Informationsvisualisierung - Cheatsheet.pdf

Informationsvisualisierung - Cheatsheet
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: P...

© StudySmarter 2024, all rights reserved.

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.
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden