Informationsvisualisierung - Cheatsheet
Grundlegende Konzepte der Informationsvisualisierung
Definition:
Grundkonzepte und Techniken zur effektiven Darstellung von Daten. Fokus auf die Optimierung der visuellen Wahrnehmung und Informationsvermittlung.
Details:
- Datenarten: kategorisch, ordinal, quantitativ
- Visual Mapping: passende visuelle Darstellungen für verschiedene Datentypen
- Gestaltgesetze: Prinzipien wie Ähnlichkeit, Nähe, Kontinuität
- Farbcodierung: Einsatz von Farben zur Hervorhebung und Unterscheidung
- Interaktivität: User-Interaktionen zur Exploration der Daten
- Effektive Nutzung von Raum und Design
Grundlagen der visuellen Wahrnehmung
Definition:
Grundlagen der visuellen Wahrnehmung bezieht sich auf die Art und Weise, wie das menschliche Auge und Gehirn visuelle Informationen aufnehmen und verarbeiten.
Details:
- Visuelle Wahrnehmung: Analyse und Interpretation von visuellen Reizen
- Aufmerksamkeitslenkung: Nutzung von Farben, Formen und Layouts zur Fokussteuerung
- Gestaltgesetze: Prinzipien, die beeinflussen, wie wir visuelle Elemente gruppieren (z.B. Nähe, Ähnlichkeit)
- Farbwahrnehmung: Bedeutung von Farbräumen und Farbkontrasten
- Icons und Symbole: Effektive Nutzung zur Informationsvermittlung
- Kognition und Gedächtnis: Einflüsse auf das Erinnern und Verstehen von visuellen Daten
Interaktive Visualisierungswerkzeuge und -software
Definition:
Interaktive Visualisierungswerkzeuge und -software werden genutzt, um große Datenmengen durch Interaktion verständlicher darzustellen und zu analysieren.
Details:
- Ermöglichen Nutzerinteraktionen wie Zoomen, Filtern und Datenmanipulation in Echtzeit.
- Oft genutzt für Datenanalyse, Geschäftsanalyse, und Wissenschaft.
- Beispiele: Tableau, D3.js, Plotly.
- Merkmale: Benutzerfreundlichkeit, Flexibilität, Skalierbarkeit.
- Fördern besseres Verständnis durch visuelle Nachvollziehbarkeit.
Techniken zur Manipulation und Exploration von Daten
Definition:
Techniken zur interaktiven Veränderung und Untersuchung von Datensätzen zur Erkenntnisgewinnung.
Details:
- Filtern: Datenpunkte anhand bestimmter Kriterien ein- oder ausblenden.
- Zoomen: Vergrößern oder Verkleinern eines Datenbereichs zur genaueren Untersuchung.
- Panning: Verschieben des sichtbaren Datenbereichs, um verschiedene Teile der Daten zu betrachten.
- Detail-on-Demand: Abrufen detaillierter Informationen zu einem bestimmten Datenpunkt oder Bereich.
- Brushing: Hervorheben von Datenpunkten durch Auswahl, häufig in mehreren verknüpften Diagrammen.
- Verknüpfte Ansichten: Synchronisierte Darstellungen derselben Daten zur Unterstützung der Multidimensionalen Datenexploration.
- Aggregation: Zusammenfassen von Datenpunkten zur Darstellung übergeordneter Muster.
- Transformation: Anwenden mathematischer Transformationen auf Daten zur besseren Sichtbarmachung bestimmter Eigenschaften.
- Reallokation: Anpassen der visuellen Darstellung von Daten, z.B. durch Wechsel des Diagrammtyps.
Explorative Datenanalyse mittels Visualisierung
Definition:
Visualisierungen zur Untersuchung und Interpretation von Datensätzen, um Muster, Trends und Anomalien zu erkennen.
Details:
- Ermöglicht die Entdeckung von Zusammenhängen und Abhängigkeiten.
- Unterstützt die Hypothesengenerierung.
- Verwendet Diagramme, Plots, Heatmaps etc.
- Hilft bei der Datenvorverarbeitung und -qualitätssicherung.
- Interaktive Visualisierungswerkzeuge wie Tableau, Plotly, und D3.js nutzen.
- Wichtige Methoden: Scatterplots, Boxplots, Histogramme, und Zeitreihenplots.
Visualisierungstechniken für Netzwerke
Definition:
Techniken zur Darstellung und Analyse von Netzwerken, die darauf abzielen, Beziehungen und Muster zwischen Datenpunkten visuell darzustellen.
Details:
- Knoten-Link-Diagramm: Knoten repräsentieren Entitäten, Kanten ihre Beziehungen.
- Matrix-Darstellung: Adjazenzmatrix zur Übersicht über Verbindungen zwischen Knoten, hilfreich bei dichten Netzwerken.
- Kraftgerichtete Layouts: Platzierung von Knoten basierend auf physikalischen Kräften zur Minimierung von Kantenüberschneidungen.
- Hierarchische Layouts: Darstellung von Netzwerken mit hierarchischen Strukturen, z.B. Baumdiagramme.
- Radiale Layouts: Knoten werden radial um einen zentralen Punkt angeordnet, oft verwendet bei hierarchischen und sternförmigen Netzwerken.
- Clustering: Gruppierung von Knoten basierend auf Ähnlichkeiten, um Muster zu erkennen.
Erkennung von Cluster und Gemeinschaften
Definition:
Erkennung von Cluster und Gemeinschaften (community detection) in Netzwerken zur Identifizierung von Gruppen eng verbundener Knoten.
Details:
- Ziel: Findung von Gruppen (Communities) in Netzwerken.
- Clustering: Teilung der Knoten eines Netzwerks in Cluster basierend auf Verbindungsmustern.
- Modularität: Maßzahl zur Bewertung der Güte einer Netzwerk-Aufteilung.
- Algorithmische Ansätze: K-means, Hierarchisches Clustering, Spectral Clustering.
- Gemeinschaftserkennung: Untersuchen nicht-überlappender oder überlappender Communities.
- Visualisierungs-Techniken: Dendrogramme, Force-Directed Graphs.
Usability-Testing von Visualisierungstools
Definition:
Bewertung, wie benutzerfreundlich und effektiv ein Visualisierungstool ist.
Details:
- Benutzerfreundlichkeit (Usability) evaluiert durch Benutzerbefragungen und Test-Szenarien.
- Effizienz: Wie schnell können Benutzer Aufgaben erledigen?
- Effektivität: Wie genau und korrekt sind die Ergebnisse?
- Zufriedenheit: Wie zufrieden sind Benutzer während und nach der Benutzung?
- Zu berücksichtigen: Intuitivität, Lernkurve, Fehlerrate.
- Wichtige Methoden: Think-Aloud Protocol, Heuristische Evaluation, Fragebögen (z.B. SUS).
- Datenanalyse für Schwachstellen und Optimierungsmöglichkeiten.