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.