2009). Communication Power, Oxford: Oxford University Press. Ellison, N. B., (2007). The benefits of Facebook ‘friends’: Social capital and college students. Journal of Computer-Mediated Communication, (12). Weiwu, Zhang, Johnson, Thomas J., Seltzer, Trent, & Bichard, Shannon. (2010). The Revolution Will be Networked: The Influence of Social Networking Sites on Political Attitudes and Behavior. Social Science Computer Review, 28. Wellman, B., Boase, J., & Chen W., (2002). The networked nature of community: Online and Offline. The Journal of IT and Society, 1(1).
Bibliografia Opcional
|
|
|
|
|
|
Objectivos
O objectivo fundamental desta UC consiste em apresentar aos alunos uma visão integradora e crítica sobre os sistemas de informação estratégicos para a gestão de desempenho das organizações e apoio à tomada de decisão estratégica (business intelligence estratégico). Pretende-se que os alunos desenvolvam a capacidade de desenhar um balanced scorecard numa determinada área de negócio. Pretende-se também dotar os alunos de capacidades críticas e de síntese sobre os aspectos fundamentais das abordagens leccionadas: balanced scorecard e gestão da qualidade com ligação à estratégia organizacional.
Programa
CP1. Enquadramento e elementos da Framework de BSC
CP2. Metodologias de desenvolvimento de balanced scorecards
CP3. Modelos de negócio e desenho da proposta de valor para o cliente
CP4. Factores críticos de sucesso de um projecto de BSC
CP5. Conceitos fundamentais de TQM
CP6. Como medir qualidade no âmbito de um BSC?
CP7. Visualização de dados e desenho de dashboards
CP8. Visão integrada de gestão de performance: BSC e TQM
Processo de Avaliação
Existem dois tipos de avaliação: contínua e por exame.
Avaliação contínua é composta por: Trabalho prático de BSC em grupo (60%) e Teste teórico (frequência) individual (40%). Requer assiduidade >=40% das aulas (relatório assiduidade do Fenix) e 1 reunião de tutoria ao trabalho prático.
A Nota mínima para cada instrumento de avaliação é de 10 valores. A nota de exame constitui 100% da nota da UC.
Bibliografia
Bibliografia Obrigatória
Elsa Cardoso (2015) Sebenta de SIAD II: Metodologia de desenvolvimento de Balanced Scorecard.
Elsa Cardoso (2011) Business Intelligence e Gestão de Performance, in António Nelson (ed.), Estratégia Organizacional: do mercado à ética. Lisboa, Portugal: Escolar Editora, pp. 167-200.
R. Kaplan, D. Norton (2008) The Execution Premium: Linking Strategy to Operations for Competitive Advantage. Harvard Business School Press. Versão traduzida em Português: Prémio de Execução, Edição de Actual Editora, Agosto 2009
Osterwalder, A. & Pigner, Y. 2010. Business Model Generation - a Handbook for Visionaries, Game Changers, and Challengers, Wiley, New Jersey.
Osterwalder, A., Pigner, Y., Smith, A., Bernarda, G., Papadakos, P. 2014. Value Proposition Design, Wiley, New Jersey.
Few, Stephen (2006) Information Dashboard Design - the effective visual communication of data. O'Reilly.
Cairo, Alberto (2016). The Truthful Art: Data, Charts, and Maps for Communication. New Riders
Bibliografia Opcional
Alexandrino da Silva, Ana (2006). Gráficos e mapas - representação de informação estatística, Lisboa, Lidel edições técnicas.
Evergreen, Stephanie (2016). Effective Data Visualization: The Right Chart for the Right Data. USA. SAGE Publications Ltd
R. Kaplan, D. Norton (2004) Strategy Maps: Converting Intangible Assets into Tangible Outcomes, Harvard Business School Press
R. Kaplan, D. Norton (2006) Alignment: Using the Balanced Scorecard to Create Corporate Synergies, Harvard Business School Press
Ron Person (2009) Balanced Scorecards & Operational Dashboards with Microsoft Excel, Wiley Publishing, Inc, 2009.
Paul Niven (2003) Balanced Scorecard Step-By-Step for Government and Nonprofit Agencies, John Wiley & Sons, Inc., 2003
Paul Niven (2005) Balanced Scorecard Diagnostics. Maintaining Maximum Performance, John Wiley & Sons, Inc.
N.G., Olve, J. Roy, M. Wetter (2004) Performance Drivers: a practical guide to using the Balanced Scorecard, John Wiley & Sons, Ltd (original Swedish Edition published in 1997)
Ware, Colin (2004) Information Visualization: Perception for Design, 2nd Ed, Morgan Kauffman
Tufte, Edward (1983). The Visual Display of Quantitative Information. Edition, Cheshire, CT: Graphics Press. USA
|
