The search for an efficient method to enhance data cognition is especially important when managing data from multidimensional databases. Open data policies have dramatically increased not only the volume of data available to the public, but also the need to automate the translation of data into efficient graphical representations. Graphic automation involves producing an algorithm that necessarily contains inputs derived from the type of data. A set of rules are then applied to combine the input variables and produce a graphical representation. Automated systems, however, fail to provide an efficient graphical representation because they only consider either a one-dimensional characterization of variables, which leads to an overwhelmingly large number of available solutions, a compositional algebra that leads to a single solution, or requires the user to predetermine the graphical representation. Therefore, we propose a multidimensional characterization of statistical variables that when complemented with a catalog of graphical representations that match any single combination, presents the user with a more specific set of suitable graphical representations to choose from. Cognitive studies can then determine the most efficient perceptual procedures to further shorten the path to the most efficient graphical representations. The examples used herein are limited to graphical representations with three variables given that the number of combinations increases drastically as the number of selected variables increases.

中文翻译：

---

使用数据表征自动化统计图表表示

在管理来自多维数据库的数据时，寻找一种有效的方法来增强数据认知尤为重要。开放数据政策不仅极大地增加了公众可用的数据量，而且还需要将数据自动转换为有效的图形表示。图形自动化涉及生成一种算法，该算法必然包含从数据类型派生的输入。然后应用一组规则来组合输入变量并生成图形表示。然而，自动化系统无法提供有效的图形表示，因为它们只考虑变量的一维特征，这会导致大量可用的解决方案，组合代数导致单一解决方案，或要求用户预先确定图形表示。因此，我们提出了统计变量的多维表征，当与匹配任何单个组合的图形表示目录进行补充时，为用户提供一组更具体的合适图形表示以供选择。然后认知研究可以确定最有效的感知程序，以进一步缩短通往最有效图形表示的路径。考虑到组合数量随着所选变量数量的增加而急剧增加，这里使用的示例仅限于具有三个变量的图形表示。我们提出了统计变量的多维表征，当与匹配任何单个组合的图形表示目录进行补充时，为用户提供一组更具体的合适的图形表示以供选择。然后认知研究可以确定最有效的感知程序，以进一步缩短通往最有效图形表示的路径。考虑到组合数量随着所选变量数量的增加而急剧增加，这里使用的示例仅限于具有三个变量的图形表示。我们提出了统计变量的多维表征，当与匹配任何单个组合的图形表示目录进行补充时，为用户提供一组更具体的合适图形表示以供选择。然后认知研究可以确定最有效的感知程序，以进一步缩短通往最有效图形表示的路径。考虑到组合数量随着所选变量数量的增加而急剧增加，这里使用的示例仅限于具有三个变量的图形表示。然后，认知研究可以确定最有效的感知程序，以进一步缩短通往最有效图形表示的路径。考虑到组合数量随着所选变量数量的增加而急剧增加，这里使用的示例仅限于具有三个变量的图形表示。然后认知研究可以确定最有效的感知程序，以进一步缩短通往最有效图形表示的路径。考虑到组合数量随着所选变量数量的增加而急剧增加，这里使用的示例仅限于具有三个变量的图形表示。