过程可视化指通过使用某些方法(如改变实验条件、利用先进辅助观察设备等)，使原本不能直接观察的实验现象变化过程变得可见、可观察。

“可视化”（Visualization），原意是“使可见，清晰的表现形式”，表示能够直观清晰形象的表达某个事物，也可翻译为“图示化”。它作为专业术语是在1986年10月，美国国家科学基金会的“图形、图像处理和工作站”谈论会上被提出来的。它是指使用计算机图形学以及图像处理技术，把数据转换成图形，在屏幕上显示出来的技术。

知识可视化是可视化的一个方面，研究的是所有可用于构建和传达复杂知识的图形方法。目前知识可视化工具有五种类型，概念图(Concept Map)、语义网络(Semantic Networks)、思维导图(Mind Map)、认知地图(Cognitive Maps)和思维地图(Thinking Maps)。它们有不同的使用方法、表示不同的意义。

过程可视化(Process Visualization)在概念上与前面提到的可视化技术都有较大的差别。在现阶段，还没有过程可视化的明确定义，在郁志珍和丁伟的《基于基于过程可视化的化学实验研究》中定义了过程可视化指通过使用某些方法（如改变实验条件、利用先进的辅助观察设备等），使原本不能直接观察的实验现象变化过程变得可见、可观察。并且他们认为，过程可视化的内涵较可视化有两个不同的方面，一是扩展了可视化概念的内涵，将可视化概念的内涵又融入了过程的概念，即事物发展变化所经过的过程；二是过程可视化的达成方式与感知事物的可视化是完全不同的。将过程可视化技术应用在化学实验中，过程可视化又有了更为具体、合适的概念。

过程可视化的化学实验指通过使用某些方法，观察者能观察原本不能直接观察的实验现象变化过程的化学实验，具有两个基本特点：真实的实验；通过使用某种特定方法，观察者可以清楚地观察实验现象及其变化过程。

化学实验过程可视化

实现化学实验现象过程可视化的方法可归结为两类：

①改变实验条件减缓实验现象发生和变化过程。

②使用现代化的仪器或设备捕捉实验现象发生的整个过程，通过显微放大、延时摄影、慢速播放等技术截获关键实验现象。

此外，在教学过程中，教师还应结合教学内容恰当运用不同类型的过程可视化化学实验，充分、有效地发挥过程可视化的不同作用，真正提高实验教学效果。

数据挖掘过程可视化

以过程对象和过程粒度概念为基础建构的数据挖掘过程可视化与交互式一般内容能具体指导可视化数据挖掘项目的实际应用和研究开发，包括具有过程可视化和交互式支持的完成特定任务的专用系统或者通用数据挖掘系统。例如，我们以这些一般内容为基础成功实现了一个具有较细粒度的分类过程可视化和交互式系统。该系统为不同层次的用户提供了交互性顺畅、可视化精细的分类系统。

本文研究的数据挖掘过程可视化与交互式是指用可视化的形式描述、构建和控制数据挖掘过程，并提供各种层次的交互性。即挖掘过程与可视化密切耦合，与交互性相互集成。在交互式的支持下，挖掘过程和可视化同时进行。随着挖掘的进行，将挖掘算法的中间状态、得到的中间结果(中间模型)和最终结果(结果模型)实时与在线地显示出来。如果用户对挖掘的模式不满意，可以更改、调整系统参数或停止挖掘过程，然后再重启挖掘算法，直到满意为止。在这个过程中，用户可以观察经过预处理后的源数据是如何被算法读取和处理的，挖掘算法是如何推进的，算法对参数是如何响应的，挖掘过程的状态又是如何，挖掘的中间结果是什么，最终结果和模型的表现形式等。

化学实验过程可视化

过程可视化的化学实验活动的共同特点是：

①通过呈现过程可视化的实验现象，使学生从微小的实验细节中获得真实而又丰富的感性经验，进而实现多样的教学功能；

②实验中连续变化实验现象能具象化一些概念和基本原理，化解学生的学习难点，降低认知负荷；

③学生可以在实验观察中发现新奇的未知现象，引起科学好奇心进行探索；

④为学生对实验现象的分析、质疑与辩论等深层次的思维活动和思维发展提供机会；

⑤基于实验观察发现的问题使学生有机会经历探究过程，促进多种能力发展等等。因此，应鼓励实验研究者和化学教师致力于真实实验的创新和改进，运用适当方法使化学实验现象过程可视化，为实验教学服务。

数据挖掘过程可视化

可视化数据挖掘是数据挖掘和可视化技术的有机结合，这种结合使得数据挖掘技术的应用更具直观性和形象性，使得在数据挖掘过程中引入并发挥人类的形象思维能力成为可能。由此促进数据挖掘技术与具体场景的应用结合、与领域专家的知识结合、与普通用户的观感结合，进而在数据挖掘和知识发现过程中延伸人类的形象思维、提升知识发现的洞察力、提高发现知识的效力。

数据挖掘过程的可视化和交互式具有以下优点：

(1)提高了挖掘模式的可信度。与用户充分的交互和挖掘过程的可视化，可以改变“黑盒子”挖掘的局面。而且，由于用户从开始到结束一直参与数据挖掘过程，这样能加深用户对挖掘结果的理解。

(2)增加了灵活性。通过过程的交互式和可视化，用户可以在单步跟踪和自动挖掘两种交互模式之间灵活切换。

(3)改善了挖掘效率和挖掘精度。数据挖掘是计算密集型任务，用户根据挖掘系统提供的实时、连续反馈信息，就可以及时地对数据、算法、过程进行调控，由此控制挖掘算法尽可能地挖掘出用户感兴趣的模式，减少产生大量冗余模式，所以能比较显著地改善效率和精度。

(4)促进了数据挖掘过程人机交互的深入。使挖掘系统能更好地为不同层次和背景的用户所使用。