Möglichkeiten der Visualisierung DemoKoffer. 1. Anforderungen Visualisierung für –Größenvergleich? –Qualitätsvergleich? –Kategorisierung! Zielgruppe:

  • Published on
    06-Apr-2015

  • View
    111

  • Download
    7

Embed Size (px)

Transcript

  • Folie 1
  • Mglichkeiten der Visualisierung DemoKoffer
  • Folie 2
  • 1. Anforderungen Visualisierung fr Grenvergleich? Qualittsvergleich? Kategorisierung! Zielgruppe: Anwender? Fachnutzer? Manager & Leiter Entwicklung!
  • Folie 3
  • Statisch Dynamisch 2d 3d Vollstndig Unvollstndig 1. Anforderungen Klassifikation Visualisierungstechniken
  • Folie 4
  • 1. Anforderungen Ressourcenbegrenztheit (Laptop) ein spezieller Benutzer online Verarbeitung der Daten Visualisierung fr jedermann (keine Fachexperten) keine Interaktion ntig
  • Folie 5
  • 2d- und 3d-Visualisierung 2d: +Keine Perspektiven und Sichtbarkeits- berechnungen +Bei berlappungsfreier Darstellung keine Verdeckungen -Meist kann nur ein Ausschnitt der Daten dargestellt werden
  • Folie 6
  • 2d- und 3d-Visualisierung 3d: +Ein grerer Teil der Daten kann gleichzeitig dargestellt werden +Bei Nutzung von depth cues (Transparenz, Perspektive, Schatten,...) natrliche 3d- Interpretation -Aufwndige Generierung -Schwer vorhersagbar, welche Teile der Daten sichtbar dargestellt werden
  • Folie 7
  • Statische und Dynamische Visualisierung Dynamische Visualisierung: Automatische Vernderung der Visualisierung (Animation) + Vernderungen knnen beobachtet werden +Trends und qualitative Eigenschaften werden deutlich -Einzelwerte und quantitative Merkmale sind nicht erkennbar
  • Folie 8
  • Statische und Dynamische Visualisierung Statische Visualisierung: Keine automatische Vernderung der Visualisierung Vernderungen benutzergesteuert (z.B. Farbwahl, Ausschnittsvernderung, Zoomen) +Exakte, quantitative Analyse mglich Abfragen von Einzelwerten mglich
  • Folie 9
  • Vollstndige und Unvollstndige Visualisierung Vollstndige Visualisierungen: Erfordern meist Aggregation von Datenwerten (z.B. Zusammenfassen zu Klassen) und Erfordern Interaktionstechniken, um die Aggregation zu steuern +Gesamtberblick ber die Verteilung der Daten mglich
  • Folie 10
  • Unvollstndige Visualisierungen: Zahl der Dimensionen oder der Wertebereiche entlang der Dimensionen wird reduziert Erfordert Interaktionstechniken, um die Reduktion zu steuern +Analyse von interessanten Bereichen im Beobachtungs- und Merkmalsraum mglich Vollstndige und Unvollstndige Visualisierung
  • Folie 11
  • 2. Abbildung auf Punkte Problematik: generell: Methodik starke Vereinfachung Klassifikatoren nicht klar einordbar praktisch: Klassifikatoren nicht gleichmig verteilt Clusterbildung Vorteil: - einfach darstellbar - Ressourcengengsam
  • Folie 12
  • 3. Abbildung auf Streckenzge Abbildung von Punkten des Merkmalsraumes auf Streckenzge und Achsen, die geeignet skaliert sind Achsen werden parallel oder sternfrmig abgetragen statische, vollstndige, 2D-Darstellungen Varianten: Sternfrmige Koordinaten Parallele Koordinaten
  • Folie 13
  • 3.1. Sternfrmige Koordinaten (Kiviatgraph) Ardbeg (17 Year old) Glenfiddich Tasting Whisky: www.scotchwhisky.com
  • Folie 14
  • 3.1. Sternfrmige Koordinaten (Kiviatgraph) symmetrische Einteilung des Kreises => Problem! sinnvoll bei bis zu 5 Datenstzen in einem Beispiel: unterschiedliche Istwerte der KI-Bewertungen zu verschiedenen Zeiten
  • Folie 15
  • 3.2. Parallele Koordinaten Anwendung bei groen, hochdimensionalen Datenmengen => viele Sets zu unterschiedlichen Zeiten sinnvoll bei mehreren Hundert Datenstzen mit entsprechenden Interaktionstechniken Beispiel: Selektion von herausstechenden Fllen und deren genaue Darstellung
  • Folie 16
  • 3.2. Parallele Koordinaten: in 2d oder 3d Quelle: Schumann, Mller [2000] Quelle: Bade et al. [2004]
  • Folie 17
  • 4. Iconbasierte Techniken Visualisierung von Datenwerten ber Eigen- schaften (Farbe, Transparenz,...) und Primitive (Form, Gre, Winkel,...) graphischer Objekte Statische, vollstndige, 2d-Darstellungen Klassifikation Symbole: Bedeutung folgt aus dem Ganzen Icons/Glyphen: Graphische Objekte dessen Eigenschaften Datenwerte reprsentieren
  • Folie 18
  • 4. Chernoff Faces Emotion Rendering Toolkit
  • Folie 19
  • 5. Andere Ideen Erweiterung des V-A-Raums um eine dritte Dimension: Kontrolle Kombination verschiedener Visualisierungen Wahl- & Wechselmglichkeiten geben aktiv ber Vor- und Nachteile informieren Andere Theorien als Grundlage nehmen & ggf. neu testen OCC Appraisal Theory
  • Folie 20
  • 6. Ausblick Untersuchung der Persnlichkeit des Spielers: standardisierte Situationen und darauf erfolgende Reaktionen Einordnung in Spielertypen Persnlichkeitsmerkmale interessant fr z.B. UI und anwenderspezifisches Verhalten Untersuchung ohne sichtbar aufgezeichnete physiologische Daten mglich? Analyse der Maus / Tastaturbewegungen Analyse der verbalen Emotionsausbrche