STAR - Visualisierung von Daten - Mensch

STAR
Visualisierung von Daten
April - 04
Kerstin A. Ludwig
Universität Konstanz
„The real voyage of discovery consists not in seeking new landscapes,
but in having new eyes.“
[Proust]
2
Inhaltsverzeichnis
Inhaltsverzeichnis ................................................................................................... 3
Abbildungs- und Tabellenverzeichnis ............................................................................ 5
Abkürzungsverzeichnis ........................................................................................... 10
1. Einleitung ........................................................................................................ 12
2. Darstellung des Themas ...................................................................................... 14
2.1 Motivation ................................................................................................... 14
2.2 Visuelle Artefakte........................................................................................... 18
2.3 Visualisierung von Daten.................................................................................. 20
2.3.1 Die menschliche Wahrnehmung .................................................................... 20
2.3.2 Pre-Computer-Phase ................................................................................. 20
2.3.3 Computer-Phase ...................................................................................... 22
2.3.4 Pre-Computer-Phase vs. Computer-Phase ....................................................... 23
2.3.5 Visualisierung.......................................................................................... 23
2.3.6 Scientific Visualization................................................................................ 24
2.3.7 Information Visualization ............................................................................. 25
2.3.8 Historie.................................................................................................. 26
2.4 Definition von Begrifflichkeiten ........................................................................... 29
2.5 Visualisierung ≠ Visualisierung ........................................................................... 32
2.5.1 Cholera Epidemie in London ........................................................................ 32
2.5.2 Space Shuttle Challenger ............................................................................ 36
2.5.3 Verfälschende Visualisierungen..................................................................... 39
2.6 Herausforderung des Themas............................................................................ 43
2.7 Ausgangssituation.......................................................................................... 44
2.7.1 Mercedes-Benz........................................................................................ 45
2.7.2 Andere Automobilkonzerne .......................................................................... 49
2.8 Legitimation für das Thema............................................................................... 51
3. Visualisierung in der Wissenschaft .......................................................................... 52
3.1 Konferenzen ................................................................................................ 52
3.2 Wissenschaftler und Institutionen........................................................................ 55
3.3 Literatur ...................................................................................................... 61
4. Thematische Auseinandersetzung........................................................................... 63
4.1 Vorstellung des Referenzmodells für Visualisierung .................................................. 64
4.1.1 Data Transformation: Raw Data Æ Data Tables ................................................. 65
4.1.2 Visual Mapping: Data Tables Æ Visual Structures ............................................... 68
4.1.3 View Transformations: Visual Structures Æ Views............................................... 70
4.1.4 Interaktions- und Transformationskontrollen ...................................................... 71
4.1.4.1 Transformationen ................................................................................ 71
3
4.1.4.2 Interaktionstechniken ............................................................................ 72
4.2 Techniken zur Visualisierung von Daten................................................................ 76
4.2.1 The Theorie of Graphics ............................................................................. 77
4.2.2 The Grammar of Graphics ........................................................................... 78
4.2.2.1 Ein objekt-orientiertes Grafiksystem........................................................... 78
4.2.2.2 From Data to Graphic............................................................................ 80
4.2.2.3 Geometry .......................................................................................... 81
4.2.2.4 Aesthetics ......................................................................................... 92
4.2.2.5 Statistics ......................................................................................... 109
4.2.2.7 Scales............................................................................................ 117
4.2.2.8 Coordinates ..................................................................................... 118
4.2.2.9 Facets............................................................................................ 137
4.2.3 Metaphern............................................................................................ 145
4.3 Einsatzmöglichkeiten der Techniken .................................................................. 155
4.3.1 Task by Data Type Taxonomy for Information Visualization .................................. 157
4.3.2 Datentypen der Task by Data Type Taxonomy ................................................. 159
4.3.2.1 Eindimensional ................................................................................. 159
4.3.2.2 Zweidimensional ............................................................................... 159
4.3.2.3 Dreidimensional ................................................................................ 160
4.3.2.4 Temporal ........................................................................................ 161
4.3.2.5 Multi-Dimensional .............................................................................. 161
4.3.2.6 Tree .............................................................................................. 162
4.3.2.7 Network.......................................................................................... 163
4.3.3 Visualisierungen..................................................................................... 164
4.4 Konzeptioneller Einsatz der Techniken ............................................................... 195
4.4.1 5T-Environment ..................................................................................... 196
5. Diskussion am Beispiel ...................................................................................... 199
5.1 IST-Stand der Settings .................................................................................. 199
5.2 Analyse anhand der Faktoren der 5T-Environment ................................................. 203
5.3 Visualisierungsmöglichkeiten........................................................................... 208
5.3.1 Klassenwelt (PKW) ................................................................................. 208
5.3.2 Standard- und Sonderausstattungen (PKW) .................................................... 214
5.3.3 Ergebnisdarstellung der Gebrauchtwagensuche (PKW) ...................................... 219
6. Zusammenfassung ........................................................................................... 225
7. Ausblick ........................................................................................................ 232
8. Quellenverzeichnis ........................................................................................... 235
4
Abbildungs- und Tabellenverzeichnis
Abbildungsverzeichnis
Abb. 1 Zeitergebnisse des Multiplikations-Experiments [CMS 1999] ...................................................................... 19
Abb. 2 Karte des Londoner Underground Transportation System (‚The Tube’) [Spe 2001] ........................................... 21
Abb. 3 Geografische Karte vom Wohnviertel um die Broad Street, mit eingetragenen Todesfällen [Tuf 1997] ................... 33
Abb. 4 Zeitliche Darstellung der Todesfälle [Tuf 1997] ...................................................................................... 34
Abb. 5 Zeitlicher Verlauf der Cholera-Epidemie [Tuf 1997] ................................................................................. 35
Abb. 6 Die Challenger etwa 60 Sekunden nach dem Start [Tuf 1997] .................................................................... 36
Abb. 7 Grafik, die der NASA zur Entscheidungsfindung für den Start der Challenger vorlag [Tuf 1997] ............................ 37
Abb. 8 Scatterplot, der die Abhängigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997] ........................ 39
Abb. 9 Tägliche vs. wöchentliche Darstellung der Todesfälle [Tuf 1997] ................................................................. 40
Abb. 10 Wochenübergreifende Darstellung der Todesfälle [Tuf 1997] .................................................................... 41
Abb. 11 Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 1 [Tuf 1997] ............. 41
Abb. 12 Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 2 [Tuf 1997] und
Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 2 [Tuf 1997]................... 42
Abb. 13 Geografische Karten: Händlerstandorte (li.) und Anfahrtsroute (re.) ........................................................... 46
Abb. 14 „360 Grad Ansicht“ aussen (li.) und innen (re.) ..................................................................................... 46
Abb. 15 Beispielabbildungen aus der „Interaktiven Bedienanleitung“ des SLK .......................................................... 47
Abb. 16 Fahrzeugkalkulator (li.) und Wunschfahrzeug (Softfinder) (re.) .................................................................. 47
Abb. 17 Finanzierungsarten(li.) und Preis-Finder (re.) ....................................................................................... 48
Abb. 18 Überblick über die Klassen und ihre jeweiligen Modelle .......................................................................... 49
Abb. 19 Referenzmodell für Visualisierung [CMS 1999] .................................................................................... 64
Abb. 20 2D und 3D Point-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] ............................................ 84
Abb. 21 2D und 3D Line-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] ............................................. 85
Abb. 22 2D und 3D Area-Grafiken für kategorische und kontinuierliche Daten [Wil 1999]............................................. 85
Abb. 23 2D und 3D Bar-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] .............................................. 86
Abb. 24 2D und 3D Histogramme [Wil 1999] .................................................................................................. 86
Abb. 25 Schematischer (Box) Plot [Wil 1999] ................................................................................................. 87
Abb. 26 Tile-Grafik [Wil 1999] .................................................................................................................... 88
Abb. 27 Contour-Grafik [Wil 1999] .............................................................................................................. 89
Abb. 28 Path [Wil 1999] ........................................................................................................................... 90
Abb. 29 Komplettes Network mit acht Punkten [Wil 1999] .................................................................................. 90
Abb. 30 Stacked (Divided) Bar-Grafik (li.) und Stacked Area Chart (re.) [Wil 1999] .................................................... 95
Abb. 31 Stacked Dot Plot [Wil 1999] ............................................................................................................ 95
Abb. 32 Clustered Bar Chart [Wil 1999] ........................................................................................................ 96
Abb. 33 Jittered Scatterplot [Wil 1999] ......................................................................................................... 96
Abb. 34 Bubble Plot [Wil 1999].................................................................................................................. 97
Abb. 35 Napoleons Russland-Feldzug nach Minard [Tuf 1983] ............................................................................ 97
Abb. 36 Solid Größen [Wil 1999] ................................................................................................................ 98
Abb. 37 Symbol Shapes [Wil 1999] ............................................................................................................. 98
Abb. 38 Line Shapes [Wil 1999] ................................................................................................................. 99
Abb. 39 Solid Shapes [Wil 1999] ................................................................................................................ 99
Abb. 40 Map of Europe [Wil 1999] ............................................................................................................ 100
5
Abb. 41 Modifikation der “Chernoff” FACES von Bruckner [Wil 1999]................................................................... 100
Abb. 42 Scatterplot mit Images [Wil 1999] ................................................................................................... 101
Abb. 43 Rotation eines Symbols und eines Solids [Wil 1999] ............................................................................ 101
Abb. 44 Windgeschwindigkeiten [Wil 1999].................................................................................................. 102
Abb. 45 Brightness Variation ................................................................................................................... 102
Abb. 46 Hue Variation [Wil 1999] .............................................................................................................. 103
Abb. 47 Saturation Variation [Wil 1999] ...................................................................................................... 103
Abb. 48 Scatterplot mit farbkodierten Kategorien (li.) und Color Map (re.) [Wil 1999] ................................................ 103
Abb. 49 Matrix Plot [Wil 1999].................................................................................................................. 104
Abb. 50 Granularity [Wil 1999] ................................................................................................................. 104
Abb. 51 Line Granularity [Wil 1999] ........................................................................................................... 105
Abb. 52 Pattern Variations [Wil 1999]......................................................................................................... 105
Abb. 53 Line Textur Orientation [Wil 1999] .................................................................................................. 106
Abb. 54 Blur Variation [Wil 1999] .............................................................................................................. 106
Abb. 55 Transparency Variation [Wil 1999] .................................................................................................. 106
Abb. 56 Unterschiedliche Graph Typen, dieselbe statistische Methode (v.l.o.n.r.u.: point, line, area, bar; Methode:
region.confi.smooth.linear) [Wil 1999] .................................................................................................. 110
Abb. 57 Unterschiedliche statistische Methoden, derselbe Graph Typ (v.l.o.n.r.u.: statistic.mean, region.spread.range,
smooth.quadratic, region.confi.smooth.linear; Graph Typ: line) [Wil 1999]....................................................... 111
Abb. 58 3D Stepped Surface (li.) und Smooth of Temperature Variation (re.) [Wil 1999] ............................................ 111
Abb. 59 Error Bars [Wil 1999] ................................................................................................................. 112
Abb. 60 Bivariate Densities [Wil 1999] ....................................................................................................... 112
Abb. 61 Bivariate Box Plot [Wil 1999] ........................................................................................................ 113
Abb. 62 Two VariableHhistogram and Hexagon Binning [Wil 1999] ..................................................................... 113
Abb. 63 Short Path durch die US [Will 1999] ................................................................................................ 114
Abb. 64 Minimum Spanning Tree (li.) und Convex hull (re.) [Wil 1999]................................................................ 115
Abb. 65 Triangulation (li.) und Cluster Tree (re.) [Wil 1999] .............................................................................. 115
Abb. 66 Stretch Transformation [Wil 1999].................................................................................................. 121
Abb. 67 Shear Transformation [Wil 1999] ................................................................................................... 121
Abb. 68 Projektion einer Ebene auf eine andere [Wil 1999].............................................................................. 122
Abb. 69 Projektion [Wil 1999] .................................................................................................................. 123
Abb. 70 Conformal Mappings eines Schachbretts [Wil 1999]............................................................................. 124
Abb. 71 Conformal Mapping [Wil 1999] ...................................................................................................... 124
Abb. 72 Grafik mit rechtwickligen und polaren Koordinaten [Wil 1999] ................................................................. 125
Abb. 73 Pie Chart (li.) und Circular Pie Chart (re.) [Wil 1999] ............................................................................ 125
Abb. 74 Polar Dot Plot and Histogram (li.) und Bar-Grafik und Nightingale Rose (re.) [Wil 1999] .................................. 126
Abb. 75 Polar Cluster Tree (li.) und Polar Time Series (re.) [Wil 1999] ................................................................. 126
Abb. 76 Radar Plot (li.) und Polar Contour-Grafik (re.) [Wil 1999] ....................................................................... 127
Abb. 77 Inversion einer Spirale [Wil 1999] .................................................................................................. 127
Abb. 78 Fisheye Dinosaurier [Wil 1999] ..................................................................................................... 128
Abb. 79 Fisheye Transformation [Wil 1999]................................................................................................. 129
Abb. 80 US Airline Pricing Map [Wil 1999] ................................................................................................... 129
Abb. 81 Permuted Tiling [Wil 1999] .......................................................................................................... 130
Abb. 82 Perspektivische Projektion auf eine Ebene [Wil 1999] .......................................................................... 131
Abb. 83 Triangular Koordinatenebene [Wil 1999] .......................................................................................... 131
Abb. 84 Triangular Coordinates Plot [Wil 1999] ........................................................................................... 132
Abb. 85 Planar Map Projection (li.) und Cylindrical und Conical Map Projections (re.) [Wil 1999] ................................. 133
Abb. 86 Tiles of Soil Samples [Wil 1999]..................................................................................................... 134
Abb. 87 Sphärische Verteilung der magnetische Ausrichtung [Wil 1999]............................................................... 134
6
Abb. 88 3D Triangular / Rectangular Cordinates [Wil 1999] .............................................................................. 135
Abb. 89 Cylindrical Plot [Wil 1999] ............................................................................................................ 135
Abb. 90 Parallel Coordinates [Wil 1999]...................................................................................................... 136
Abb. 91 Parallel Coordinates in Polar Form [Wil 1999] .................................................................................... 137
Abb. 92 Tabelle mit Scatterplots [Wil 1999].................................................................................................. 138
Abb. 93 Tabelle mit 3D Bars [Wil 1999] ...................................................................................................... 139
Abb. 94 Two-Way Tabelle mit Line-Plots [Wil 1999] ....................................................................................... 139
Abb. 95 3D Objekt mit tabellarischer Darstellung [Wil 1999].............................................................................. 140
Abb. 96 Scatterplot eines Scatterplots [Wil 1999]........................................................................................... 140
Abb. 97 Scatterplot Matrix (SPLOM) [Wil 1999]............................................................................................. 141
Abb. 98 Regression Tree [Wil 1999] .......................................................................................................... 142
Abb. 99 Age-Sex Pyramide für die US [Wil 1999] .......................................................................................... 142
Abb. 100 Polar Reihe mit Polar Plots [Wil 1999] ............................................................................................ 143
Abb. 101 Two-Way Mosaic Plot [Wil 1999] .................................................................................................. 143
Abb. 102 Linked Micromap Plot [Wil 1999] .................................................................................................. 144
Abb. 103 Document Lens [RM 1993] ......................................................................................................... 164
Abb. 104 Galaxies [PNN 2004] ................................................................................................................ 165
Abb. 105 TileBars [Hea 1995].................................................................................................................. 166
Abb. 106 ThemeView (ThemeScapes) [MIK 2003] ......................................................................................... 167
Abb. 107 WebBook [CRY 1996] (li.) und „Blättern“ im WebBook [CRY 1996] (mi.) und „Document Lens“ View [CRY 1996] (re.)
................................................................................................................................................ 168
Abb. 108 Video-on-Demand Presentation [Spe 2001] ..................................................................................... 168
Abb. 109 Connex [PNN 2004].................................................................................................................. 169
Abb. 110 Rainbows [PNL 2004] ............................................................................................................... 170
Abb. 111 Visual Access for 3D Data [CSC 1996] ........................................................................................... 171
Abb. 112 DateLens (Desktop-Version) [Dat 2004] (li.) und DateLens (PDA-Version: FishCal) [Dat 2004] (mi.) und DateLens
(PDA-Version: FishCal) mit Fokus auf einen Tag [BCR 2002] (re.)................................................................ 172
Abb. 113 Perspective Wall [MIK 2003] ....................................................................................................... 173
Abb. 114 SiZer [EGK 1999] .................................................................................................................... 174
Abb. 115 ThemeRiver [MIK 2003] ............................................................................................................. 174
Abb. 116 Prinzip des Bifocal Display [Spe 2001] (li.) und Bisfocal Display aus Sicht des Benutzers [Spe 2001] (re.) .......... 175
Abb. 117 Circle Segments View [KRM 2003]................................................................................................ 176
Abb. 118 FilmFinder [CMS 1999].............................................................................................................. 177
Abb. 119 Influence Explorer [MIK 2003]...................................................................................................... 177
Abb. 120 libViewer [Lib 2004] .................................................................................................................. 178
Abb. 121 RSVP mit Abbildungen [Spe 2001] ................................................................................................ 179
Abb. 122 Starstruck [PNL 2004] ............................................................................................................... 180
Abb. 123 Supertable und 3D Scatterplot [KRM 2003]...................................................................................... 181
Abb. 124 Table Lens [RC 1994] ............................................................................................................... 181
Abb. 125 Web Forager [CRY 1996] (li.) und Bookshelf [CRY 1996] (re.)............................................................. 182
Abb. 126 Cam Tree [RMC 1991] .............................................................................................................. 183
Abb. 127 Collapsible Cylindrical Tree (CCT) [DE 2001] ................................................................................... 184
Abb. 128 Cone Tree [RMC 1991] ............................................................................................................. 185
Abb. 129 Disk Tree [Chi 2002] ................................................................................................................. 186
Abb. 130 Hyperbolic Tree [MIK 2003] ........................................................................................................ 187
Abb. 131 Pad++ [Pad 2004] (li.), Zooming Site Map für die Pad++ Webseite [Pad 2004] (li.mi.), Zweite Hierarchietiefe der
Pad++ Webseite [Pad 2004] (re.mi.), Dritte Hierarchietiefe der Pad++ Webseite mit Detailfenster [Pad 2004] (re.)...... 187
Abb. 132 Treemap [Dae 2003]................................................................................................................. 189
Abb. 133 Grocery Purchasing Correlations [Eic 1996] ..................................................................................... 190
7
Abb. 134 Hot Sauce [Dae 2003] ............................................................................................................... 191
Abb. 135 Hyperspace (Narcissus) [Dae 2003] .............................................................................................. 191
Abb. 136 Narcissus [HDW 1995] (li.) und Narcissus Variation [HDW 1995] (re.) .................................................... 192
Abb. 137 SeeNet [CEH 1996] (li.), SeeNet Helix [CEH 1996] (mi.), SeeNet Emailverkehr [CEH 1996] (re.).................... 193
Abb. 138 Darstellung der Klassenwelt (PKW) – Car Konfigurator de (oben) und se (unten) ........................................ 200
Abb. 139 Standard- (oben) und Sonderausstattung (unten) der S-Klasse Limousine S430 (hier „Design“) – Car Konfigurator
de ............................................................................................................................................. 201
Abb. 140 Darstellung der Standard- und Sonderausstattung der S-Klasse Limousine S430 in einer kombinierten Ansicht - Car
Konfigurator se ............................................................................................................................. 201
Abb. 141 Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW).............................................................. 202
Abb. 142 Schematische Darstellung der Klassenwelt mittels eines Hyperbolic Trees................................................ 209
Abb. 143 Schematische Darstellung der Klassenwelt in Anlehnung an die Pad++ Visualisierung ................................. 211
Abb. 144 Schematische Darstellung der Klassenwelt in Anlehnung an RSVP ........................................................ 212
Abb. 145 Schematische Darstellung der Klassenwelt in Anlehnung an die Date Lens ............................................... 213
Abb. 146 Schematische Darstellung der Sonderausstattungen in Form eines Hyperbolic Trees................................... 214
Abb. 147 Schematische Darstellung der Standardausstattungen in Form eines Cam Trees........................................ 215
Abb. 148 Schematische Darstellung eines Teilbaums für die Daten der Sonderausstattungen .................................... 218
Abb. 149 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine Table Lens. 221
Abb. 150 Systematische Darstellung der Gebrauchtwagensuche inkl. Ergebnisdarstellung in Anlehnung an den FilmFinder 222
Abb. 151 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an Circle Segments223
8
Tabellenverzeichnis
Tab. 1 Erklärung der Begriffe des Referenzmodells [Man 2001] ........................................................................... 65
Tab. 2 Darstellung einer Datentabelle [CMS 1999] .......................................................................................... 66
Tab. 3 Darstellung einer erweiterten Datentabelle [CMS 1999] ........................................................................... 66
Tab. 4 Interaktionstechniken [CMS 1999] ...................................................................................................... 73
Tab. 5 Graphen [Wil 1999]........................................................................................................................ 83
Tab. 6 Geometrische Graphen [Wil 1999] ..................................................................................................... 92
Tab. 7 Ästhetische Attribute [Wil 1999] ......................................................................................................... 93
Tab. 8 Ästhetische Attribute geordnet nach Geometrie [Wil 1999]....................................................................... 108
Tab. 9 Statistische Methoden [Wil 1999] ..................................................................................................... 110
Tab. 10 Statistical Methods by Dimensionality [Wil 1999] ................................................................................ 116
Tab. 11 Tasks der TTT [Shn 1996]............................................................................................................ 158
Tab. 12 Datentypen der TTT [Man 2001] .................................................................................................... 158
9
Abkürzungsverzeichnis
CCB
College of Computing Building
CCT
Collapsible Cylindrical Tree
CHI
Computer Human Interaction
CMY
Cyan – Magenta – Yellow - Farbsystem
CRB
Centennial Research Building
GCATT
Georgia Center for Advanced Telecommunications Technology
GI
Gesellschaft für Informatik
GIS
Geografisches Informationssystem
HCC
Human-Centered Computing
HCIL
Human Computer Interaction Laboratory
HCI
Human Computer Interaction
HI
Human Interaction
HLS
Hue - Lightness - Saturation Farbsystem
IEEE
Institute of Electrical and Electronics Engineers
IGD
Fraunhofer Institute for Computer Graphics
ISR
Institute for Systems Research
IVAs
Interactive Visualisation Artifacts
IR
Information Retrieval
KI
Künstliche Intelligenz
KQML
Knowledge Query and Manipulation Language
MIKY
Rika Furuhata, Issei Fujishiro, Kana Maekawa, Yumi Yamashita
MST
Minimum Spanning Tree
NSF
National Science Foundation
OLIVE
On-line Library of Information Visualization Environments
OOD
Object Oriented Design
PARC
Palo Alto Research Center
POIs
Points of Interest
RSVP
Rapid Serial Visual Presentation
STAR
State-of-the-Art Analyse
SPIRE
Spatial Paradigm for Information Retrieval and Exploration
SPLOM
Scatterplot Matrix
10
TSRB
Technology Square Research Building
TTT
Task by Data Type Taxonomy
UMIACS
University of Maryland Institute for Advanced Computer Studies
VisMeB
Visual Metadata Browser
VOIR
Visualization Of Information Retrieval System
VRS
Virtual Reality Society
VRVIS
Zentrum für Virtual Reality und Visualisierung Forschungs GmbH
ZUI
Zooming Graphical Interface
11
1. Einleitung
Die vorliegende State-of-the-Art Analyse für die DaimlerChrysler AG behandelt die
Thematik der Visualisierung von Daten. Im ersten Teil der STAR folgt nach einer
einleitenden Motivation eine allgemeine Einführung in die Thematik der Visualisierung
von Daten. Diese umfasst sowohl den Gebrauch von visuellen Artefakten im alltäglichen
Gebrauch und den damit verbundenen Bezug zu Visualisierungen, als auch die
chronologische Entwicklung der Geschichte der Visualisierung von Daten mit ihren
verschiedenen Ausprägungen. Die darauffolgende Definition von Begrifflichkeiten, grenzt
die Begriffe aus dem Bereich der „Visualisierung“ von Daten und die damit in Verbindung
stehenden Konzepte klar voneinander ab. Um die nötige Sensibilität hinsichtlich der
Qualität und Aussagekraft von Visualisierungen zu schaffen, erfolgt die Darstellung und
Erläuterung von Negativ- und Positivbeispielen aus dem Bereich der Visualisierung,
welche auch häufig in der Literatur zitiert werden. Das nächste Kapitel beschreibt, worin
die Herausforderung der Thematik der Visualisierung von Daten im Generellen besteht.
Eine Betrachtung der derzeit verwendeten Visualisierungstechniken in der MB OnlineWelt
(Deutschland1
Schweden2),
und
Visualisierungstechniken,
welche
bei
sowie
Webauftritten
die
anderer
Betrachtung
von
Automobilkonzerne
eingesetzt werden, ermittelt den derzeitigen IST-Stand bezüglich des Einsatzes von
Visualisierungen in diesem Bereich und somit die zugrundeliegende Ausgangssituation.
Daraus resultierend erschließt sich in diesem Zusammenhang die Legitimation für die
Auseinandersetzung mit der Thematik der Visualisierung von Daten.
Im zweiten Teil der STAR wird das Thema der Visualisierung von Daten in der
Wissenschaft behandelt. Dieses Kapitel beinhaltet die wichtigsten wissenschaftlichen
Beiträge, wie einschlägige Literatur, Konferenzen und Institutionen, zu dieser Thematik.
Der eigentliche fachliche Diskurs zum Thema Visualisierung erfolgt im dritten Teil der
STAR. Um eine einheitliche Basis für die Präsentation und spätere Diskussion der
Visualisierungen zu schaffen, wird an dieser Stelle zunächst das Referenzmodell für
Visualisierung von Card, Mackinlay und Shneiderman vorgestellt. In einem weiteren
Kapitel erfolgt die Vorstellung von grundlegenden Visualisierungstechniken aus Sicht der
Statistischen
1
Grafik,
wobei
abschließend
auch
der
Einsatz
von
Metaphern
bei
Mercedes-Benz Deutschland
URL: http://www.mercedes-benz.de
2
Mercedes-Benz Schweden
URL: http://www. mercedes-benz.se
12
Visualisierungen vorgestellt wird. Dieses einführenden Kapitel dienen dem Aufbau von
Basiswissen im Bereich der Visualisierung von Daten. Praktische und/oder exemplarische
Beispiele für Visualisierungen werden im folgenden Kapitel kurz vorgestellt, um die
Einsatzmöglichkeiten von Visualisierungstechniken im Bereich der Wissenschaft und
Wirtschaft aufzeigen. Die Gliederung der Präsentation der Visualisierungen erfolgt anhand
der Task by Data Type Taxonomy von Shneiderman, welche zu Beginn des Kapitels
einleitend vorgestellt wurde. Der Diskurs zum Thema Visualisierung schließt mit den
Ausführungen zum konzeptionellen Einsatz von Visualisierungstechniken, welche auch die
Erfolgsfaktoren für Visualisierungen aus der 5T-Environment von Mann und Reiterer
beinhalten.
Die Reflektion der Ergebnisse der STAR auf die MB Online-Welt, also die Verknüpfung der
theoretischen Rechercheergebnisse zum Praxisbezug, findet im vierten Teil der STAR
statt. An dieser Stelle wird zunächst die Ausgangssituation dreier ausgewählter Settings
aus der MB Online-Welt betrachtet. Basierend auf den Erkenntnissen aus dem Kapitel des
konzeptionellen Einsatzes von Visualisierungstechniken, werden diese Settings anhand
der Faktoren der 5T-Environment analysiert. Aufgrund dieser Analyseergebnisse werden
eine Reihe von Visualisierungstechniken, welche den aufgestellten Anforderungen
entsprechen, ermittelt. Eine Diskussion dieser verschiedenen Visualisierungstechniken
erfolgt anschließend anhand der drei ausgewählten Praxisbeispiele (Settings) aus der MB
Online-Welt sowie deren Präsentation.
Abschließend erfolgt, basierend auf den gewonnenen Erkenntnissen aus der STAR, eine
allgemeine Prognose über zukünftige Entwicklungen und Tendenzen im Bereich der
Visualisierung von Daten.
13
2. Darstellung des Themas
2.1 Motivation
„The world is complex, dynamic, multidimensional; the paper is static, flat. How are we
to represent the rich visual world of experience and measurement on mere flatland?”
[Tufte]
Information ist allgegenwärtig. Ob sich es dabei um Zeitungsartikel, Verkehrsmeldungen,
Wetterberichte, Zugfahrpläne, Aktienkurse, Reisekarten, Webseiten, Geschäftsberichte,
Mess- oder Verbraucherdaten oder um die Konstruktionspläne eines Automobils handelt,
Information findet sich in allen Bereichen des täglichen Lebens – im Privaten sowie im
Beruflichen. Information ist heterogen. Information an sich wird von den unterschiedlichsten Quellen zu den unterschiedlichsten Zwecken produziert. Dennoch lassen
sich zwei Hauptziele von Information identifizieren: Kommunikation und Exploration. Das
heisst, Information wird verwendet um eine Idee zu kommunizieren oder mit Hilfe von
Information neue Ideen zu entwickeln. Um diese Hauptziele, die eng mit einander
verflochten sind und häufig fliessende Übergänge besitzen, umzusetzen, bedient man
sich schon seit jeher unterschiedlichsten Medien, in den verschiedensten Ausprägungen.
Dazu gehören zum Beispiel Sprache, Schrift, Mathematik, Gestik, Mimik, taktile Reize,
Töne, Symbole, Bilder oder Grafiken. Information hat es schon immer gegeben, sie ist
also keine Erfindung unserer heutigen Zeit. Entsprechend lang ist auch die Geschichte
des Information Design. Jedoch hat sich im Vergleich zu früher, die Menge an
produzierter Information, mit ihren verschiedenen Ausprägungen wesentlich erhöht und
ihre nahezu permanente Verfügbarkeit erzeugt einen Effekt, welcher unter dem
populären Schlagwort der „Informationsüberflutung“ bekannt geworden ist.
Aufgrund dieses neuen Stellenwertes der Information und der Tatsache, dass sich
bestimmte Formen von Medien, wie die visuelle Repräsentation, besonders für die
Darstellung eignen, entwickelten sich eigenständige Forschungsdisziplinen und Arbeitsbereiche, welche sich speziell mit dem Umgang und der visuellen Repräsentation von
Information
beschäftigen.
Diese
Disziplinen,
zu
denen
beispielsweise
die
Computergrafik, die Statistische Grafik oder auch die Scientific oder Information
Visualization gehören, machen sich die Tatsache zu nutze, dass das menschliche
Wahrnehmungssystem stark an die effektive Verarbeitung
von
visuell
kodierten
Informationen angepasst ist [Tuf 1983]. Dadurch wird es möglich - unter Voraussetzung
einer qualitativ hochwertigen visuellen Repräsentation - große Mengen von Information
rasch interpretieren zu können. Eine weitere Steigerung dieser Vorzüge findet unter zu
14
Hilfenahme von Computern statt. So gehören laut Colin Ware, zu den besten
Visualisierungen nicht statische Bilder, sondern fließende dynamische Visualisierungen,
welche dem Bedürfnis nach unterschiedlichen Darstellungen (Sichten) der Informationen
nachkommen. Aufgrund dessen wurden eine Vielzahl von Visualisierungstools entwickelt,
welche mit Hilfe des Computers Informationen, bzw. Daten visualisieren und interaktiv
für den Benutzer erfahrbar machen. Diese Tools unterstützen Personen bei dem Umgang
mit Information, sei es nun bei ihrer Arbeit oder im Privatleben, bei der Kommunikation
oder Exploration von Information. Bereits heute werden solche Tools oder auch
Visualisierungen in vielen unterschiedlichen Bereichen eingesetzt, wie beispielsweise bei
Informations- und Marktforschungsinstituten, im Marketingbereich, in der Forschung, bei
Datenanalysten,
aber
auch
auf
Webseiten,
wie
beispielsweise
Wissensportalen
(Wissen.de3) oder Firmenauftritten (Inxight4). Zunehmend beschleunigt sich der Trend
hin zu visuellen Informationen [War 1999]. Leistungsstärkere Computer und neue
Technologien
ermöglichen
die
Entwicklung
immer
weiterer,
neuer
Visualisierungstechniken, welche über einen hohen Grad an Interaktionsmöglichkeiten für
den Benutzer verfügen. Diese Visualisierungen können Nutzern aufgrund höherer
Datenübertragungsraten auch zunehmend über das Web zugänglich gemacht werden.
Die Thematik der Visualisierung von Daten stellt somit ein interessantes und weitgefächertes Feld mit vielen Anwendungsbereichen dar, welches über eine lange Tradition in
der Geschichte der Menschheit verfügt und auch in Zukunft große Potentiale birgt.
Diese State-of-the-Art Analyse behandelt die Thematik der Visualisierung von Daten aus
Sicht der Information Visualization. Jedoch existieren viele Schnittmengen zwischen den
einzelnen Disziplinen in diesem Bereich und die Grenzen sind zuweilen fließend. Aus den
verschiedenen
Sichtweisen
der
jeweiligen
Disziplinen
und
der
unterschiedlichen
Verwendung von Begriffen für dieselbe Thematik entsteht eine Reihe von „Unklarheiten“,
aber durchaus auch eine Reihe von Synergieeffekten. Die vorliegende STAR fokussiert
hauptsächlich den Bereich der Information Visualization, nutzt aber in Kapitel 4.2 zur
Verdeutlichung
von
allgemeingültigen
Techniken
zur
Visualisierung
von
Daten,
Beschreibungen aus dem Bereich der Statistischen Grafik. Dies wird damit begründet,
dass viele Visualisierungen statistische Grafiken enthalten, wie z.B. Bar Charts,
Histogramme,
Pie
Charts
oder
auch
Scatterplots.
Bei
den
Beschreibungen
von
Visualisierungen aus dem Bereich der Information Visualization wird zumeist nicht mehr
auf diese grundlegenden Techniken eingegangen, da sie als gegeben vorausgesetzt
werden. Um aber Visualisierungen, ohne jegliche Vorkenntnisse in diesem Bereich,
3
Wissen.de
URL: http://www.wissen.de
4
Inxight
URL: http://www.inxight.com
15
besser beurteilen zu können, ist dieses Wissen unabdingbar. Mit Hilfe dieser allgemeinen
Beschreibungen aus dem Bereich der Statistischen Grafik ist es möglich, die immense
Fülle an verschiedenartigen Visualisierungen, welche sich dem Betrachter bietet, besser
klassifizieren und somit die grundlegenden Techniken von einander unterscheiden zu
können.
Oftmals
lassen
sich
mit
diesem
Wissen
scheinbar
unterschiedliche
Visualisierungen auf dieselbe und ähnlich aussehende Visualisierungen auf völlig
unterschiedliche Visualisierungstechniken zurückführen. Sicherlich kann im Rahmen
dieser STAR nicht auf alle Techniken eingegangen werden, jedoch soll an dieser Stelle ein
in die Thematik einführendes Basiswissen geschaffen werden.
Das Kapitel der Beispielvisualisierungen (4.3) fokussiert schließlich hauptsächlich auf
Visualisierungen aus dem Bereich der Information Visualization, welche aber häufig
Elemente aus der Statistischen Grafik enthalten. Wünschenswert wäre an dieser Stelle
eine weitere Fokussierung auf ein Kapitel gewesen, welches auf ähnlich allgemeine
Weise, wie das der Visualisierungstechniken (Kapitel 4.2), Konzepte zur Visualisierung
von Daten speziell aus dem Bereich der Information Visualization vorstellt. Die
Beschäftigung mit der Visualisierung von Daten im Rahmen dieser State-of-the-Art
Analyse hat gezeigt, dass dies ein sehr vielschichtiges Arbeitsfeld darstellt und wie schon
Thomas Mann in seiner Dissertation „Visualization of Search Results from the World Wide
Web“ feststellte, es schwierig ist, einen allgemeinen Überblick über Visualisierungsideen
in
einem
eindimensionalen
strukturieren.
System
oder
Klassifizierungsschemata
für
einer
eindimensionalen
Visualisierungen
sind
Hierarchie
deshalb
zu
häufig
multidimensional. Verschiedene Ansätze und Sichten sind nötig um dieses Feld
umfassend zu beleuchten. Eine Fortsetzung der Thematik wird in meiner Masterarbeit aus
dem Bereich der Visualisierung von Daten folgen, welche auch den Gedanken der
„VizBox“ aufgreift. Idee dieser „VizBox“ ist es, verschiedene Visualisierungs- und
Interaktionstechniken,
vorzustellen
und
Metaphern
entsprechend
und
Konzepte
aufzubereiten,
um
zur
so
Visualisierung
einen
Pool
an
von
Daten
Ideen
zur
Visualisierung von Daten zu schaffen. Diese Idee enstand in Anlehnung an die „Tech Box“
von IDEO5 einer amerikanischen Designagentur, welche die Idee einer Kreativbox
optimiert hat. Designer nutzen zur Ideenfindung während des Designprozesses häufig die
Inspiration von bereits erprobten Ideen, Techniken, Materialien oder auch Produkten,
welche in anderen Anwendungsbereichen bereits erfolgreich ihre Anwendung fanden.
Durch Adaption dieser Ideen auf neue Anwendungsbereiche lassen sich so neue kreative
Ideen kreieren. Die TechBox von IDEO, enthält etwa 200 unterschiedliche Artefakte,
welche in verschiedene Kategorien, wie zum Beispiel „Amazing Materials“, „Cool
Mechanism“ oder auch „Interesting Manufacturing Pocesses“ eingeteilt sind und auf einer
5
IDEO
URL: http://www.ideo.com
16
Webseite umfassend mit Hintergrundinformationen dokumentiert werden. Diese Artefakte
stellen einen Pool von unterschiedlichsten Ideen dar, welche in die kreative Phase des
Designprozesses
eingebracht
werden
können.
Durch
Adaption,
Kombination
und
Modifikation der Eigenschaften dieser Artefakte lassen sich so spannende Lösungen
finden, welche - zunächst als unmöglich erscheinend - eventuell im Vorfeld als
Lösungsweg ausgeschlossen worden wären.
Die Idee einer solchen Kreativbox oder „VizBox“ lebt von ihrer steten Weiterentwicklung,
indem neue Elemente gesammelt und entsprechend hinzugefügt werden, um so einen
stetig wachsenden Pool an Ideen zu schaffen.
17
2.2 Visuelle Artefakte
“Visual artifacts and computers do for the mind what cars do for the feet!”
[Card, Mackinlay, Shneiderman]
Die Arbeit oder auch Tätigkeiten des Menschen sind stark mit physischen externen
Hilfsmitteln, hier auch Artefakte genannt, verbunden. Die wenigsten Tätigkeiten werden
in unserer heutigen Welt ausschließlich mental erledigt. Die Kombination von mentalen
Denkprozessen und physischen Hilfsmitteln - also innerer mentaler Aktion und externer
wahrnehmbarer Interaktion - ist stark miteinander verknüpft und hat schon eine lange
Tradition in der Geschichte der Menschheit. Laut [CMS 1999] ist die Verflechtung von
innerer mentaler Aktion und externer Wahrnehmung (und Manipulation) kein Zufall. Es
ist vielmehr der Schlüssel dazu, wie Menschen ihre mentalen Fähigkeiten zunehmend
erweitern und somit ihre Intelligenz steigern. Auch Norman (1993) sagt:
„.... The real powers come from devising external aids that enhance cognitive abilities.
How have we increased memory, thought, and reasoning? By the invention of external
aids: It is things that make us smart.“ (Norman, 1993, p.43)
Es gibt eine Reihe von verschiedenartigen externen Hilfsmitteln, jedoch ist die mit
Abstand wichtigste Kategorie diejenige der grafischen oder auch visuellen Hilfsmittel. Bei
grafischen
Hilfsmitteln
lassen
sich
insgesamt
zwei
unterschiedliche
Zwecke
unterscheiden. Zum einen dienen grafische Hilfsmittel dazu eine Idee zu kommunizieren.
Damit verbunden wird häufig der bekannte Ausspruch: „A picture is worth ten thousand
words.“ Zum anderen ermöglichen grafische Hilfsmittel die Idee selbst zu erzeugen oder
zu entdecken: „Using vision to think.“ Diese beiden Zwecke von grafischen Hilfsmitteln
sind grundsätzlich verschieden, auch wenn sie eng miteinander verknüpft sind.
Um die Relevanz von grafischen Hilfsmitteln zu verdeutlichen, wurde von [CMS 1999] ein
einfaches informelles Experiment durchgeführt. Es sollte zeigen, wie selbst einfachste
Hilfsmittel die kognitiven Fähigkeiten eines Menschen um eine Vielfaches erweitern.
Die mathematische Operation Multiplikation gehört zu den meist genutzten mentalen
Aktivitäten des Menschen. Bei dem Experiment sollte eine Testperson zunächst zwei
zweistellige Zahlen miteinander im Kopf multiplizieren. Anschließend sollte sie das gleiche
mit zwei anderen zweistelligen Zahlen wiederholen, dieses mal allerdings mit Hilfe von
Stift und Papier. Bei beiden Multiplikationen wurde die Zeit gemessen, welche die Person
18
für die Erledigung der Testaufgabe benötigte. Wie in Abb. 1 zu sehen, reduzierte die
Verwendung von Stift und Papier die Zeit, welche für die Erledigung der Aufgaben
benötigt wurde, um den Faktor fünf.
Abb. 1 Zeitergebnisse des Multiplikations-Experiments [CMS 1999]
Wie diese Demonstration zeigt, verbessert die Verwendung von grafischen Hilfsmitteln
die gedankliche Performanz, selbst bei Aufgaben, die auch rein mental zu lösen sind. Die
Frage stellt sich, weshalb die Verwendung von Stift und Papier solch einen Unterschied
verursacht. Mentale Multiplikation für sich selbst genommen, ist nicht schwierig. Was
Probleme bereitet, ist die Teilergebnisse im Gedächtnis zu behalten, bis sie verwendet
werden können. Die visuelle Repräsentation ermöglicht das Festhalten der Teilergebnisse
außerhalb des Gedächtnisses und erweitert somit das Gedächtnis einer Person.
Stift und Papier ist nur ein Beispiel für ein grafisches Hilfsmittel; andere sind zum Beispiel
Rechenschieber, Nomographen, Taschenrechner, Karten oder auch Diagramme, um nur
einige zu nennen.
Grafische oder auch visuelle Hilfsmittel bzw. Artefakte unterstützen den Denkprozess. Sie
sind seit jeher stark verflochten mit kognitiver Aktion. Man kann die Entwicklung der
Zivilisation auch an der Erfindung von visuellen Artefakten ablesen: Schrift, Mathematik,
Karten, Diagramme und Visual Computing. Viele Aktivitäten in unserem Umfeld haben
mit der Erzeugung oder Verwendung visueller Artefakte zu tun. Visuelle Artefakte
erweitern die kognitiven Fähigkeiten eines Menschen, welche wiederum für die Aneignung
oder Verwendung von Wissen verantwortlich sind. [CMS 1999]
19
2.3 Visualisierung von Daten
2.3.1 Die menschliche Wahrnehmung
Das menschliche visuelle System hat sich über zehn Millionen Jahre hinweg als
Instrument für die Wahrnehmung und Erkennung unserer natürlichen Umgebung
entwickelt. Das gesamte System ist darauf ausgerichtet, Informationen aus unserer Welt,
mit ihren ganz bestimmten physikalischen Eigenschaften, zu extrahieren. [War 1999]
Laut Colin Ware führt die Interaktion des stets wachsenden Nervensystems mit der
täglichen Realität, zu einem mehr oder weniger standardisierten visuellen System,
weshalb dieselben visuellen Konzepte oder Entwürfe für alle Menschen gleich effektiv
funktionieren.
Das menschliche visuelle System ist speziell darauf ausgerichtet, Muster in seiner
Umgebung zu suchen und wiederzuerkennen. Jedoch unterliegt das System eigenen
Regeln. Obwohl es sehr flexibel ist, ist es darauf abgestimmt, Daten zu erkennen, welche
auf bestimmte Art und Weise präsentiert werden. Gibt es Abweichungen in der
Darstellung,
so
bleiben
diese
Muster
unerkannt.
Sind
die
Funktionsweisen
der
menschlichen Wahrnehmung bekannt, kann dieses Wissen auf Regeln für die Darstellung
von Daten übertragen werden. Werden diese Regeln beachtet, ist es möglich Daten so zu
präsentieren, dass für den Menschen informative und vor allem wahrnehmbare Muster
entstehen. [War 1999]
Die Visualisierung von Daten macht sich bereits seit Jahrhunderten diese Tatsache, dass
das menschliche Wahrnehmungssystem stark an die sehr effektive Verarbeitung von
visuell kodierten Informationen angepasst ist, zu nutze. [Tuf 1983]
2.3.2 Pre-Computer-Phase
Bis vor einiger Zeit bedeutete der Begriff „Visualization“ laut dem Shorter Oxford English
Dictionary noch: „constructing a visual image in the mind.“ Inzwischen hat sich die
Bedeutung dieses Begriffs gewandelt. Heutzutage versteht man unter dem Begriff
„Visualization“: „A graphical representation of data or concepts“. Demnach wandelte sich
Visualisierung von einem internen Konstrukt des Verstands zu einem externen Artefakt,
welches der Erweiterung des menschlichen Verstandes dient. [War 1999]
20
Visualisierung von Daten gibt es bereits seit einigen Jahrhunderten. Die Entwicklung der
perspektivischen Projektion durch die Florentinischen Architekten während des 15.Jh.,
zur Zeit der Italienischen Renaissance, war ein Geschenk für die Welt des visuellen
Denkens. Sie stellt eine einfache Erweiterung einer zweidimensionalen Oberfläche dar,
durch die es Menschen möglich wird, Objekte in einem geometrisch korrekten Kontext
darzustellen und welche durch die eigene tägliche Erfahrung im dreidimensionalen Raum
verständlich wird. [Tuf 1990][Tuf 1997]
Der Übergang schließlich von verkleinerten bildhaften Darstellungen der physischen Welt,
beispielsweise in Form von Karten, hin zu abstrakten Darstellungen, wie zum Beispiel
Graphen, war ein enormer konzeptioneller Schritt. Es bedurfte 5000 Jahre um die Namen
der Koordinaten von Ost-West und Nord-Süd in empirisch messbare Variablen X und Y zu
verwandeln. Parallelen können hierbei zur Kunst gezogen werden. Auch in der Kunst
wurde das naturalistische Koordinatensystem erst Anfang des 20.Jh. durch die fraktalen
Bilder des Kubismus, welche gleichzeitig multiple Blickwinkel in einem Bild vereinen,
verzerrt und später schließlich mit Abstract Painting, bei dem die zwei Dimensionen der
Leinwand nicht länger zu einer weltlichen Szenerie, sondern nur noch zu sich selbst in
Bezug stehen, völlig aufgelöst. [Tuf 1997]
Abb. 2 Karte des Londoner Underground Transportation System (‚The Tube’) [Spe 2001]
Ein sehr bekanntes Beispiel für die Visualisierung von Daten, welches sich die Verzerrung
der geografischen Räumlichkeiten auf einer Karte zu nutze macht, ist die Karte des
Londoner Underground Transportation System (‚The Tube’) von Harry Beck aus dem Jahr
1931 (Abb. 2).
21
Harry Beck, ein pensionierter Konstruktionszeichner, erkannte damals, dass es keine
Relevanz hat, die eigene genaue geografische Lage zu kennen, wenn man unter Tage ist.
Er realisierte, dass solange die Stationen der U-Bahn in der richtigen Reihenfolge
präsentiert werden und ihre Verkehrsknotenpunkte klar skizziert sind, man die
Skalierung frei verzerren könnte. Der Fokus der Benutzer einer U-Bahn liegt primär auf
der geplanten Reiseroute, also auf der gewünschten Abfahrts- und Zielstation und der
richtigen
U-Bahnlinie.
Beck
gab
seiner
Karte
die
systematische
Präzision
eines
elektrischen Leitungsnetzes und erzeugte somit ein gänzlich neues imaginäres London,
welches nur wenig mit der Geografie der Stadt oben drüber zu tun hatte. Seit 1931
wurde die Karte oftmals überarbeitet und modifiziert, beinhaltet aber immer noch Becks
brilliante Idee, aufgrund derer sie auch mehrfach weltweit kopiert wurde. [Spe 2001]
Oftmals sind Problemstellungen jedoch nicht ausschließlich auf einen zweidimensionalen
Raum beschränkt, da die Welt für gewöhnlich multivariant ist. Die schon seit
Jahrhunderten bestehende zentrale Fragestellung bei der Darstellung von Daten lautet:
Wie präsentiert man drei oder mehr Dimensionen von Daten auf einer zweidimensionalen
Oberfläche, wie beispielsweise Wände, Steine, Gewebe, Papier oder Computerbildschirmen? Für diese abstrakteren mehrdimensionalen Daten, welche nicht in unserer
dreidimensionalen Welt angesiedelt sind, werden schon seit einiger Zeit, von Personen,
die mit diesen Daten zu tun haben, verschiedene Methoden, bzw. Techniken zur
Darstellung entwickelt. Zum Teil sind diese Visualisierungen in alltäglichen, manchmal
allgegenwärtigen Darstellungen von Daten zu finden, wie zum Beispiel die ausgeklügelte
Strukturierung der Periodentabelle der chemischen Elemente (mit Hunderten von
verschiedenen vorgeschlagenen Zusammenstellungen, um die damit zusammenhängende
Komplexität besser festhalten zu können). [Tuf 1997]
2.3.3 Computer-Phase
Wie bereits erwähnt, haben grafische Hilfsmittel eine sehr lange Geschichte in der Kultur
der Menschheit. Neu ist, diese mittels Computern zu erzeugen. Auch wenn die Erzeugung
von Grafiken eine grundsätzlich menschliche Aktivität ist, kann sie sehr effektiv von
Computern unterstützt werden. [Spe 2001] Das Medium des Computers erlaubt es,
grafische Darstellungen zu erzeugen, welche automatisch Tausende von Datenobjekten
zu Bildern zusammenbauen und diese interaktiv durch einen Benutzer modifizieren zu
lassen. D.h. Visualisierungen sind nicht länger statisch sondern können interaktiv von
Benutzern beeinflusst werden. [CMS 1999]
22
2.3.4 Pre-Computer-Phase vs. Computer-Phase
In der Pre-Computer-Phase musste der Erzeuger einer Grafik bereits bei deren Erstellung
Entscheidungen treffen, welche Daten er visualisieren möchte und wie er diese entsprechend
seines
eigenen
Verständnisses
der
Aufgabe,
welche
mit
dieser
Visualisierung erledigt werden oder der Mitteilung, welche übermittelt werden sollte repräsentiert. Autor und Betrachter waren zwei verschiedene Personen. Mit Hilfe des
Computers ist es nun möglich, dass der „Betrachter“, also der Benutzer, - im Rahmen der
Freiheiten, die ihm der Erzeuger mit der Gestaltung des Visualisierungs-tools definiert hat
- die interaktive Kontrolle über diese Art von Entscheidungen hat. [Spe 2001]
“A graphic is no longer ‘drawn’ once and for all: it is ‘constructed’ and reconstructed
(manipulated) until all relationships which lie within it have been percieved…a graphic is
never an end in itself: it is a moment in the process of decision making. Bertin (1981)
2.3.5 Visualisierung
“Graphing data needs to be interactive because we often do not know what to expect of
the data; a graph can help discover unknown aspects of the data, and once the unknown
is known, we frequently find ourselves formulating new questions about the data.”
[Cleveland]
In den letzten Jahrzehnten entwickelten sich zunehmend Visualisierungen, welche sich
den Computer zu nutze machen. Die heutige Computertechnologie ist in der Lage äußerst
komplexe Visualisierungen zu erzeugen, welche eine extrem verbesserte Wiedergabe
besitzen und interaktiv modifizierbar sind. [CMS 1999] Auf der menschlichen Seite kann
die Visualisierung als dynamisches Artefakt - als Erweiterung des Denkprozesses agieren. Durch ihre Dynamik erfüllt sie das Bedürfnis des Benutzers nach verschiedenen
Sichten oder nach detaillierten Informationen der Daten. [War 1999] Eine aufkommende
Sicht betrachtet den Menschen und den Computer zusammen als ein Problemlösungssystem (Zhang, 1997). In einem solchen Modell wird die Datenvisualisierung zu einem
Teil des Interfaces zwischen den Komponenten Mensch und Maschine. Die Visualisierung
ist ein bidirektionales Interface, wenn auch hochgradig asymmetrisch, mit einer weitaus
höheren Bandbreite der Kommunikation in Richtung Maschine zu Mensch als umgekehrt.
[War 1999]
23
Die
Visualisierung
von
Daten
allgemein
hat
grundsätzlich
zwei
Facetten:
Datenpräsentation und Datenexploration. Der Fokus der Datenpräsentationen ist die
Kommunikation von bereits bekannten Fakten durch geeignete Repräsentationsformen.
Bei der Datenexploration geht es dagegen darum, mittels angemessener Visualisierungen
unbekannte Verknüpfungen zwischen Thematiken aufzudecken, auch genannt „Visual
Data Mining“. Die Übergänge zwischen den beiden Facetten können als fließend
betrachtet werden. Sowohl für die Datenpräsentation als auch für die Datenexploration
erweist sich die visuelle Repräsentation als vorteilhaft. Im Fall der Präsentation, steht die
Kommunikation im Vordergrund, im Fall der Exploration ist es die Entdeckung. [Man
2002]
Visualisierungen, die sich den Computer zu nutze machen, haben sich als unabhängige
technische Disziplin innerhalb des Bereichs der Human Computer Interaction (HCI)
entwickelt. Eine Reihe anderer Disziplinen wirken ebenso an dem effektiven Gebrauch
von Visualisierungen mit. Unter ihnen befinden sich die Experimentelle oder Kognitive
Psychologie und Human Factors Engineering. Speziell seit den 80er Jahren wurden die
Konzepte der Datenvisualisierung zu vielen anderen Bereichen transferiert. [Man 2002]
Zu dieser Zeit wurden computerbasierte Visualisierungen vor allem im Bereich der
Wissenschaft angewandt, was die Entwicklung des Bereichs der „Scientific Visualization“
zur Folge hatte. Seit den 90er Jahren kommen diese Visualisierungen auch zunehmend in
allgemeineren
Bereichen,
wie
Firmen
oder
Ausbildung
zur
Anwendung.
Diese
allgemeinere Anwendung wird „Information Visualization“ oder auch Informationsvisualisierung genannt. [Man 2002] [CMS 1999]
2.3.6 Scientific Visualization
Der Scientific Visualization liegen in erster Linie physische Daten, wie beispielsweise der
menschliche Körper, die Erde, Naturphänomene, Gebäude, technische Konstruktionen
oder Moleküle, zugrunde. Der Computer wird dazu verwendet um – mittels oftmals
dreidimensionaler Visualisierungen und Animationen - Eigenschaften dieser physischen
Elemente darzustellen. Obwohl eine Visualisierung eines physischen Elements an sich
abstrakt ist, ist die Information selbst dennoch inhärent geometrisch. [CMS 1999]
Bei der Scientific Visualization werden die modellierten physischen 3D Objekte,
detaillierter studiert, geprüft und manipuliert, um beispielsweise wissenschaftliche
Hypothesen zu testen, einen Event oder Prozess zu simulieren oder eine Vorgehensweise
praktisch auszuprobieren. Darüber hinaus wird die Verwendung von Virtual Reality and
VRML, z.B. für virtuelle Rundgänge, in diesem Zusammenhang zunehmend populärer.
24
Ziel dieser Art von 3D Welt ist es, das Innere eines Objektes zu erforschen und oftmals
zur Vorbereitung vor der realen Durchführung zu dienen. [OLI 2003]
2.3.7 Information Visualization
Ebenso wie die visuelle Darstellung physischer Daten ist es oftmals hilfreich, nichtphysische Daten, wie Finanzdaten, Business-Information, Sammlungen von Dokumenten
und abstrakten Konzepten zu visualisieren. Jedoch beinhaltet diese Art der Daten
keinerlei ersichtlichen räumlichen Bezug. Daher kommt zu der allgemeinen Problematik,
wie man sichtbare Eigenschaften von Objekten wiedergibt, das grundsätzliche Problem
hinzu, wie man nichträumliche Abstraktionen in effektive visuelle Formen transformiert.
Da in der heutigen Welt eine große Masse solcher abstrakter Information existiert, gibt es
zahlreiche Versuche, Visualisierungen in den Bereich des Abstrakten zu erweitern (Card,
Robertson, and Mackinlay 1991). [CMS 1999] Zu diesem Zweck beschäftigt sich die
Information Visualization mit abstrakten, multi-dimensionalen und multivarianten Daten.
Primäres Ziel bei der Information Visualization ist, im Gegensatz zur Scientific
Visualization, nicht die Abbildung selbst, sondern viel mehr die Möglichkeit, Muster,
Clusterungen, Lücken oder Sonderfälle in den Daten offen zu legen. [Shn 2001] Der
Nutzen die physischen Elemente abzubilden ist in diesem Bereich nicht wichtig, oftmals
sogar gänzlich irrelevant. [Spe 2001] Effektive Informationsvisualisierungen ermöglichen
dem Benutzer Entdeckungen zu machen, Entscheidungen zu fällen oder Erklärungen über
Muster (Korrelationen, Cluster, Lücken, Sonderfälle) abzugeben und/oder Gruppen mit
Objekten oder individuelle Objekte zu erstellen. [Shn 2001] Auch wenn die beiden
Bereiche Scientific Visualization und Information Visualization miteinander verwandt sind,
so unterscheiden sie sich doch grundsätzlich. Dennoch kann es zu Überschneidungen der
beiden Bereiche - wie zum Beispiel bei einer dreidimensionalen Visualisierung eines
Gewittersturms, welche mit abstrakten Daten ergänzt wurde - kommen.
Auch
wenn
Visualization
verschiedene
Techniken
oder
der
auch
und
Scientific
Methoden
Visualization
innerhalb
der
entwickelt
Information
wurden,
um
mehrdimensionale Daten zu visualisieren und fiktive dreidimensionale Räume zu
erschaffen, so bleibt die Welt, welche auf einem Informationsdisplay dargestellt wird –
zumindest bisher noch - nach wie vor zweidimensional. D.h. jegliche Kommunikation
zwischen den Betrachtern einer Visualisierung und deren Erzeugern muss auf einer
zweidimensionalen Oberfläche erfolgen. [Tuf 1990]
25
“Escaping this flatland is the essential task of envisioning information – for all the
interesting worlds (physical, biological, imaginary, human) that we seek to understand
are inevitably and happily multivariate in nature. Not flatlands.” (Edward Tufte)
2.3.8 Historie
Man nimmt an, dass die frühesten Arbeiten aus dem Bereich der Datengrafiken, also die
Verwendung von abstrakten visuellen Eigenschaften, wie Linien und Bereiche um Daten
visuell zu repräsentieren, aus der Zeit um Playfair (1786) stammen [Tuf 1983].
Beginnend mit Playfair entwickelten sich die klassischen Methoden, Daten in Grafiken
einzutragen. 1967 veröffentlichte Bertin, ein französischer Kartograph, seine Theorie
über Grafiken in The Semiology of Graphics (Bertin, 1967/1983; Bertin 1977/1981).
Diese Theorie identifizierte die Grundelemente von Diagrammen und beschrieb ein
Framework für ihr Design. Zehn Jahre (1977) später legte Tukey den Fokus seiner Arbeit
Exploratory Data Analysis nicht auf die Qualität der Grafiken, sondern auf die
Verwendung von Bildern um einen raschen statistischen Einblick in Daten zu erhalten.
1983 veröffentlichte Tufte dann eine Theorie der Datengrafiken, welche die Maximierung
der Dichte von relevanter Information betonte. Sowohl Bertins als auch Tuftes Theorie
wurde sehr bekannt und beeinflusste die verschiedensten Communities, mit der Folge,
dass die Information Visualization sich als eigene Disziplin entwickelte.
Auch das 1988 von Cleveland und McGill veröffentlichte Buch Dynamic Graphics für
Statistics, welches neue Visualisierungen von Daten erläuterte, übte einen großen
Einfluss aus. Von besonderem Interesse war die Problemstellung, wie man Datensätze
mit
vielen
Variablen
visualisieren
sollte.
Inselbergs
Parallelkoordinaten-Technik
(Inselberg und Dimsdale, 1990) und Mihalisins Technik der „Cycling through Variables at
different Rates“ (Mihalisins, Timlin und Schwegler, 1991) gehörten dabei zu den
interessanten Lösungsansätzen. Andere Gruppen, wie die von Eick arbeiteten dagegen an
Techniken zur Darstellung großer Datensätze in Form von statistischen Grafiken,
verbunden mit wichtigen Problemen in Telekommunikationsnetzwerken und in großen
Computerprogrammen (Becker et al., 1995; Eick, Steffen und Sumner,1992). Der
Schwerpunkt der Statistiker lag auf der Analyse multidimensionaler, multivariabler Daten
und auf neuartigen Typen von Daten.
1985 startete die NSF (National Science Foundation) die Initiative der „Scientific
Visualization“ (McCormick and DeFanti, 1987). Die erste IEEE Visualization Conference
fand dann 1990 statt. Diese Community wurde von Wissenschaftlern, Physikern und
Computerwissenschaftlern im Bereich des „Supercomputing“ geleitet.
26
Zu dieser Zeit sendeten auch Satteliten erstmalig große Mengen an Daten zurück, so
dass Visualisierung als Methode, deren Analyse zu beschleunigen und die Identifikation
interessanter Phänomene zu verbessern, als sehr nützlich erkannt wurde. Ebenso
versprach der Einsatz von Visualisierungen als Teil von Versuchen, teure Experimente
durch Computersimulationen (z.B. Windtunnel) zu ersetzten.
Auch die Communities der Computergrafik und Artificial Intelligence bekundeten
zunehmend Interesse bezüglich automatisierter Präsentation und automatisiertem Design
visueller Repräsentationen von Daten. Diese Anstrengungen wurden angetrieben von
Mackinlays These APT (Mackinlay, 1986a), welche Bertins Design Theorie formalisiert,
psychophysische Daten hinzufügte und diese verwendete um Präsentationen zu erstellen.
1990 entwickelten Roth and Mattis ein System, um komplexere Visualisierungen zu
erzeugen als die von Tufte. 1991 fügte dann Casner noch eine Repräsentation von Tasks
hinzu. Das Anliegen dieser Community war nicht so sehr die Qualität der Grafiken als viel
mehr das Matchen zwischen Datentypen, Kommunikationsabsichten und grafischen
Repräsentationen der Daten zu automatisieren.
Zu der Zeit entdeckte auch die User Interface Community, dass die Fortschritte in der
Grafikhardware Möglichkeiten für neue Generationen von User Interfaces bot. Diese
Interfaces fokussierten auf die Interaktion des Users mit großen Mengen an Information,
wie multivariante Datenbänken oder Dokumentensammlungen. Die erste Verwendung
des Ausdrucks „Information Visualization“ trat vermutlich bei Robertson, Card, Mackinlay
(1989) auf. 1990 präsentierten Feiner und Beshers (1990b) eine Methode, Worlds within
Worlds, für die Darstellung von sechs-dimensionalen Finanzdaten in einer Immersive
Virtual Reality. 1992 entwickelte Shneiderman (1992b) eine Technik, welche Dynamic
Queries genannt wird, um Teilmengen der Datenobjekte interaktiv zu selektieren und
eine weitere Visualisierung namens Treemaps, welche eine raumfüllende Repräsentation
eines
Baums
(Trees)
darstellt.
Card,
Robertson
und
Mackinlay
präsentierten
Darstellungstechniken, welche mittels Animation und Distorsion die Interaktion mit
großen Datensätzen in einem System genannt Information Visualizer (Card, Robertson
and Mackinlay, 1991; Robertson, Mackinlay, and Card, 1991; Mackinlay, Robertson, and
Card, 1991) ermöglichten. Das Anliegen war auch hier nicht so sehr die Qualität der
Grafiken, sondern viel mehr die kognitive Erweiterung. Interaktivität und Animation
gehörten
zu
den
wichtigsten
Featuren
dieses
Systems.
Diesen
anfänglichen
Entwicklungen folgten Verfeinerungen und neue Visualisierungen, wobei sich die
verschiedenen Communitys stets gegenseitig beeinflussten. [übernommen aus CMS
1999]
27
Abschließend erfolgt noch mal ein kurzer chronologischer Überblick über einige der
wichtigsten Schritte im Bereich der Visualisierung:
ƒ
1786 Playfair
Verwendung abstrakter visueller Eigenschaften, wie Linien und Bereiche um Daten
visuall zu repräsentieren
ƒ
1967 Bertin
The Semiology of Graphics – Identifizierung der Grundelemente von Diagrammen
und Beschreibung eines Framework für ihr Design
ƒ
1977 Tukey
Exploratory Data Analysis – Die Verwendung von Bildern um einen raschen
statistischen Einblick in Daten zu erhalten
ƒ
1983 Tufte
Theory of Data Graphics - Maximierung der Dichte von nützlicher /verwendbarer
Information
ƒ
1985 NSF
Start der Initiative der “Scientific Visualization”
ƒ
1986 Mackinlay
These APT – Formalisierung von Bertins Design Theorie
ƒ
1988 Cleveland und McGill
Dynamic Graphics für Statistics – Erläuterungen neuer Visualisierungen von Daten
ƒ
1989 Robertson, Card und Mackinlay
Erstmalige Verwendung des Ausdrucks „Information Visualization“
ƒ
1990
Erste “IEEE Visualization” Konferenz
ƒ
1990 Inselberg
Parallelkoordinaten Methoden
ƒ
1990 Feiner und Beshers
Worlds within Worlds
ƒ
1991 Mihalisin
Cycling through Variables at different Rates
ƒ
1991 Card, Robertson, Mackinlay
Information Visualizer (Animation und Distorsion)
ƒ
1992 Shneiderman
Dynamic Queries, Treemaps
28
2.4 Definition von Begrifflichkeiten
Terminologie ist in vielen Forschungsbereichen ein Problem. Ähnliche Begriffe werden
oftmals sehr frei verwendet, auch wenn damit wichtige Konzepte adressiert werden. [Spe
2001] Auch der Bereich der Visualisierung von Daten stellt dabei keine Ausnahme dar.
Eher im Gegenteil, da sich verschiedene Disziplinen mit der Visualisierung von Daten
beschäftigen, werden je nach Disziplin für prinzipiell gleiche Konzepte unterschiedliche
Begriffe verwendet. Jedoch ist auch die Verwendung der Begrifflichkeiten innerhalb einer
Disziplin, wie der Information Visualization nicht einheitlich. Entsprechend kursieren
zahlreiche Begriffe wie Information Design, Interactive Design, Interactive Visualization,
Dynamic Graphics, Information Visualization oder Data Visualization. Daher folgt an
dieser Stelle nun die Definition von Begrifflichkeiten, wie sie in der STAR verstanden wird.
Sowohl die Information Visualization als auch die Scientific Visualization gehören zu dem
weitreichenden Feld der Datengrafik (Data Graphics), welches die Verwendung von
abstrakten, gegenstandslosen visuellen Repräsentationen umfasst, mit dem Ziel die
Kognition zu steigern. Das Feld der Datengrafik (Data Graphics) gehört wiederum zum
Bereich des Information Design, welcher sich - mit dem Ziel der Steigerung von
Kognition - allgemein mit externer Repräsentation beschäftigt. Auf oberster Ebene könnte
man Information Design - Teil der externen Kognition -
als den Einsatz der externen
Welt ansehen, um einen kognitiven Prozess auszuführen. Die Beschreibung der
Zielsetzung von Information Visualization als die Steigerung von Kognition, ist absichtlich
breit gefächert. Kognition kann sowohl das Schreiben eines wissenschaftlichen Textes
sein als auch das Auswählen eines Produktes beim Einkauf. Generell nimmt die Kognition
Bezug auf den intellektuellen Prozess bei welchem Information empfangen, transformiert,
gespeichert, abgefragt und verwendet wird. All dies kann allgemein mittels externer
Kognition und speziell durch Information Visualization erweitert werden. [Card 2003]
Die nachfolgenden Definitionen von [CMS 1999], beschreiben auf einer sehr allgemeinen
und leicht nachvollziehbaren Ebene nochmals die Beziehungen zwischen den Konzepten,
welche zum Bereich der Information Visualization in Verbindung stehen. Zahlreiche
andere Definitionen aus diesem Bereich sind oftmals spezieller ausgelegt.
29
ƒ
Insight
”Main goals of insight are discovery, decision making,
and explanation.“
ƒ
Cognition
“Cognition is the acquisition or use of knowledge
with the goal to get insight.“
ƒ
External Cognition
„Use of the external world to accomplish cognition.”
ƒ
Information Design
”Design of external representations to amplify cognition.”
ƒ
Data Graphics
”Use of abstract, nonrepresentational visual representations
of data to amplify cognition.”
ƒ
Visualization
”Use of computer-based, interactive visual representations of
data amplify cognition.”
ƒ
Scientific Visualization
”Use of interactive visual representations of scientific data,
typically physically based, to amplify cognition.”
ƒ
Information Visualization
”Use of interactive visual representations of abstract,
nonphysically based data to amplify cognition.”
Somit ergibt sich nach [CMS 1999] folgende Definition für Information Visualization:
“Information visualization can be defined as the use of computer-supported,
interactive, visual representations of abstract data to amplify cognition.”
30
Für den Begriff der “Information Visualization”, bzw. „Visualisierung“ aus dem Bereich
der Information Visualization finden sich, wie bereits erwähnt, zahlreiche weitere
Definitionen. Inhaltlich ähneln sich diese größtenteils. Hier nun einige Beispiele:
Rolf Däßler (Fachhochschule Potsdam):
“Unter Informationsvisualisierung werden heute alle Konzepte, Methoden und Tools zur
visuellen Darstellung von Informationen aus Datenbanken, digitalen Bibliotheken oder
anderen großen Dokumentensammlungen, zusammengefasst. Informationsvisualisierung
beinhaltet die computergestützte Aufbereitung und visuelle Repräsentation abstrakter
Informationen mit dem Ziel, den kognitiven Zugang zu elektronisch gespeicherten Daten
zu erleichtern.“ [Dae 2003]
Colin Ware (University of New Hampshire):
„Visualization can be described as the mapping of data to visual form that supports
human interaction in a workspace for visual sense making.” [War 1999]
Robert Spence (Imperial College of Science, Technology and Medicine, London):
“Interactive Visualization is a lively, interactive examination and interpretation of
graphically presented data, in which rearrangement is an important part and the
outcome is ususally not predictable.” [Spe 2001]
31
2.5 Visualisierung ≠ Visualisierung
„There are right ways and wrong ways to show data;
there are displays that reveal the truth and displays that do not.”
[Tufte]
Auch wenn Visualisierungen an sich dem Menschen dabei helfen, Aufgaben zu erfüllen
und ihn bei der Entscheidungsfindung unterstützen, so muss dennoch differenziert
werden, dass allein die Tatsache eine Visualisierung zu verwenden um Daten darzustellen
nicht ausreicht, um auch den gewünschten Effekt damit zu erreichen. Ob eine
Visualisierung nutzt oder eventuell sogar schaden kann hängt davon ab, wie geeignet sie
für jeweiligen Kontext ist, in welchem sie eingesetzt wird. Dementsprechend liegt die
Anforderung
bei
Visualisierungen
darin,
eine
adäquate
Visualisierung,
bzw.
ein
geeignetes visuelles Mapping für die jeweilige Datenwelt und der damit verbundenen
kontextspezifischen Aufgabe zu finden.
Um diese theoretische Anforderung besser zu verdeutlichen und die Einstellung dahin
gehend zu sensibilisieren, werden in der Literatur häufig zwei Beispiele von [Tuf 1997]
angeführt: die Cholera Epidemie im September 1854 in London und der Start der
Challenger am 28. Januar 1986. Diese beiden extremen Situationen zeigen exemplarisch,
welche Konsequenzen die Entscheidungen haben können, welche aufgrund der Qualität
von Visualisierungen getroffen werden.
2.5.1 Cholera Epidemie in London
Laut Dr. John Snow, einem heutzutage sehr bekannten Pionier im Bereich des
Gesundheitswesens, erlebte London 1854 die schrecklichste Cholera Epidemie, die es in
England jemals gab. Am Abend des 31. August 1854 wurden in London die ersten Fälle
von Cholera registriert. Nur innerhalb weniger Stunden breitete sich die Krankheit rasch
weiter aus, beschränkte sich jedoch noch größtenteils auf den Bereich um die Broad
Street. Jedoch lag dort die Sterblichkeitsrate enorm hoch, da die Menschen nach der
Ansteckung bereits innerhalb weniger Stunden starben;
schneller als jemals bei einer
anderen Epidemie zuvor. Da man damals glaubte, dass Cholera von der Luft übertragen
wird - teilweise sogar, dass es von bösen Geistern übertragen wird - flohen viele
Menschen aus ihren Wohnungen und ganze Häuser und Straßen verwaisten.
32
Dr. John Snow, der bereits zuvor Epidemien in England erforscht hatte, mutmaßte
sogleich, dass die Cholera vom Wasser einer gemeinsam genutzten Wasserpumpe an der
Ecke Broad Street und Cambridge Street verursacht wurde. Zu der damaligen Zeit wurde
die Bevölkerung in London noch über gemeinsam genutzte Brunnen mit Wasser versorgt.
Eine Untersuchung des Wassers brachte aber keine schlüssigen Beweise, worauf er
anhand einer Liste der Toten, welche er vom General Register Office bekommen hatte,
eine Karte von London an fertigte, in die er die geografische Lage der Todesfälle eintrug.
Abb. 3 zeigt das von der Cholera betroffene Wohnviertel um die Broad Street herum, mit
den eingetragenen Todesfällen in Form von schwarzen Balken für jeden einzelnen Fall
sowie die in Verdacht stehende Wasserpumpe.
Arbeitshaus
Brauerei
Wasserpumpe
„Broad Street“
Abb. 3 Geografische Karte vom Wohnviertel um die Broad Street, mit eingetragenen Todesfällen [Tuf 1997]
Die ursprüngliche Liste der Todesfälle zählte die Namen der Toten auf und gab eine
Beschreibung
der
Lebensverhältnisse,
geordnet
nach
Todesdatum.
Eine
davon
angefertigte Grafik der Todesfälle (Abb. 4) zeigte die Anzahl der Todesfälle in zeitlicher
Abfolge. Durch die zeitliche Darstellung entstand eine Chronologie der Epidemie. Jedoch
erschloss sich aus der Art der Visualisierung keinerlei möglichen Ursachen für die
Cholera. Beschreibende Erzählungen sind keine Ursachenerforschung und waren in
diesem Fall daher nutzlos um eine Strategie zu entwickeln, um die Epidemie zu stoppen.
33
Abb. 4 Zeitliche Darstellung der Todesfälle [Tuf 1997]
Die geografische Karte von Snow dagegen bot direkte und effektive Aussagen über die
möglichen Ursache-Wirkung Beziehungen. Er gestaltete die Originaldaten von einer
eindimensionalen temporalen Ordnung in eine 2D räumliche Ordnung um und zeichnete
die Todesfälle und alle Pumpen ein, worauf sich eine Clusterung in der Broad Street
Pumpe ergab. Diese Karte enthüllte eine enge Verbindung zwischen den Cholera
Todesfällen und der Nähe zu der Broad Street Pumpe, im Kontext von gleichzeitigen
Vergleichen mit anderen örtlichen Wasserquellen und der umgebenden Nachbarschaft
ohne Cholera.
Um die Ursache für die Epidemie vollständig zu verstehen, war es ebenfalls erforderlich
eine Analyse derer, die der Krankheit entkommen sind, durchzuführen. Die Karte zeigte
klar, dass bei dem Vergleich zwischen den Lebenden und den Todesfällen einige Lücken
existieren.
Auffallend
sind
vor
allem
die
Lücken im
Bereich
der
Brauerei
(70
Brauereiangestellte und keiner erkrankt) und einem Arbeitshaus in der Nähe der Pumpe
(siehe Abb. 3). Nachforschungen zeigten, dass sowohl das Arbeitshaus als auch die
Brauerei über eigene Brunnen im Haus verfügten und somit überhaupt kein Wasser aus
der Broad Street Pumpe bezogen hatten. Den Arbeitern der Brauerei war es sogar
erlaubt, täglich eine bestimmte Menge des Biers, welches hergestellt wurde, selbst zu
trinken. Dagegen gab es in den direkt angrenzenden Häusern zu dem Arbeitshaus und
der Brauerei Cholera-Tote. Allerdings zeigte die Karte auch einige Todesfälle, welche
nicht in unmittelbarer Nähe zur Broad Street Pumpe lagen, sondern näher zu anderen
Wasserpumpen lagen. Snow ging jedem einzelnen Fall persönlich nach und konnte,
obwohl die außenliegenden Fälle zufällig und nicht erklärbar schienen, nachweisen, dass
alle diese Personen aus den verschiedensten Gründen ebenfalls Wasser aus der
kontaminierten Pumpe getrunken hatten. Die Begründungen reichten von Personen,
welche in dieser Gegend zu Besuch waren oder Personen, deren Arbeits- oder Schulweg
an der Pumpe vorbei führte bis zu einem Fall, in dem sich die betroffene Person speziell
34
das Wasser von der Pumpe an der Broad Street besorgt hat, da es angeblich
geschmacklich
besser
war
als
das
Wasser
anderer
Pumpen.
Aufgrund
der
Untersuchungen und Beweise von Dr. Snow wurde veranlasst, dass die Pumpe an der
Broad Street entfernt wurde. Wie sich später herausstellte, war ein Abwasserrohr in der
Nähe gebrochen und hat das Wasser dieser Pumpe verseucht. Kurze Zeit nach
Entfernung der Wasserpumpe endete die Epidemie.
Obwohl Dr. John Snow viele Beweise für eine Kontaminierung der Wasserpumpe der
Broad Street erbringen konnte, lässt sich bis heute nicht eindeutig beweisen – wie er
auch selbst feststellte -, dass die Entfernung der Pumpe unmittelbar mit dem Ende der
Epidemie
zusammenhing,
da
die
Epidemie
zum
Zeitpunkt
der
Entfernung
der
Wasserpumpe ohnehin bereits am abklingen war (siehe Abb. 5). Ein möglicher Grund für
das Ende der Epidemie wäre auch, dass zu diesem Zeitpunkt bereits viele Menschen aus
den betroffenen Gebieten geflohen waren und daher auch die Zahl der Opfer und der
Neuansteckungen sank. Da aber sowohl die Grafik (Abb. 5) als auch die geografische
Karte (Abb. 3) nur absolute Zahlen zeigen und keine Relationen, wird auch heute noch
häufig die Entfernung der Pumpe als Grund für das Ende der Epidemie angeführt. Auch
wenn kein eindeutiger Beweis dafür vorliegt, so schützte das Entfernen der Pumpe
zumindest vor einem Wiederausbruch der Cholera.
Abb. 5 Zeitlicher Verlauf der Cholera-Epidemie [Tuf 1997]
Die Maßnahmen gegen die Broad Street Pumpe basierten auf einer Vielfalt von Beweisen:
Die Cholera-Karte, Studien ungewöhnlicher Umstände, Vergleiche der Lebenden und
Toten, deren Wasserkonsum, sowie die Idee eine Ursache für die Kontaminierung des
Wassers. Dr. John Snow zeigte, dass mit einer logischen Vorgehensweise und den
geeigneten Methoden sich aus Daten viele und vor allem relevante Informationen ablesen
lassen.
35
Auch wenn bis heute nicht eindeutig geklärt werden konnte, weshalb die Epidemie
endete, bewies Dr.Snow durch seine Untersuchungen, dass Cholera durch Wasser und
nicht durch Luft übertragen wird, wie bis dahin fälschlicherweise angenommen wurde.
1886 festigte die Entdeckung des Vibrio Cholerae Bakteriums die Theorie von Snow. Noch
heute ist er dafür bekannt, die Art der Cholera Übermittlung und die Methode der
Prävention entdeckt zu haben. 1955 gedachten die Proceedings of the Royal Society of
Medicine Snow’s Entdeckung. Ein renommierter Epidemiologe, Bradford Hill schrieb: „ For
close upon 100 years we have been free in this country from epidemic cholera, and it is a
freedom which, basically, we owe to the logical thinking, acute oberservations and simple
sums of Dr. John Snow.”
2.5.2 Space Shuttle Challenger
Am 28. Januar 1986 explodierte das Space Shuttle Challenger und sieben Astronauten
verloren dabei ihr Leben. Grund dafür waren zwei Gummi O-Ringe, die aufgrund der
extremen Kälte an diesem Tag ihre Elastizität verloren hatten und deshalb gebrochen
waren (Abb. 6).
Gebrochener O-Ring
Abb. 6 Die Challenger etwa 60 Sekunden nach dem Start [Tuf 1997]
Am Tag vor dem Start äußerten die Ingenieure des Space Shuttles der Firma Thiokol
Bedenken hinsichtlich des Starts der Challenger, da die Wetterprognosen für den
nächsten Tag 26 bis 29 Grad Fahrenheit voraussagten. Bei einer solchen Kälte könnten
die O-Ringe der Belastung voraussichtlich nicht standhalten, weswegen empfohlen
wurde, den Start der Challenger zu verschieben. Sie begründeten ihre Besorgnis
aufgrund verschiedene Quellen: eine Historie von O-Ring Beschädigungen während
früherer Starts des Shuttles an kalten Tagen, die physische Elastizität (welche
exponential mit zunehmender Kälte abnimmt) und Versuchsdaten. Diese Quellen
36
präsentierten sie in 13 unterschiedlichen Grafiken, welche sie an die NASA - die
Regierungsbehörde, welche für den Flug verantwortlich war - faxten. Jedoch konnten die
Verantwortlichen der NASA den Grafiken keinerlei Beweiskraft dafür entnehmen, dass die
Beschädigungen der O-Ringe mit kalten Temperaturen zusammenhingen, und lehnten es
daher ab, den Start der Challenger zu verschieben. Daraufhin erfolgte der Start der
Challenger planmäßig.
Unabhängig von einer ganzen Reihe von Ursachen, welche für das Unglück der
Challenger verantwortlich waren, war auch das Unvermögen, die Verbindung zwischen
kalten Temperaturen und den Beschädigungen von O-Ringen bei früheren Flügen
glaubhaft darzustellen und somit das Risiko für diesen Start realistisch abschätzen zu
können, mitverantwortlich für die Explosion des Space Shuttles. Eine aussagekräftige,
vor dem Flug durchgeführte Analyse hätte offenbart, dass dieser Flug ein erhebliches
Risiko für die Challenger und ihre Besatzung darstellte.
Bei der Erstellung der 13 Grafiken für die NASA unterliefen den Ingenieuren des Space
Shuttles eine Reihe von Fehlern. Die Grafiken waren schlecht gestaltet, wie z.B. ein
schlechter Index, schlechte Farbabstufungen, vertikale Beschriftungen, schlampige
Typographie oder enthielten zum Teil nicht relevante Daten, wie Daten von Testraketen,
die niemals einem echten Flug ausgesetzt waren. Insgesamt hatten die Grafiken keine
große Aussagekraft. Vor allem aber die richtige Auswahl der Daten kann den Unterschied,
zwischen aussagekräftigen und nicht aussagekräftigen Darstellungen ausmachen. Durch
diese Wahl wird die analytische Agenda, welche zu einer bestimmten Entscheidung führt,
festgesetzt.
Abb. 7 Grafik, die der NASA zur Entscheidungsfindung für den Start der Challenger vorlag [Tuf 1997]
37
Abb. 7 stellt eine der 13 erstellten Grafiken dar, welche der NASA zur Entscheidungsfindung für den Start der Challenger vorlag. Diese Grafik zeigt alle O-Ring Messwerte, die
für alle 24 früheren Shuttle Starts ermittelt wurden. Die Repräsentation dieser Messwerte
erfolgt durch 48 kleine Raketenabbildungen, welche die 24 Flüge repräsentieren.
Insgesamt gab es sieben Flüge mit O-Ring Problemen. Die Starttemperatur wird für jedes
Paar Raketen einzeln angegeben. Zwar enthält diese Grafik alle Daten, die benötigt
werden um die Beziehung zwischen Temperatur und O-Ring Schaden zu diagnostizieren,
dennoch ist es nicht möglich diese zu erkennen. Die schlechte Gestaltung macht es
unmöglich, die relevanten Informationen daraus ablesen zu können. Die fehlende visuelle
Klarheit beim Anordnen der Beweise ist ein Zeichen für fehlende intellektuelle Klarheit
bezüglich der Argumentation der Beweise.
Der größte Fehler ist jedoch die chronologische Anordnung, da sie keinerlei Bezug zur
Temperatur herstellt, obwohl dies gezeigt werden sollte. Informationsdarstellungen
sollten dem bevorstehenden analytischen Zweck dienen; d.h. wenn eine mögliche
Ursache-Wirkung–Beziehung dargestellt werden soll, sollte der Graph die Daten so
organisieren, dass eine solche Verbindung beleuchtet wird. Daher sollte in diesem Fall die
Ordnung der Daten nicht chronologisch sein, sondern in der Ordnung nach der möglichen
Ursache.
Obwohl die Ingenieure aufgrund kausalen Denkens das Problem erkannt hatten, war es
ihnen nicht möglich, dieses ebenso schlüssig darzustellen. Die analytischen Grafiken
verfehlten die tatsächlich präsente Gefahr aufzudecken und zeigten den Verantwortlichen
bei der NASA nicht die drohende Gefahr.
Tatsächlich, so zeigt Tufte, bedurfte es lediglich eines einfachen Scatterplots und einer
geordnete Tabelle um die unmittelbare Beziehung zwischen Temperatur und O-Ring
Schaden zu offenbaren. In einer Tabelle wird die gesamte History der Temperatur und ORing Zustände für alle früheren Flüge aufgeführt. Die Einträge sind nach der möglichen
Ursache - Temperatur - vom kältesten bis zum wärmsten Start geordnet. Zusätzlich
wurde für jeden Start ein durchschnittlicher O-Ring Schaden ermittelt. Die Tabelle lässt
den Zusammenhang von O-Ring-Schäden und kaltem Wetter
- mit dem Fokus auf
Probleme, welche bei kaltem Wetter auftauchen verglichen mit Problemen, die bei
warmem Wetter auftauchen - erkennen.
Der Scatterplot (Abb. 8) zeigt die Erfahrungswerte aller 24 früheren Starts vor der
Challenger. Wie die Tabelle, zeigt der Graph das ernsthafte Risiko einen Start bei 29 Grad
durchzuführen. Über Jahre hinweg hatten O-Ringe konstante Probleme bei kühleren
Temperaturen: in der Tat war das Resultat jedes Starts unterhalb von 66 Grad ein
defekter O-Ring; an wärmeren Tagen traten dagegen nur bei wenigen Flüge Erosionen
auf. Dieser Graph, dessen Temperaturskala bis zu 25 Grad reicht, drückt visuell aus, wie
38
die Hochrechnung aussehen muss, wenn man bei 29 Grad startet. Der kälteste Flug ohne
einen O-Ring Defekt wurde bei 66 Grad gemacht. 37 Grad wärmer als für das Datum des
Starts der Challenger vorher gesagt wurde. D.h. die Grafik sagt klar aus, dass bei einer
Temperatur bei 29 Grad Fahrenheit nicht gestartet werden darf.
Abb. 8 Scatterplot, der die Abhängigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997]
Für den Start der Challenger gab es außer den beschriebenen Gründen auch einen hohen
politischen und öffentlichen Druck. Starts von Shuttles waren zum damaligen Zeitpunkt
zur vermeintlichen Routine geworden. Der Start der Challenger wäre der erste Start
eines Space Shuttles seit Jahren gewesen, welcher hätte abgesagt werden müssen. Das
Ausbleiben von klarem Denken bei der Analyse und der Präsentation von Beweisen öffnet
beim Treffen von Entscheidungen die Tür für alle Sorten von politischen oder anderen
schädlichen Einflüssen. Seit dem Unglück der Challenger wurden eine Reihe von Flügen
aus guten Gründen abgesagt.
2.5.3 Verfälschende Visualisierungen
Nicht jede Visualisierung gibt den Inhalt der zugrundeliegenden Daten wahrheitsgetreu
und vor allem objektiv wieder. Visualisierungen sind durchaus in der Lage wahre
Gegebenheiten oder Tatsachen zu verfälschen, obwohl sie auf einer korrekten Datenbasis
erstellt wurden. Anknüpfend an das Beispiel der Cholera Epidemie in London im Jahre
1854 soll gezeigt werden, dass je nach Visualisierung die Tatsachen abgeschwächt
beziehungsweise verstärkt werden können. Diese Darstellung erfolgt zunächst an dem
bereits beschriebenen „Irrglauben“, dass die Bekämpfung der Cholera Epidemie eindeutig
auf die Entfernung der Wasserpumpe in der Broad Street durch Dr. John Snow zurück
zuführen ist und nachfolgend an einer nachträglich erstellten geografischen Bereichsaufteilung derselben Daten. Wie Abb. 9 (oben) zeigt, ging die Epidemie zum Zeitpunkt
39
der Entfernung der Wasserpumpe an der Broad Street bereits zurück. Die Entfernung der
Pumpe lässt also in der Grafik keine tatsächliche merkliche Änderung der Todesrate
erkennen.
Abb. 9 Tägliche vs. wöchentliche Darstellung der Todesfälle [Tuf 1997]
Ändert sich nun in derselben Grafik mit denselben zugrundeliegenden Daten lediglich die
Art der Darstellung der Daten und zwar von einer täglichen Darstellung der Todeszahl zu
einer kumulierten wöchentlichen, scheint es, dass die Entfernung der Pumpe einen
sofortigen rapiden Rückgang der Todesfälle von 458 nach 112 zur Folge hatte. Die
tägliche Einteilung lässt dagegen keinen solchen Effekt erkennen.
Eine weitere Verschiebung der Einteilung der Zeitleiste und zwar von einer wöchentlichen
zu einer wochenübergreifende Einteilung, lässt die Tatsache der Entfernung der Pumpe
noch dramatischer erscheinen (siehe Abb. 10). In dieser Darstellung scheint sich die
Epidemie drei Wochen lang dramatisch auszubreiten, bis schließlich Ende der dritten
Woche die Wasserpumpe entfernt wird. Nur zwei Tage später, eine typische Zeitspanne
zwischen der Infektion durch infiziertes Wasser und dem darauffolgenden Tot durch
Cholera, erfolgte laut Grafik ein rapider Rückgang der Todesfälle. Ohne Kenntnis der
anderen Grafiken, wäre eine missverständliche Deutung der Sachverhalte unabwendbar.
40
Abb. 10 Wochenübergreifende Darstellung der Todesfälle [Tuf 1997]
Auch die Art der Aufteilungen von Flächen kann die Wahrheit sowohl offen legen als auch
verbergen. Dr. John Snow verwendete eine Punktekarte um die Todesfälle im Bereich
Londons geografisch festzuhalten. Nimmt man eine geografische Aufteilung der Bereiche
vor, so ist es möglich, je nach Aufteilung der Bereiche die Aussagen der Grafiken zu
„verfälschen“. Dies zeigen die von Mark Monmonier6 erstellten Grafiken, welche er auf
derselben Datenbasis erstellte, wie Dr. Snow seine Punktekarte. Abb. 11 zeigt eine
geografische Aufteilung des Gebietes in sechs Bereiche, bei der die meisten Todesfälle im
Bereich
der
Broad
Street
Pumpe
vorkommen.
Ersichtlich
ist
dies
anhand
der
verschiedenen Grauwerte. Der dunkelste Grauwert steht für die meisten Todesfälle, der
hellste Grauwert entsprechend für die wenigsten Todesfälle. Die Ergebnisse hinsichtlich
der Zentrierung der Todesfälle in der Nähe der Wasserpumpe der Broad Street,
entspricht den Ergebnissen, die auch Dr. Snow erhielt.
Wasserpumpe
„Broad Street“
Abb. 11 Geografische Einteilung des Bereichs
um die Broad Street in fünf Einzelbereiche
– Version 1 [Tuf 1997]
6
Mark Monmonier, How to Lie with Maps (Chicago, 1991), pp.142-143.
41
Abb. 12 links teilt dagegen das Gebiet geografisch so ein, dass die Anzahl der Todesfälle
in vier der fünf Bereich nahezu gleich hoch ist und es somit keine Zentrierung in einem
Bereich gibt. In einer weiteren Einteilung des Gebietes (Abb. 12 rechts) in fünf Bereiche,
liegt die infizierte Wasserpumpe nicht einmal in den beiden am stärksten von Todesfällen
betroffenen Gebieten.
Abb. 12 Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 2 [Tuf 1997]
und Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 2 [Tuf 1997]
Diese beiden Beispiele zeigen, dass es möglich ist, mit grafischen Darstellungen
Tatsachen zu verfälschen, ohne die zugrundliegende Datenbasis selbst manipulieren zu
müssen. Mittlerweile ist es leicht geworden mittels computergestützten Berechnungen
und Erstellungen von Grafiken, Tausende von möglichen Variationen von grafischen und
statistischen
Zusammenfassungen
zu
durchsuchen.
Dies
führt
dazu,
dass
man
mittlerweile für Publikationen oder ähnliches ausschließlich die Grafiken heraus sucht,
welche die eigene Sichtweise auch vorteilhaft unterstützen. Somit können auch
Visualisierungen,
ähnlich
wie
Worte
oder
mitunter
sogar
stärker,
Sachverhalte
verfälschen.
42
2.6 Herausforderung des Themas
„The purpose of visualization is insight, not pictures.“
[Card, Mackinlay, Shneiderman]
Die Thematik der Visualisierung von Daten ist, wie bereits erwähnt, ein breitgefächertes
Feld, mit dem sich verschiedenen Disziplinen, wie die Computer Grafik oder die
Information Visualization beschäftigen und welches über zahlreiche Anwendungsmöglichkeiten in vielen unterschiedlichen Bereichen verfügt. Die vorliegende State-ofthe-Art Analyse beschäftigt sich mit der Thematik aus Sicht der Information Visualization,
jedoch sind viele der Aspekte auch übertragbar auf die anderen Disziplinen.
Die Herausforderung der Thematik der Visualisierung von Daten im allgemeinen liegt
darin, die oftmals propagierten Vorzüge der visuellen Darstellung von Daten Unterstützung
der
menschlichen
Wahrnehmung
bei
der
Informationssuche
und
Hilfestellung beim Verstehen und Erkennen von Informationsstrukturen [Lin 1998] - mit
einer konkreten Visualisierung auch zu erreichen. Die Verwendung einer visuellen
Darstellung, bzw. Visualisierung anstatt einer andersartigen Darstellungsform ist kein
Garant für eine Verbesserung der Darstellung selbst. Ganz im Gegenteil, dies kann auch
zu einer Verschlechterung, bzw. zu einer verfälschenden Darstellung führen (siehe
Kapitel 2.5.3). Der Fokus bei Visualisierungen sollte daher mehr auf dem Nutzen der
Visualisierung liegen als auf den Mitteln [CMS 1999]. Jedoch wird diese Tatsache häufig
außer Betracht gelassen und manche Visualisierungen nur um ihrer selbst Willen
entwickelt.
Hypothetische
Konstrukte
oder
Annahmen,
gepaart
mit
technischer
Machbarkeit sind der Motivator für die Entwicklung solcher Visualisierungen. Unterstützt
wird diese Vorgehensweise häufig von der Tatsache, dass Visualisierungen bisher
generell kaum Evaluationen unterzogen werden und häufig nur vereinzelt den Weg in die
praktische Anwendung finden. Jedoch konnte man in jüngerer Zeit einen Wandel in
diesem Trend beobachten, da immer mehr Visualisierungen evaluiert werden, so dass die
Anzahl von empirischen Studien in diesem Bereich zunehmend steigt [CY 2000]. Wie in
Kapitel 4.4 gezeigt wird, hängt der erfolgreiche Einsatz einer Visualisierung von einer
Reihe von Faktoren ab, jedoch ist das Hauptziel von Visualisierungen stets der Nutzen für
den Benutzer, unabhängig davon wie dieser im Einzelfall definiert wird.
43
2.7 Ausgangssituation
Dieser Teil der STAR behandelt die Darstellung der Ausgangssituation, d.h. in wie weit
Visualisierungen
bei
den
derzeitigen
Webauftritten
der
Automobilbranche
bereits
eingesetzt werden. Ziel dabei ist, einen Überblick über den allgemeinen IST-Stand,
insbesondere bezüglich der Darstellung der Produktwelt, in dieser Branche zu gewinnen.
Dabei lag der Fokus der Betrachtung vor allem auf der Darstellung der Automobilwelt
(PKW), wie sie dem Kunden insbesondere im Car Konfigurator, welcher bereits viele
Interaktionsmöglichkeiten mit den Daten bietet, präsentiert wird.
Um zunächst einen allgemeinen Eindruck des Webauftrittes Mercedes-Benz Deutschland7
und der dabei verwendeten Visualisierungen zu erhalten, erfolgte eine umfassende
Betrachtung des gesamten Webseite, inklusive des Car Konfigurators. Zusätzlich wurde
auch die schwedische Version des Car Konfigurators8 von Mercedes-Benz betrachtet, da
dieser die aktuellere Version im Vergleich zum deutschen Car Konfigurator darstellt. Da
Car Konfiguratoren ein weitverbreitetes „Tool“ auf Automobil-Webseiten darstellen, war
es möglich auch die Lösungen anderer Automobilkonzerne zu prüfen und somit einen
Eindruck über den „IST-Stand“ in diesem Bereich zu erhalten. Die Auswahl der
Webauftritte erfolgte möglichst breitgefächert - unabhängig von Image oder Marktanteil
der jeweiligen Automobilkonzerne - da nicht zwangsläufig davon ausgegangen werden
kann, dass diese Faktoren unmittelbar mit der Qualität der jeweiligen Webauftritte
zusammenhängen. Jedoch berücksichtigt die Betrachtung ausschließlich – mit Ausnahme
des schwedischen Car Konfigurators – deutsche Webauftritte. Diese Spezialisierung fand
statt,
da
aus
der
Vielzahl
an
unterschiedlichen
Webauftritten,
die
größtenteils
Länderspezifisch sind, in irgendeiner Form eine Teilmenge zur Betrachtung selektiert
werden musste. Die Einschränkung auf ausschließlich deutsche Webauftritte begründet
sich damit, dass die deutschen Webseiten anderer Automobilkonzerne in unmittelbaren
Vergleich zur Webseite von Mercedes-Benz Deutschland stehen.
7
Mercedes-Benz Deutschland [http://www.mercedes-benz.de]
8
Mercedes-Benz Schweden [http://www.mercedes-benz.se]
44
Zu den betrachteten Webauftritten anderer Automobilkonzerne9, mit Fokus auf die Car
Konfiguratoren gehören (in alphabetischer Reihenfolge): Alfa Romeo, Audi, BMW,
Citroen, Daihatsu, Fiat, Ford, Lancia, Nissan, Opel, Peugeot, Porsche, Renault, Saab,
Seat, Skoda, Toyota, Volkswagen und Volvo. Da, zumindest zum Zeitpunkt der Analyse
(April 2004), nicht alle Automobilkonzerne Car Konfiguratoren auf ihren Webseiten
anbieten, fehlen an dieser Stelle einige Namen, wie zum Beispiel Honda oder Mitsubishi.
Davon abgesehen war es auch nicht Ziel dieser Betrachtung, Vollständigkeit zu erreichen
sondern einen möglichst Markenübergreifenden Eindruck bezüglich der Darstellung der
Produktwelt - insbesondere in Car Konfiguratoren - zu gewinnen.
Nachfolgend werden nun die Ergebnisse dieser Betrachtung wieder gegeben. Die
Darstellung der Ergebnisse erfolgt an dieser Stelle nicht detailliert sondern wird kurz, im
Stil eines Fazits, zusammengefasst.
2.7.1 Mercedes-Benz
Der Webauftritt von Mercedes-Benz Deutschland umfasst eine Vielzahl von Informationen
und Funktionen. Bei der Betrachtung der gesamten Webseite konnte jedoch festgestellt
werden, dass insgesamt gesehen, verhältnismäßig wenig Visualisierungen eingesetzt
werden um die Inhalte darzustellen. Die Darstellung des Kontents erfolgt vorrangig in
Textform, in Kombination mit Bildmaterial. Dazu werden häufig Fließtext, Bildreihen,
tabellenartige
Strukturen
und
Listendarstellungen
in
Kombination
mit
Hyperlinks
verwendet. Visualisierungen werden nur an einigen wenigen Stellen eingesetzt. Der
nachfolgende Abschnitt soll hierfür einige Beispiele zeigen.
So verfügt beispielweise die „Händlersuche“ über geografische Karten, in welchen die
verschiedenen Standorte von Mercedes-Benz Händlern markiert, bzw. die Anfahrtsroute
zu einem bestimmten Händler eingezeichnet ist (siehe Abb. 13). Allerdings lassen die
Karten keinerlei Form der direkten Interaktion, wie zum Beispiel „Zoom“ oder „Selektion“
durch den Benutzer zu, sondern haben einen rein statischen Bildcharakter.
9
Betrachtete Car Konfiguratoren anderer Automobilhersteller: Alfa Romeo (de) [http://www.alfaromeo.de/],
Audi (de) [http://www.audi.de], BMW (de) [http://www.bmw.de], Citroen (de) [http://www.citroen.de],
Daihatsu (de) [http://www.daihatsu.de], Fiat (de) [http://www.fiat.de], Ford (de) [http://www.ford.de], Lancia
(de) [http://www.lancia.de], Nissan (de) [http://www.nissan.de], Opel (de) [http://www.opel.de], Peugeot
(de) [http://www.peugeot.de], Porsche (de) [http://www.porsche.de], Renault (de) [http://www.renault.de],
Saab (de) [http://www.saab.de], Seat (de) [http://www.seat.de], Skoda (de) [http://www.skoda.de], Toyota
(de) [http://www.toyota.de], VW (de) [http://www.volkswagen.de], Volvo (de) [http://www.volvo.de]
45
Abb. 13 Geografische Karten: Händlerstandorte (li.) und Anfahrtsroute (re.)
Interaktion für den Benutzer bieten dagegen die „360 Grad Ansicht“ der Fahrzeuge (Abb.
14)
und
insbesondere
die
„Interaktive
Bedienungsanleitung“
der
jeweiligen
Fahrzeugklassen (Abb. 15). Hier kann der Benutzer Fahrzeug- und Bedienelemente, wie
zum Beispiel Regler und Knöpfe selber testen und das entsprechende Feedback
beobachten.
Abb. 14 „360 Grad Ansicht“ aussen (li.) und innen (re.)
46
Abb. 15 Beispielabbildungen aus der „Interaktiven Bedienanleitung“ des SLK
Der
„Fahrzeugkalkulator“
(Abb.
16
links),
welcher
zu
der
Kategorie
der
Finanzdienstleistungen gehört, nutzt für die Visualisierung einer Online-Kalkulation die
Metapher eines Armaturenbretts. Der Benutzer hat so die Möglichkeit die gewünschten
Werte bzw. Kategorien mittels direkter Manipulation der Zeiger der jeweiligen „Tachos“
auszuwählen. Eine direkte Texteingabe durch den Benutzer wird somit überflüssig.
Abb. 16 Fahrzeugkalkulator (li.) und Wunschfahrzeug (Softfinder) (re.)
Ein weiteres Tool, das zu den Finanzdienstleistungen gehört und ebenfalls eine
Visualisierung nutzt, ist der „Softfinder“ (Abb. 16 rechts). Mit diesem Tool ist es dem
Benutzer möglich, Fahrzeuge je nach Höhe der monatlichen Finanzierungsrate und
Laufzeit entsprechend zu ermitteln. Mittels Slidern können die gewünschten Angaben zu
diesen Kriterien vom Benutzer eingestellt werden. Der Softfinder liefert schließlich die in
Frage
kommenden
Fahrzeuge
in
Form
von
Fahrzeugsymbolen
zurück,
wobei
entsprechende Änderungen in Größe und Transparenz der Symbole zusätzlich die
Relevanz der Treffer kodieren.
47
Auch das Tool der „Finanzierungsarten“ arbeitet mit einer Visualisierung. Hier kann der
Benutzer je nach Finanzierungsart verschiedene Angaben, wie zum Beispiel die „Höhe der
Anzahlung“ oder die „Laufzeit“ mittels einer Balkendarstellung interaktiv verändern. Bei
Änderung einer Angabe, also der Höhe, bzw. Breite eines Balkens, veränderen sich
entsprechend die Proportionen der jeweils anderen Balken.
Abb. 17 Finanzierungsarten(li.) und Preis-Finder (re.)
Der „Preis-Finder“ (Abb. 17 rechts) schließlich stellt eine Scatterplot-Darstellung dar. Die
verikale Achse ist mit den einzelnen Fahrzeugklassen belegt (kategorische Achse), die
horizontale Achse mit dem Preis (kontinuierliche Achse). Durch die direkte Manipulation
der Preisachse kann der Benutzer sich die gewünschte Preisrange interaktiv einstellen.
Entsprechend verändert sich die Positionierung der Fahrzeugsymbole, bzw. kommen
Fahrzeuge hinzu oder fallen aus der Darstellung heraus.
Car Konfigurator
Der Car Konfigurator der deutschen Webseite von Mercedes-Benz beinhaltet selbst keine
expliziten Visualisierungen. Die Darstellung der Inhalte des Konfigurators erfolgt
hauptsächlich über horizontale oder vertikale Listen- oder Tabellendarstellungen, wobei
diese sowohl Bilder als auch Texte enthalten können. Weitere Elemente, welche häufig
verwendet werden sind Hyperlinks (Text oder Bild), Pull-Down-Menues, Radio Buttons
und Check Boxes. Über diese Elemente erfolgt in der Regel die jeweilige Auswahl des
Benutzers.
48
Abb. 18 Überblick über die Klassen und ihre jeweiligen Modelle
Der schwedische Car Konfigurator bietet im Gegensatz zum deutschen Konfigurator dem
Benutzer einen Scatterplotartigen Überblick über die jeweiligen Klassen und ihre Modelle,
bzw. Preise oder Motorleistungen (Abb. 18). Der Wechsel zwischen den jeweiligen
Darstellungen, von welchen es insgesamt drei gibt, gleicht einem Wechsel der Achsenbelegung der horizontalen Achse. Die kategorische Belegung der vertikalen Achse mit
den einzelnen Fahrzeugklassen bleibt jeweils bestehen.
Bis auf diesen Unterschied entspricht der schwedische Car Konfigurator jedoch prinzipiell
der Beschreibung des deutschen Car Konfigurators, auch wenn sich die jeweiligen
visuellen Ausgestaltungen voneinander unterscheiden. Denn auch der schwedische Car
Konfigurator setzt bis auf obige Ausnahme keine weiteren Visualisierungen ein.
2.7.2 Andere Automobilkonzerne
Die Betrachtung von Car Konfiguratoren anderer Automobilkonzerne10 ergab, dass die
Beschreibung des deutschen Car Konfigurators ebenfalls auf alle weiteren betrachteten
Konfiguratoren zutrifft. Das heisst, es gibt ein auffallend übereinstimmendes Bild, was die
prinzipielle Darstellung der Daten in den Konfiguratoren angeht. Sicherlich gibt es
Unterschiede zwischen den einzelnen Konfiguratoren, wie die visuelle Ausgestaltung,
Kategorisierungen, Zugangsmöglichkeiten oder auch angebotene Funktionen. So verfügt
zum Beispiel der Car Konfigurator von Porsche über die Funktion „Sound“, mit welcher
sich der Benutzer das Motorgeräusch der jeweiligen Fahrzeuge anhören kann. Andere
10
Die Auflistung der einzelnen Automobilkonzerne erfolgte bereits im einleitenden Teil des Kapitels.
49
Automobilkonzerne bieten Zugangsmöglichkeiten zum Konfigurator über Preis oder
Modellwahl, wie Citroen oder verfügen über sortierbare Listen, wie Renault oder Porsche.
Die Schemata, welche zur Darstellung der jeweiligen Daten verwendet werden sind
jedoch
prinzipiell
immer
dieselben:
Horizontale
oder
vertikale
Listen-
oder
Tabellendarstellungen mit Bildern oder Texten, Hyperlinks (Text oder Bild), Pull-DownMenues,
Radio
Visualisierungen
Buttons
für
die
und
Check
Inhalte
des
Boxes.
Car
Eine
Verwendung
Konfigurators
konnte
von
bei
expliziten
keinem
der
berücksichtigten Automobilkonzerne festgestellt werden.
Zusammenfassend kann man also sagen, dass explizite Visualisierungen für die
Darstellung von Daten, bisher nur wenig bei den Webauftritten von Automobilkonzernen
eingesetzt werden. Einige Ausnahmen bietet hier, wie oben gesehen, die deutsche
Webseite
von
Mercedes-Benz.
Jedoch
bestehen
vor
allem
im
Bereich
der
Car
Konfiguratoren diesbezüglich Defizite. Dabei bilden auch die Car Konfiguratoren von
Mercedes-Benz Deutschland und Schweden hierbei keine Ausnahme.
50
2.8 Legitimation für das Thema
“A picture is often said to be worth a thousand words.
Similarily, an interface is worth a thousand pictures.”
[Bederson, Shneiderman]
Wie bereits erwähnt, sind Visualisierungen in vielen Anwendungsbereichen denkbar und
werden dort zum Teil auch bereits eingesetzt. Der Trend geht zu immer mehr
Anwendungen, welche sich die Vorteile interaktiver visueller Darstellung von Information
oder Daten zu nutze machen.
Die Betrachtung der Webauftritte von Automobilkonzernen hat gezeigt, dass die
Thematik der Visualisierung hier bisher nur eine auffallend untergeordnete Rolle spielt.
Dabei bieten gerade Tools, wie der Car Konfigurator bereits jetzt schon Benutzern viele
Interaktionsmöglichkeiten mit den Daten. Demnach ist die Interaktivität mit den Daten
bereits
vorhanden,
die
Darstellung
der
Daten
erfolgt
dagegen
bisher
noch
in
konventioneller Form - häufig in Listendarstellungen. Dies bietet die Möglichkeit,
Visualisierungen in die Darstellung von Daten miteinzubringen und die Vorteile
interaktiver visueller Gestaltung von Daten zu nutzen. Die Auseinandersetzung mit der
Thematik der Visualisierung von Daten zeigt also neue Möglichkeiten für die visuelle
Repräsentation und Interaktion mit Daten auf, deren adäquater Einsatz zu verbesserten
Lösungen führt.
51
3. Visualisierung in der Wissenschaft
Teil 3 der STAR beinhaltet die Ergebnisse der Recherchen zum Thema Visualisierung in
der Wissenschaft. Dieser Teil der Studie gibt einen kurzen Überblick über die wichtigsten
Beiträge zum Thema Visualisierung von Daten auf wissenschaftlicher Ebene, wie zum
Beispiel einschlägige Literatur, Konferenzen, Wissenschaftler und Institutionen. Die
Darstellung der Ergebnisse erfolgt in gekürzter Listenform, welche entsprechende
Hinweise auf weiterführende Informationen zu den jeweiligen Ergebnissen enthält.
3.1 Konferenzen
Die nachfolgenden Konferenzen stehen alle mit der Thematik der Visualisierung von
Daten in Beziehung. Da sich mit dieser Thematik, wie schon bereits erwähnt, eine Reihe
von Disziplinen beschäftigen, fällt auch die Auflistung entsprechend heterogen aus. Die
unten angeführte alphabetische Auflistung erhebt keinen Anspruch auf Vollständigkeit.
ƒ
ACM SIGSOFT 2004
http://www.isr.uci.edu/FSE-12/
International Symposium on Foundations of Software Engineering
Newport Beach, Californien, USA
ƒ
CGIM 2004
http://www.iasted.com/conferences/2004/hawaii/cgim.htm
The 7th IASTED International Conference on Computer Graphics and Imaging
Kauai, Hawaii, USA
ƒ
CHI2004
http://www.chi2004.org/index.html
The premier international conference for human-computer interaction
Wien, Österreich
52
ƒ
CVPR 2004
http://cvl.umiacs.umd.edu/conferences/cvpr2004/
IEEE Computer Society Conference on Computer Vision and Pattern Recognition.
Washington, DC, USA
ƒ
DIS 2004
http://www.cc.gatech.edu/gvu/events/conferences.html
Designing Interactive Systems: the premier Multiple Discipline Conference
Cambridge, Massachusetts
ƒ
ECCV 2004
http://cmp.felk.cvut.cz/eccv2004/
The 8th European Conference on Computer Vision
Prag, Tschechische Republik
ƒ
Eurographics 2004
http://eg04.inrialpes.fr/
Annual Conference of the European Association for Computer Graphics
Grenoble, Frankreich
ƒ
HFES 2004
http://www.hfes.org/meetings/2004menu.html
Human Factors and Ergonomic Society: 48th Annual Meeting
New Orleans, Louisiana, USA
ƒ
ICSE 2004
http://conferences.iee.org/icse2004/
The premier Software Engineering Conference
Edinburgh, Scotland, UK
ƒ
InfoVis 2004
http://infovis.org/infovis2004/
Tenth annual IEEE Symposium on Information Visualization. InfoVis is the primary
meeting in the field of information visualization, and is held in conjunction with
the IEEE Visualization 2004 (Vis04) conference in Austin, Texas.
Austin, Texas, USA
53
ƒ
INTERACT 2005
http://giove.cnuce.cnr.it/interact2005.html
Tenth IFIP TC13 International Conference on Human-Computer Interaction
Rom, Italien
ƒ
ISSTA 2004
http://eecs.oregonstate.edu/issta2004/
International Symposium on Software Testing and Analysis
Boston, Massachusetts, USA
ƒ
Mobile HCI 04
http://www.cis.strath.ac.uk/~mdd/mobilehci04/
6th International Conference on Human Computer Interaction with Mobile Devices
and Services
Glasgow, Scotland
ƒ
SCI 2004
http://www.iiisci.org/sci2004/website/default.asp
The 8th World Multi-Conference on Systemics, Cybernetics and Informatics
Orlando, Florida, USA
ƒ
SIGGRAPH 2004
http://www.siggraph.org/s2004/
The 31st International Conference on Computer Graphics and Intercative
Techniques
Los Angeles, Kalifornien, USA
ƒ
Smart Graphics 2004
http://www.smartgraphics.org/sg04/
The 4th International Symposium on Smart Graphics
Alberta, Kanada
ƒ
UIST 2004
http://www.acm.org/uist/index.html
Seventeenth Annual ACM Symposium on User Interface Software and Technology
Santa Fe, New Mexico
54
ƒ
Vis 2004
http://vis.computer.org/vis2004/cfp/
Premier forum for Visualization Advances in science and engineering for academia,
government, and industry
Austin, Texas, USA
ƒ
VisSym 2004
http://www.inf.uni-konstanz.de/cgip/vissym04/index.shtml
The sixth joint Eurographics − IEEE TCVG Symposium on Visualization
Konstanz, Deutschland
ƒ
VolVis 2004
http://www.volvis.org/volvis2004
IEEE/SIGGRAPH Symposium on Volume Visualization and Graphics 2004
Austin, Texas, USA
3.2 Wissenschaftler und Institutionen
Der folgende Abschnitt nennt einige der bekanntesten Wissenschaftler aus dem Bereich
der
Information
Visualization
und
listet
Institutionen
auf,
welche
sich
mit
der
Visualisierung von Daten beschäftigen. Diese können aus verschiedenen Disziplinen, wie
der Computer Grafik oder der Information Visualization stammen, wobei einzelne
Institutionen auch mehrere Disziplinen - entsprechend ihrer spezifischen Forschungsbereiche - abdecken können.
Zu den sicherlich bekanntesten Forschern und Wissenschaftlern aus dem Bereich der
Information Visualization, welche auch einige der populärsten Visualisierungen in dem
Bereich mitentwickelt haben, gehören zum Beispiel:
ƒ
Benjamin B. Bederson ist Assistenzprofessor am Fachbereich Informatik der
Universität Maryland. Zudem leitet er das Human-Computer Interaction Lab
(HCIL) und wirkt am UMIACS, dem „Institut for Advanced Computer Studies“ der
Universität Maryland mit.
Homepage: http://www.cs.umd.edu/~bederson/
55
ƒ
Stuart K. Card ist Ph.D. der Psychologie mit Studienausrichtung auf Künstliche
Intelligenz (KI), Psychologie und Informatik. Seit Juni 2002 ist er Leiter der User
Interface Forschungsgruppe am Xerox Palo Alto Research Center (PARC). Sein
Forschungsschwerpunkt liegt auf Entwicklungen im Bereich der Human-Computer
Interaction.
ƒ
Jock D. Mackinlay, Ph.D. der Informatik, ist Mitglied der User Interface
Forschungsgruppe
am
Xerox
Palo
Alto
Research
(PARC).
Zu
seinen
Forschungsschwerpunkten gehört die Entwicklung von User Interfaces im Bereich
der Information Visualization. Zudem gehört er zum redaktionellen Ausschuß der
„ACM Transactions on Computer Human Interaction“.
Homepage: http://www2.parc.com/istl/members/mackinlay/
ƒ
Ben Shneiderman ist Professor am Fachbereich Informatik der Universität
Maryland. Von 1983 bis 2000 leitete er das Human-Computer Interaction
Laboratory (HCIL). Heute gehört er zu den Mitgliedern des “Institute for Advanced
Computer Studies” und des “Institute for Systems Research” an der Universität
Maryland. 1997 wurde er Mitglied der ACM, 2001 Mitglied der American
Association for the Advancement of Science und erhielt im selben Jahr den ACM
CHI
(Computer
Human
Forschungsschwerpunkte
Interaction)
liegen
in
Lifetime
den
Achievement
Bereichen
der
Award.
Seine
Human-Computer-
Interaction und User Interface Design. Ausser einer Reihe von Büchern, welche er
veröffentlichte, gehörte er dem redaktionellen Ausschuß mehrerer Journale, wie
dem „ACM Transactions on Computer Human Interaction“ oder dem „ACM
Interactions“ an.
Homepage: http://www.cs.umd.edu/users/ben/
ƒ
Robert Spence ist Professor für Information Engineering am Imperial College of
Science, Technology and Medicine, London. Seit über 40 Jahren ist er im
Forschungsbereich der Human-Computer Interaction tätig. Er gehört zu den
Mitgliedern der IEEE und der Royal Acadamy of Engineering.
Homepage: http://www.iis.ee.ic.ac.uk/~r.spence/
56
Außer den zahlreichen Forschungsgruppen, welche sich an den Universitäten mit der
Thematik der Visualisierung von Daten beschäftigen - zu denen zum Beispiel auch die
Forschungsgruppe HCI unter der Leitung von Prof. Dr. Harald Reiterer der Universität
Konstanz gehört - existieren noch eine Reihe weiterer Institutionen in diesem
Tätigkeitsbereich. Die folgende alphabetische Auflistung beinhaltet solche Institutionen,
welche sich ebenfalls mit der Thematik der Visualisierung von Daten beschäftigen. Diese
stellt lediglich eine Auswahl dar und erhebt daher keinen Anspruch auf Vollständigkeit.
ƒ
Bell Labs
http://www.bell-labs.com
Entwicklungs- und Forschungslabor der Lucent Technologies
Aktivitäten: Entwicklung von Produkten und Dienstleistungen sowie
Grundlagenforschung in den Bereichen der Kommunikationstechnologie, wie zum
Beispiel Physical Sciences, Computer Sciences & Software, Mathematical Sciences,
Network Applications, Optical Networking und Wireless Networking.
New York, USA
ƒ
Eurographics
http://www.eg.org/
European Association for Computer Graphics
Aktivitäten: Organisation von Konferenzen, Workshops, Seminaren,
Kommunikationsforen, Herausgabe von Online-Publikationen für Mitglieder, etc.
Aire-la-Ville, Schweiz
ƒ
Fraunhofer Institute for Computer Graphics (IGD)
http://www.igd.fhg.de/
Institut für Grafische Datenverarbeitung
Aktivitäten: Entwicklung von Produkten (Hard- und Software) und Erstellung
von Konzepten, Modellen und Umsetzungslösungen für die graphische Datenverarbeitung und ihre Anpassung an spezifische Anwendungsfälle.
Darmstadt, Deutschland
57
ƒ
Georgia Institute of Technology GVU Center
http://www.cc.gatech.edu/gvu/
Kooperation des Technology Square Research Building (TSRB), College of
Computing Building (CCB), Centennial Research Building (CRB) und Georgia
Center for Advanced Telecommunications Technology (GCATT)
Aktivitäten: Erforschung und Entwicklung von Technologien in den Bereichen
der Kommunikation, wie zum Beispiel Human Capabilities, Needs, and Practices,
Graphical Display Techniques, Augmented Spaces, Intelligent Sensing, Novel
Input, Output and Wearable Technologies
Atlanta, USA
ƒ
Gesellschaft für Informatik (GI)
http://www.gi-ev.de/
Verein für die Förderung des Informatikbereichs zu gemeinnützigen Zwecken
Aktivitäten: Publikation von Fachliteratur, Ausrichtung von InformatikWettbewerben, Bereitstellung fachlicher Kommunikationsforen durch
Veranstaltung von Arbeitstreffen, Fachtagungen, Kongressen und Ausstellungen,
Mitwirkung im Bereich von Normen, Standards und Validierungen, etc.
Bonn, Deutschland
ƒ
Human-Centered Computing (HCC)
http://www.cs.berkeley.edu/~jfc/hcc/
Interdisziplänres Konsortium an der UC Berkeley
Aktivitäten: Untersuchungen des Einflusses von Informationstechnologien
im Alltag. Aufbau von entsprechenden Verarbeitungszentren.
Kalifornien, USA
ƒ
Human-Computer Interaction Lab (HCIL), University of Maryland
http://www.cs.umd.edu/hcil/
Interdisziplinäres Forschungslabor der Universität Maryland, USA
Aktivitäten: Forschung in den Bereichen Advanced User Interfaces und ihren
Entwicklungsprozessen. Entwicklung von neuen Theorien, Methoden und
Technologien.
Maryland, USA
58
ƒ
IEEE Computer Society
http://www.ieee.org/portal/
Verband zur Kontrolle und Einführung von Standards in der Elektrotechnik und
Kommunikationstechnologie
Aktivitäten: Überwachung, Weiterführung und Entwicklung von bestehenden und
neu definierten Standards.
Piscataway, New York und Washington, USA; Singapur
ƒ
INI-GraphicsNet
http://www.inigraphics.net/
Internationales Netzwerk von Institutionen aus dem Bereich der Computergrafik,
wie zum Beispiel der Fraunhofer IGD
Aktivitäten: Aus- und Fortbildung, Forschung und Entwicklung in den Bereichen
der Techniken, Systemen und Anwendungen der Computergrafik; angewandte
Auftragsforschung bis hin zur Entwicklung von Technologie- bzw. Anwendungsprototypen
Coimbra, Portugal; Darmstadt, Rostock, Deutschland; Providence, USA; Singapur
ƒ
Institute for Systems Research (ISR), University Maryland
http://www.isr.umd.edu/ISR/HP.htm
Joint Venture der Universität Maryland und Harvard Universität, National
Science Foundation (NSF) Engineering Research Center der USA.
Aktivitäten: Entwicklung, Anwendung und Lehre von fortgeschrittenen Designund Analysemethoden. Erarbeiten von Lösungen für komplexe, hierarchische,
heterogene und dynamische Probleme in den Ingenieurwissenschaften und
Systemen für Industrie und Regierung.
Maryland, USA
ƒ
MIT Media Lab
http://www.media.mit.edu/
Institut für Medientechnologien an der Universität Massachusettes
Aktivitäten: Grundlagenforschungen und –anwendungen in der Überschneidung
von EDV und Kunst. Entwicklungen in den Bereichen wie z.B. Softwareagenten,
Wearable Computers, Advanced Interface Design, Interaktives Kino, Digital
Expression (von Text über Grafiken zu Sound), Räumliche Darstellung, etc.
Cambridge, USA
59
ƒ
SIGCHI
http://www.sigchi.org/
ACM's Special Interest Group on Computer-Human Interaction
Aktivitäten: Zusammenführung von Design, Evaluierung, Implementierung und
Untersuchung von interaktiven Computersystemen für die Nutzung durch den
Menschen. Pflege eines internationalen Forums im Bereich Mensch-ComputerKommunikation (HCI).
New York, USA
ƒ
SIGGRAPH
http://www.siggraph.org/index.html
ACM`s Special Interest Group on Computer Graphics
Aktivitäten: Förderung von Informationsbeschaffung und –austausch in
den Bereichen Theorie, Design, Implementierung und Anwendung von
Computergenerierten Grafiken sowie interaktiven Techniken.
New York, USA
ƒ
University of Maryland Institute for Advanced Computer Studies
(UMIACS)
http://www.umiacs.umd.edu/
Forschungsinstitut der Universität Maryland im Bereich der Advanced Computer
Studies
Aktivitäten: Förderung von interdisziplinärer Forschung und Ausbildung in der
EDV, insbesondere in den Bereichen Computer Science, Electrical and Computer
Engineering, Geography, Linguistics, Philosophy, Life Sciences, Information
Studies.
Maryland, USA
ƒ
Virtual Reality Society (VRS)
http://www.vrs.org.uk/
Internationale Gesellschaft für die Diskussion und Förderung der Bereiche der
Virtual Reality und Synthetic Environments
Aktivitäten: Publikation internationaler Journale, Organisation spezifischer
Interessengruppen, Konferenzen, Seminare und Tutorials.
West Sussex, UK
60
ƒ
Xerox Palo Alto Research Center (PARC)
http://www.parc.xerox.com
Gegründet von der Xerox Corporation als „Office of the Future“
Aktivitäten: Interdisziplinäre Forschung in den Bereichen Physik, EDV und
Sozialwissenschaften, wie zum Beispiel in Projekten von Micro-Scale Devices,
Biomedical Sciences, Mobile & Wireless, Image Processing, Document Content,
Sensemaking und Community.
Palo Alto, USA
ƒ
Zentrum für Virtual Reality und Visualisierung Forschungs GmbH (VRVIS)
http://www.vrvis.at/
Anwendungsorientierte Forschungseinrichtung Österreichs im Bereich Virtual
Reality und Visualisierung
Aktivitäten: Forschung in den Bereichen der Virtual Reality für Marketing und
Edutainment, Virtuelle Städte, Anwendungen der wissenschaftl. Visualisierung,
Virtual Reality Grundlagen, Interaktive Visualisierung. Technologietransfer
zwischen Hochschulen und Industrie.
Wien, Österreich
3.3 Literatur
Ausser diversen Journalen, welche zum Beispiel von Institutionen, wie der ACM
herausgegeben werden, – „ACM Transactions on Computer Human Interaction“ oder
„ACM Interactions“ - gehören auch die jeweiligen Konferenzbände zur Fach-, bzw.
Standardliteratur im Bereich der Visualisierung von Daten. Zu den Standardwerken der
Bücher speziell im Bereich der Information Visualization gehören:
ƒ
Information Visualization
Robert Spence. Harlow, ACM Press (Addison-Wesley) 2001.
ƒ
Information Visualization. Perception for Design
Colin Ware, Morgan Kaufmann Publishers, San Francisco, CA, 2000.
61
ƒ
Information Visualisation and Virtual Environments
Chaomei Chen, Springer-Verlag, London, 1999.
ƒ
Readings in Information Visualization: Using Vision to Think
Stuart K. Card, Jock D. Mackinlay, Ben Shneiderman (Eds.), Morgan Kaufmann,
San Francisco, CA, 1999.
ƒ
The Craft of Information Visualization: Readings and Reflections
Benjamin B.Bederson, Ben Shneiderman, San Francisco, CA (Morgan Kaufmann),
2003.
ƒ
Envisioning Information
Edward R. Tufte, Graphics Press, Cheshire, Connecticut, 1990.
ƒ
The Visual Display of Quantitative Information
Edward R. Tufte, 2nd Edition, Graphics Press, Cheshire, Connecticut, 2001.
ƒ
Visual Explanations
Edward R. Tufte, Graphics Press, Cheshire, Connecticut, 1997.
62
4. Thematische Auseinandersetzung
Innerhalb der thematischen Auseinandersetzung erfolgt der eigentliche fachliche Diskurs
zum Thema Visualisierung und stellt somit auch den Schwerpunkt der Studie dar. Ziel
dieses Kapitels ist es, eine Vorstellung von der großen Vielfalt an Ideen zu vermitteln,
welche bereits entwickelt wurden, um Daten in visuelle Strukturen zu verwandeln, ihre
Anwendungsbereiche kennen zu lernen und anhand dieser Ergebnisse ein Konzept
aufzustellen, wann welche Visualisierungstechnik sinnvollerweise zum Einsatz gebracht
werden soll.
Langbestehende wissenschaftliche Domänen, wie die Physik oder Chemie verwenden für
ihrer
Arbeit
strenge
quantitative
Gesetzte
und
Formeln,
wie
beispielsweise
mathematische Formulierungen. Neuere Disziplinen dagegen, wie die Psychologie,
Soziologie oder auch die HCI nutzen dagegen dafür eher qualitative Frameworks und
Modelle. Frameworks entstehen aus einem allgemeineren Verständnis und Generalisierungen der Thematik. Sie werden oftmals in kompakten Tabellen oder Charts
präsentiert, welche informell ein, zwei oder mehr Variablen und ihre Interaktionen
beschreiben.
Formalisiertere
Modelle
können
Prozessbeschreibungen
(wie
in
Don
Norman’s (1993) Sieben-Stadien-Modell der Interaktion) oder ausführbare Simulationen,
deren Ergebnisse mit der Realität konform sind, beinhalten. [BS 2003]
In der jungen Disziplin des Forschungsbereichs der Human Computer Interaction hat
diese Suche nach Generalisierungen bereits eine Vielzahl von Theorien und Modellen
hervorgebracht, welche Begründungen und Prognosen unterstützen und helfen neue
Entwicklungen hervorzubringen. Eines der bekanntesten und oftmals zitierten Modelle ist
das Referenzmodell für Visualisierung von Ben Shneiderman. Dieses Modell soll auch hier
als Grundlage dienen um den Transformationsprozess von den originären Daten in eine
oder mehrere visuelle Darstellungen zunächst konzeptionell zu erläutern und um später,
auf dieser Basis bestehende Visualisierungen vorstellen und diskutieren zu können.
63
4.1 Vorstellung des Referenzmodells für Visualisierung
Bei der Erzeugung von Visualisierungen geht es prinzipiell darum, Daten in visuelle
Formen umzuwandeln. Ziel dabei ist es, eine entsprechende adäquate Umwandlung zu
finden. Um diesen Transformationsprozess konzeptionell zu beschreiben, werden Modelle
verwendet.
Die
Verwendung
von
Modellen
erleichtert
die
Diskussion
über
Visualisierungen und ermöglicht es, diese zu beschreiben und einander gegenüber zu
stellen. [CMS 1999].
Das Referenzmodell für Visualisierung wurde unter der Leitung von Ben Shneiderman am
Human Computer Interaction Lab (HCIL) an der Universität Maryland entwickelt. Dieses
Modell (Abb. 19) beinhaltet zum einen den Datenfluss, welcher vom Input der originären
Daten (Rohdaten) über diverse Transformationsschritte bis zu den endgültigen visuellen
Darstellungen verläuft, sowie eine Reihe von Interaktionsmöglichkeiten, welche es dem
Benutzer ermöglichen auf diese Transformationen einzuwirken.
Abb. 19 Referenzmodell für Visualisierung [CMS 1999]
Das Referenzmodell besteht insgesamt aus drei Transformationsschritten. Die erste
Transformation, die Datentransformation (Data Transformations) wandelt die Rohdaten
(Raw Data) - zumeist unstrukturierte Daten in spezifischen Formaten - in Datentabellen
(Data Tables) um. Datentabellen sind relationale Beschreibungen der Daten, welche
Metadaten
enthalten.
Das
visuelle
Mapping
(Visual
Mappings)
transformiert
die
Datentabellen in visuelle Strukturen (Visual Structures). Die visuellen Strukturen
bestehen aus räumlichen Bereichen, diversen Zeichen (Marks) und deren grafischen
Eigenschaften. Die Viewtransformation (View Transformations) schließlich erzeugt durch
das Spezifizieren von grafischen Parametern, wie Position, Skalierung und Ausschnitte,
aus den visuellen Strukturen die endgültigen Views.
Tab. 1 gibt nochmals einen kurzen Überblick über die einzelnen Begriffe.
64
Begriff
Erklärung
Rohdaten
(Raw Data)
Idiosyncratic formats
Datentabellen
(Data Tables)
Relations (cases by variables) + metadata
Visuelle Strukturen
(Visual Structures)
Spatial substrates + marks + graphical properties
Views
Graphical parameters (position, scaling, clipping, …)
Tab. 1 Erklärung der Begriffe des Referenzmodells [Man 2001]
Der gesamte Prozess wird von der eigentlichen Aufgabe (Task) des Benutzers ausgelöst
und von der menschlichen Interaktion, also dem Benutzer (Human Interaction)
manipuliert. Durch die Interaktionsmöglichkeiten ist es dem Benutzer möglich, die
Parameter dieser Transformationen zu kontrollieren und dadurch beispielsweise die View
auf bestimmte Datenbereiche zu begrenzen oder die Art der Transformation zu ändern.
Die Visualisierungen und ihre Bedienungselemente dienen der Aufgabenerfüllung.
[CMS 1999] Im nachfolgenden wird noch mal detaillierter auf die einzelnen Schritte des
Referenzmodells und die Interaktionsmöglichkeiten des Benutzers eingegangen.
4.1.1 Data Transformation: Raw Data Æ Data Tables
Bei der Datentransformation erfolgt die Umwandlung der Rohdaten in Datentabellen.
Die Rohdaten, welche in vielfältigen Formaten vorliegen können, wie zum Beispiel als
Suchergebnisse oder auch als Text eines Romans, dienen der Visualisierung als Input. Bei
der Umwandlung dieser Rohdaten in Datentabellen, werden diese Daten für gewöhnlich
in eine Relation oder eine Gruppe von Relationen umgewandelt, welche strukturierter und
deshalb einfacher in visuelle Formen transformiert werden kann. Theoretisch könnte
dieser Schritt auch übersprungen werden, da eine direkte Umwandlung der Rohdaten in
visuelle Strukturen ebenfalls möglich, wenn auch um ein Vielfaches komplexer wäre.
Daher ist es wichtig diesen Zwischenschritt zu machen, vor allem bei abstrakten Daten,
ohne direkten räumlichen Bezug.
65
Mathematisch gesehen sind Relationen eine Gruppe von Tupeln {<Valueix, Valueiy, ...>,
<Valuejx, Valuejy, ...>}. Wie in Tab. 2 zu sehen, kombinieren Datentabellen Relationen
mit Metadaten, die diese Relationen beschreiben.
Metadaten
Case i
Case j
Case k
Variable x
Value ix
Value jx
Value kx
…
Variable y
Value iy
Value jy
Value kj
…
…
…
…
…
…
Relationen
Tab. 2 Darstellung einer Datentabelle [CMS 1999]
Die Zeilen in der Tabelle repräsentieren Variablen, also Gruppen, welche den Bereich der
Werte in den Tupeln repräsentieren. Die Spalten repräsentieren Cases, Gruppen von
Werten für jede dieser Variablen. Die Relationen werden also aus Variablen und Cases
definiert. [CMS 1999]
Case
Case i
Case j
Case k
…
Metadaten
Variable x
Value ix
Value jx
Value kx
…
Relationen
Variable y
Value iy
Value jy
Value kj
…
…
…
…
…
…
Tab. 3 Darstellung einer erweiterten Datentabelle [CMS 1999]
Betrachtet man nun einen Case als eine weitere Variable und die einzelnen Cases
(i,j,k,...) als Output einer Funktion f(Casei) = <Valueix, Valueiy, ...>, welche die soeben
neu gewonnene Variable Case als Input und eine beliebige Anzahl an Outputs hat
(meistens aber mehr als einen), so erhält man eine erweiterte Datentabelle, welche
letztendlich für die Transformation in eine visuelle Struktur verwendet wird. Die Funktion
verwendet Metadaten als Input und liefert wiederum eigentlich Metadaten als Output,
welche in Verbindung mit den folgenden Variablen die entsprechenden Relationen
definieren. Der Vorteil, die Datentabelle auf diese Art und Weise zu erweitern liegt darin
begründet, dass sich die Anzahl der durch die Funktion ermittelten Outputs dynamisch
generieren lässt und man so eine weitere Spalte für den Wertebereich der Daten
66
hinzufügen kann, welche wiederum Metadaten enthält und zusammen mit den folgenden
Variablen (Zeilen), wie bereits oben beschrieben, auch die Relationen dynamisch
hinzufügt. Durch eine solche Transformation mit Metadaten als Input können also sowohl
Metadaten als auch gleichzeitig Variablen gewonnen werden. Dadurch erweitert sich die
Datentabelle samt neuen Relationen als Beziehungen zwischen Variablen und Variablen,
bzw. Variablen und Metadaten. Diese Strukturänderung muss nicht zwangsläufig am
Ende der Datentabelle stattfinden, sondern kann vielmehr mittendrin neue Spalten
anlegen und somit auch die Struktur zu einer vorherigen Variante der Datentabelle
oftmals grundlegend verändern. Die Variablen können grundsätzlich in drei verschiedene
Basistypen unterschieden werden:
ƒ
N = Nominal (only = or ≠ to other values),
ƒ
O = Ordinal (obey a < relation) oder
ƒ
Q = Quantitative (can do arithmetic on them).
Eine nominale Variable ist eine ungeordnete Gruppe, wie zum Beispiel Filmtitel
{Goldfinger, Ben Hur, Star Wars}; eine ordinale Variable ist eine geordnete Gruppe, wie
Filmbewertungen oder Wochentage {Montag, Dienstag, Mittwoch,...}. Eine quantitative
Variable stellt einen numerischen Bereich dar, wie beispielsweise Spielfilmlängen
{0,360}. Darüber hinaus können zum Beispiel quantitative Variablen in ordinale Daten
transformiert werden oder aber ordinale Variablen in nominale. Dies führt auch zu einer
weiteren Unterscheidung von Variablentypen:
ƒ
Classing: e.g. Q -> O by dividing film lengths
(type Q) in ranges (type O)
ƒ
Special subtypes: Qs = Quantitative Spatial;
Qt = Quantitative Time
Classing ist eine allgemeine Transformation, welche Werte in Klassen von Werten einteilt.
Dabei kann es zu einem Wechsel des Variablentyps kommen, wie beispielsweise bei der
Unterteilung der Spielfilmlänge in Klassen: [0,360] in <Short, Medium, Long>. Zusätzlich
wird noch zwischen wichtigen Subtypen, wie räumlichen oder geografischen quantitativen
Daten
oder
quantitativer
oder
ordinaler
Zeit,
unterschieden.
Diese
prinzipielle
Unterscheidungen sind wichtig, da sie den Typ der Achse bestimmen, welcher bei der
visuellen Struktur verwendet werden soll, bzw. da die Subtypen als Eigenschaften der
realen Welt normalerweise mit speziellen visuellen Konventionen verbunden werden.
Die Datentransformation von Rohdaten in Datentabellen beinhaltet typischerweise einen
Verlust oder einen Zugewinn von Daten. Dies kann durch Fehler oder fehlende Werte in
den Rohdaten verursacht werden. Ebenso können statistische Berechnungen zusätzliche
67
Information erzeugen. Daher enthalten Datentabellen oftmals auch abgeleitet Daten oder
Strukturen. Prinzipiell können vier Typen dieser Transformationen unterschieden werden,
wobei vor allem Transformationen, welche zwischen Werten und Strukturen stattfinden
von komplexerer Natur sind, (Tweedie, 1997):
ƒ
values
Æ
derived values (e.g. mean)
ƒ
structure
Æ
derived structure
ƒ
values
Æ
derived structure (e.g. sorting, clustering)
ƒ
structure
Æ
derived values
Datentransformationen sind komplex, ebenso wie die Arten von Transformationen,
welche man visualisieren und eventuell durch die Visualisierungen kontrollieren möchte.
Jede Version der Datentabelle enthüllt verschiedene Aspekte der Daten und führt
möglicherweise zu einer anderen Wahl einer visuellen Struktur.
4.1.2 Visual Mapping: Data Tables Æ Visual Structures
Wichtigster Schritt des Modells ist das Visual Mapping. Datentabellen basieren auf
mathematischen Relationen, visuelle Strukturen basieren dagegen auf grafischen
Eigenschaften. Bei der Visualisierung werden Datentabellen in Visuelle Strukturen
umgewandelt, welche einen räumlichen Bereich durch Zeichen (Marks) und grafische
Eigenschaften erweitern um Informationen zu kodieren. Es gibt zumeist mehrere
Möglichkeiten Datentabellen in visuelle Strukturen umzuwandeln. Ein gutes Mapping zu
finden ist jedoch eine Herausforderung und gelingt nicht immer, wie dies bereits in
Kapitel 2.5. gezeigt wurde.
Eine
qualitativ
hochwertige
visuelle
Struktur
muss
die
Daten
erhalten
und
ausdrucksstark, sowie effektiv sein. Ausdrucksstark heißt, dass wenn alle Daten, aber
auch nur die Daten der Datentabelle in der visuellen Struktur repräsentiert werden.
Effektiv bedeutet, dass die visuelle Struktur schneller zu interpretieren ist, mehr
Unterschiede überträgt oder weniger zu Fehlern führt als einige andere Mappings.
Visuelle Strukturen bestehen aus insgesamt drei Komponenten:
ƒ
spatial substrate (= use of space),
ƒ
marks (= visible things that occur in space) and
ƒ
the graphical properties of the marks (= Gestalt principles,
connection, enclosure).
68
Spatial Substrate
Die Verwendung von Raum stellt den grundlegendsten Aspekt von visuellen Strukturen
dar. Raum ist aus Sicht der Wahrnehmung dominant (MacEachren, 1995). Die räumliche
Position ist eine gute visuelle Kodierung für Daten. Aufgrund der Dominanz wird es an
dieser Stelle separat von den anderen Features als Bereich behandelt, in welchen andere
Teile der visuellen Struktur eingefügt werden. Leerer Raum an sich kann behandelt
werden, als ob er eine metrische Struktur hat. Man beschreibt diese Struktur mit den
Begriffen Achsen und ihren Eigenschaften. Es gibt vier elementare Typen von Achsen:
ƒ
U = Unstructured Axis (no axis) (Engelhardt et al., 1996),
ƒ
N = Nominal Axis (a region is divided in subregions),
ƒ
O = Ordinal Axis (the ordering of these subregions is meaningful), and
ƒ
Q = Quantitative Axis (a region has a metric).
Eine weitere Unterteilung der Achse ist möglich, wenn der quantitative Maßstab der
Achse sich in weitere Untereinheiten einteilen lässt. Dasselbe gilt, wenn die Achseneinheit
eine weiterunterteilbare Kennziffer, physikalische Einheit oder eine sonstige übergeordnete Einheit darstellt. Achsen können linear oder radial verlaufen und sind ein
wichtiger Baustein für die Entwicklung von visuellen Strukturen. Da die räumliche
Positionierung eine gute Kodierung darstellt, wurden einige Techniken entwickelt, welche
die Menge der Informationen, die damit kodiert werden kann erhöhen:
ƒ
Composition
ƒ
Alignment
ƒ
Folding
ƒ
Recursion
ƒ
Overloading
Composition ist die orthogonale Platzierung von Achsen, um so einen metrischen Raum
zu erzeugen. Diese Technik eignet sich vor allem für mehr als zwei Variablen und mehr
als drei Dimensionen. Speziell bei drei Dimensionen besteht aber oftmals das Problem in
den resultierenden metrischen Raum nicht hineinblicken zu können, wenn der Inhalt zu
dicht beieinander platziert ist. Alignment ist die Wiederholung einer Achse an einer
anderen Position im Raum. Folding ist die Fortsetzung einer Achse in einer orthogonalen
Dimension. Recursion ist die wiederholte Teilung von Raum. Overloading ist die
Wiederverwendung desselben Raums für dieselbe Datentabelle. Die Technik stützt sich
69
vor allem auf die Tatsache, dass die Daten lediglich einen Bruchteil des zur Verfügung
stehenden Raums benötigen, um so den Raum für eine zweite Nutzung zu verwenden.
Marks
Zeichen (Marks) sind sichtbare Elemente, welche innerhalb des Raums erscheinen. Es
gibt vier grundsätzliche Typen von Zeichen, wobei die sogenannten Area Marks sowohl
Oberflächen
in
drei
Dimensionen
als
auch
zweidimensional
begrenzte
Regionen
umfassen:
ƒ
P = Points (=0D or zero dimensional)
ƒ
L = Lines (1D)
ƒ
A = Areas (2D)
ƒ
V = Volumes (3D)
Graphical Properties of the Marks
Die grafische Eigenschaften der Zeichen (Marks) tangieren eine Reihe unterschiedlicher
Disziplinen. Entsprechend existieren diesbezüglich auch eine Reihe von Normen, Regeln
und Gesetzten, wie beispielsweise diverse Gestaltungsregeln, Farblehren, Formung neuer
Strukturen durch Anordnung, Eigenschaften der Wahrnehmung, temporale Kodierung,
etc. Jedoch soll zu diesem Zeitpunkt hier nicht weiter darauf eingegangen werden, da
dieser Bereich auch für sich genommen von hohem Umfang ist und weitschweifiger
Ausführungen bedarf. Regeln und Guidelines hierzu finden sich in einer Vielzahl an
Publikationen.
4.1.3 View Transformations: Visual Structures Æ Views
View Transformations modifizieren und erweitern visuelle Strukturen interaktiv, um
statische
Präsentationen
durch
das
Etablieren
von
grafischen
Parametern
in
Visualisierungen umzuwandeln, um so Views von visuellen Strukturen zu erzeugen. View
Transformations nutzen den Aspekt der Zeit, um mehr Informationen von der
Visualisierung zu extrahieren, als es bei statischen Präsentationen möglich wäre. Es gibt
drei allgemeine View Tranformationen:
ƒ
Location probes
ƒ
Viewpoint controls
ƒ
Distortions
70
Location Probes
Location Probes verwenden spezifische Positionen in einer visuellen Struktur, um
zusätzliche Informationen aus der Datentabelle zu präsentieren. Ebenso können Proben
die visuelle Struktur selbst erweitern. Beispiele für Location Probes sind: Details-onDemand (Pop-up Windows), Brushing und Magic Lenses oder Moveable Filters.
Viewpoint Control
View Point Controls verwenden affine Transformationen, um den Blickwinkel durch
zooming, panning, oder clipping zu ändern. Diese Transformationen sind gebräuchlich, da
sie visuelle Strukturen vergrößern oder den Blickwinkel ändern, um Details besser
darstellen zu können. Viewpoint Kontrollen können sowohl separiert, als auch in die
Visualisierung integriert auftreten. Beispiele für Viewpoint Controls sind: Zoom, Overview
+ Detail und Camera Movement.
Distorsion
Distorsion modifiziert visuelle Strukturen um Focus + Context Views zu erzeugen.
Overview + Detail werden so zu sagen in einer einzelnen visuellen Struktur kombiniert.
Distorsion erweist sich dann als effektiv, wenn dem Benutzer durch die Verzerrung
(Distorsion) größere entzerrte visuelle Strukturen dargestellt werden können. Als
ineffektiv erweist sich es, sobald die Eigenschaften oder Muster für die Task des
Benutzers nachteilig verzerrt werden. Beispiele für Distorsion sind: Perspective Wall,
Fisheye-View.
4.1.4 Interaktions- und Transformationskontrollen
Der Part der menschlichen Interaktion schließt den Kreis zwischen visuellen Formen und
der Kontrolle der Visualisierungsparameter, über welche die Mappings modifiziert
werden. Die naheliegenste Form von Interaktion stellt die direkte Manipulation dar.
4.1.4.1 Transformationen
Wie bereits erwähnt, gibt es insgesamt drei Transformationsarten, auf welche der
Benutzer mittels diverser Interaktionstechniken einwirken kann:
71
ƒ
Raw Data Æ Data Tables
Diese Kontrollform ermöglicht die interaktive Kontrolle der Data Mappings. Die
Veränderungen der Datentabellen kann zum Beispiel über Rangeslider erfolgen.
ƒ
Data Tables Æ Visual Structures
Die interaktive Kontrolle des Mappings von der Datentabelle in eine visuelle
Struktur kann entweder in einem separaten User Interface oder in die visuelle
Struktur integriert, angeboten werden. Bei separaten User Interfaces erfolgt die
Kontrolle zumeist über Beeinflussung visueller Repräsentanten der Datentabellen
und visuellen Strukturen. Integrierte Lösungen erlauben dem Benutzer dagegen
direkt auf Teile der visuellen Struktur zu klicken und das Mapping zu verändern.
ƒ
Visual Structures Æ Views
Interaktive Kontrollen der Views können separiert oder in das Interface integriert
werden. Location Probes und Viewpoint Manipulationen sind typischerweise
integriert. Distorsion Techniken haben oftmals einen globalen Einfluss, welcher ein
externes User Interface erfordert, können jedoch auch integriert werden.
4.1.4.2 Interaktionstechniken
Viele Interaktionstechniken sind im Wesentlichen eine Form der Selektion, d.h. eine
Auswahl einer Untermenge von Objekten in der Datentabelle. Dies ermöglicht es mittels
dieser Untermenge Daten zu lokalisieren, Muster in den Daten aufzudecken oder die
Argumente anderer Transformationen zu selektieren. Andere erlauben wiederum die
Modifikation
der
Datentransformationen.
Tab.
4
zeigt
eine
Übersicht
über
alle
Interaktionstechniken, geordnet nach dem Einfluss auf die jeweilige Transformationsart.
Anschließend erfolgt eine ausführlichere Beschreibung der jeweiligen Interaktionstechniken.
72
Modifies
Data
Transformation
Modifies
Visual
Mappings
Modifies
View
Transformation
Dynamic Queries
Data Flow
Direct Selection
Direct Walk
Pivot Tables
Camera Movement
Details-on-Demand
Magic Lens
Attribute Walk
Overview + Detail
Brushing
Zoom
Direct Manipulation
Tab. 4 Interaktionstechniken [CMS 1999]
Data Transformation
Für die Modifikation der Data Transformation stehen verschiedene Techniken zur
Verfügung.
ƒ
Dynamic Queries
Unter Dynamic Queries versteht man dynamische Anfragen an ein aktives
Softwareprogramm, z.B. mittels ‚Slider’ oder ’Radio Buttons’, welche den
(gegenwärtigen) Zustand des Programms im zeitlichen Ablauf ändern. Damit wird
es möglich, dynamische Sachverhalte besser zu analysieren.
ƒ
Direct Walk
Diese Interaktionstechnik zeichnet sich durch Verlinkung aus, wie zum Beispiel
Hyperlinks auf Internetseiten. Durch eine Serie von Klicks auf Visualisierungen
kann der Benutzer Informationen suchen oder sie modifizieren.
ƒ
Details-on-Demand
’Details-on-Demand’ erweitert eine Gruppe von Objekten, um mehr ihrer
Variablen und somit mehr ihrer Details präsentieren zu können. Diese Technik
erlaubt es quantitativ mehr Variablen auf die Visualisierung zu mappen.
ƒ
Attribute Walk
Der Benutzer selektiert einige Cases und sucht anschließend nach anderen Cases,
welche ähnliche Attribute aufweisen.
ƒ
Brushing
73
Brushing wird bei multiplen Visualisierungen derselben Objekte verwendet.
Selektiert der Anwender einen bestimmten Case in einer der Sichten, so wird
dieser auch in den anderen Ansichten automatisch ausgewählt.
ƒ
Direct Manipulation
“Direct Manipulation’ ist eine Technik, welche benutzt werden kann, um Transformationen zu modifizieren.
Visual Mappings
Interaktion kann neben der Modifikation der Data Transformation ebenso visuelle
Mappings modifizieren, welche die Übereinstimmung zwischen Daten und visuellen
Formen repräsentieren.
ƒ
Dataflow
’Dataflow’ ist eine allgemeine, bei kommerziellen Produkten gängige Interaktionstechnik, um Daten in eine visuelle Form zu transformieren. Sie basiert auf der
Idee, Daten und Informationen „explizit“ darzustellen, beispielsweise über
Diagramme mit Knotenstrukturen.
ƒ
Pivot Table
Diese Technik wird bei modernen sog. ‚Spreadsheet-Programmen’ verwendet und
lässt den Anwender rasch das Mapping der Daten in Zeilen und Spalten der
Kalkulationstabelle
transformieren.
Ein
bekanntes
Beispiel
hierfür
ist
das
Programm ‚Excel’ von Microsoft.
View Transformation
Auch auf die View Transformation kann der Benutzer mittels diverser Interaktionstechniken Einfluss nehmen.
ƒ
Direct Selection
Diese Interaktionstechnik bezieht sich auf eine Gruppe mit Schemata, welche
durch die Selektion und das Highlighting von Objekten und Gruppen von Objekten
entstanden sind. Sie erweitern die Erscheinung visueller Strukturen auf spezifische
Art. Oftmals identifizieren sie die Gruppe von Objekten, welche die Argumente
einiger Aktionen darstellen.
ƒ
Camera Movement
74
Camera Movement drückt den Wechsel der Position des Beobachters aus, speziell
im 3D Raum. Dies ermöglicht eventuell Elemente zu sehen, welche zuvor verdeckt
wurden.
ƒ
Magic Lens
Diese Technik selektiert Objekte in Abhängigkeit ihrer x- oder y-Position und
verwendet dann weitere Interaktionstechniken, wie zum Beispiel „Dynamic
Queries“.
Zudem
können
auf
den
selektierten
Objekten
Daten-
oder
Visualisierungstransformationen durchgeführt werden. Da multiple Magic Lenses
auch übereinander angeordnet werden können, ist es möglich, auf diese Weise
komplexe Boolesche Anfragen zu generieren.
ƒ
Overview & Detail
’Overview & Detail’ verwendet zwei oder mehr Ebenen von miteinander verlinkten
Visualisierungen (Plaisant, Carr, Shneiderman, 1995). Dabei zeigt ein Fenster der
Visualisierung entweder alle Objekte oder aber mindestens eine Art von visuellem
Framework, welches alle Objekte umfasst, wie zum Beispiel eine Karte von der
Welt der Keynotes in einem Tree. Ein anderes Fenster stellt eine detailliertere
Sicht auf die Objekte dar. Die Knoten in der Detailansicht sind dabei als Regionen
markiert, welche im Übersichtsfenster bewegt werden können.
ƒ
Zoom
Diese Technik umfasst den Zoom in eine visuelle Struktur, wodurch die Anzahl der
Objekte, welche dargestellt werden, reduziert wird. Gleichzeitig erhöht sich jedoch
eventuell die Anzahl der Variablen, welche pro Objekt gezeigt werden. Die
Kombination mit weniger komprimierenden Techniken ermöglicht es, die einzelnen
Objekte zu betrachten.
75
4.2 Techniken zur Visualisierung von Daten
„The principles of information design are universal – like mathematics –
and are not tied to unique features of a particular language or culture.”
[Tufte]
In diesem Kapitel erfolgt die Identifikation und Präsentation von grundlegenden
Techniken zur Visualisierung von Daten und Erläuterung der Auswahlkriterien. Um ein
grundlegendes Verständnis für Visualisierungen und den damit verbundenen Techniken
zu erhalten, ist es zunächst erforderlich, den Aufbau von Visualisierungen und damit von
visuellen Strukturen und ihren Views näher zu betrachten. Wie bereits erwähnt, erfolgt
das
Erzeugen
von
visuellen
Strukturen
durch
das
Visual
Mapping,
also
der
Transformation der Datentabellen – einem mathematischen Konstrukt - in visuelle
Strukturen – grafische Objekte.
Prinzipiell ist es möglich, eine Fülle von verschiedenartigen visuellen Strukturen aus ein
und derselben Datenbasis zu erzeugen. Viele Visualisierungssysteme machen sich dies
zunutze, um dem Benutzer grundsätzlich verschiedene Sichten auf die Datenwelt zu
bieten. Dabei ist es möglich, dem Benutzer zum einen durch verschiedenartige visuelle
Strukturen und zum anderen durch Modifikation derselben visuellen Struktur mittels
diverser Interaktionstechniken – wie bereits zuvor beschrieben – diese unterschiedlichen
Sichten auf die Daten zu ermöglichen.
Aufgrund
der
immensen
Vielfalt
an
Visualisierungen,
kann
diese
STAR
keinen
vollständigen Überblick über alle existenten Visualisierungen geben. Ziel des folgenden
Abschnitts
ist
es
daher,
ein
grundlegendes
Verständnis
für
den
Aufbau
von
Visualisierungen zu schaffen, um auf dieser Grundlage, diese besser beurteilen und
klassifizieren zu können. Denn oftmals liegt zwei scheinbar unterschiedlich ausehenden
Darstellungen
dieselbe
Visualisierungstechnik
zugrunde,
wogegen
zwei
ähnlich
aussehende Darstellungen durchaus auf zwei völlig verschiedenen Techniken basieren
können. Die Darstellung dieser grundlegenden Techniken zur Visualisierung von Daten
erfolgt aus Sicht der Statistischen Grafik. Dies wird damit begründet, dass viele
Visualisierungen
Histogramme,
statistische
Pie
Charts
Grafiken
oder
auch
enthalten,
wie
Scatterplots.
zum
Bei
den
Beispiel
Bar
Charts,
Beschreibungen
der
Visualisierungen aus dem Bereich der Information Visualization wird jedoch zumeist nicht
mehr näher auf diese grundlegenden Techniken eingegangen, da sie als gegeben
vorausgesetzt werden.
76
Die nun folgende Beschreibung dieser grundlegenden Techniken zur Visualisierung von
Daten findet anhand der von Leland Wilkinson entwickelten „Grammar of Graphics“ statt.
Da diese aus der Perspektive eines Software-Architekten entwickelt und beschrieben
wurde, sind für ein besseres Verständnis des folgenden Kapitels entsprechende
Vorkenntnisse nötig. Da an dieser Stelle, die Grammatik außerdem nur oberflächlich
behandelt werden kann, wird für ein tiefergehendes Verständnis die Lektüre des Buches
„The Grammar of Graphics“ von Leland Wilinson empfohlen.
Vereinfacht
gesagt,
gelingt
es
Wilkinson
durch
die
grundsätzliche
Trennung
mathematischer und ästhetischer Regeln, welche für die Erzeugung einer Grafik benötigt
werden, ein allgemeingültiges System zu erzeugen, welches aus den verschiedenen
Grundelementen der Grafik besteht. Zu diesen Grundelementen gehören: ihre Geometrie
(Graphtypen),
ihre
ästhetischen Attribute (Farbe, Form, etc.), ihre statistischen
Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie eingebettet ist.
Dabei können Grafiken entweder aus einer einzelnen Grafik bestehen oder aus so
genannten Facetten, welche aus vielen kleinen Grafiken bestehen, die Variationen einer
einzelnen Grafik darstellen. Durch Kombination der verschiedenartigen Ausprägungen der
einzelnen Grundelemente miteinander - wie zum Beispiel „Point-Grafik“, „Blau“, etc. lässt sich so eine große Vielzahl an unterschiedlichen Grafiken erzeugen.
Auch wenn diese Thematik der „Grammar of Graphics“ auf den ersten Blick komplex
erscheinen mag, so ist die Auseinandersetzung damit doch lohnenswert. Birgt sie doch
ein großes Potential in sich, welches den Benutzer befähigt aufgrund der „erlernten“
Grammatik auch neuartig erscheinende Grafiken richtig klassifizieren zu können.
4.2.1 The Theorie of Graphics
Wie bereits im Kapitel 2.3.8 dieser STAR erwähnt, gilt Jaques Bertin als der Pioneer in
der strukturellen Theorie über Grafiken. Aufbauend auf seiner Arbeit erarbeiteten eine
Reihe weiterer Wissenschaftler weiterführende Theorien und Variationen zu der Thematik
von Grafiken. Diese Wissenschaftler und Forscher, zu denen auch Leland Wilkinson
gehört, betrachten die Thematik der quantitativen Grafiken als einen Bereich, dem
eigene Regeln und eine tiefgreifende grammatische Struktur innewohnt. Dies zeigt auch
die Tatsache, dass man es als selbstverständlich erachtet, eine Grafik lediglich mittels
des Zusammenspiels aus Betrachtung und allgemeingültigen Regeln verstehen zu
können. [Wil 1999]
77
Während Bertin sich bei seiner Theorie auf „papierbasierte“ Grafiken bezieht, entwickelte
Wilkinson seine Theorie über Grafiken aus Sicht eines Software-Architekten, wobei ihm
jedoch die Arbeiten von Bertin als Grundlage dienten. Durch nur geringe Modifikationen
war es Wilkinson möglich, die Theorien Bertins in die digitale Welt zu übertragen.
In seinem Buch „The Grammar of Graphics“ behandelt Wilkinson allgemeingültige
Grammatikregeln für die Erzeugung von Grafiken aus Daten, wobei es ihm jedoch nicht
um Thematiken wie guter Geschmack oder Grafik Design geht. Für Richtlinien bezüglich
der Gestaltung guter Grafiken verweist Wilkinson auf Cleveland, Tufte oder Kosslyn.
[Cle 1985] [Cle 1995] [Tuf 1983] [Tuf 1990] [Tuf 1997] [Kos 1994] Die Inhalte der
folgenden Kapitel sind dem Buch „The Grammar of Graphics“ von Leland Wilkinson
entnommen.
4.2.2 The Grammar of Graphics
Form (Ever) Follows Function.
[Sullivan]
Die Grundidee von Wilkinson ist es, durch Trennung der mathematischen und
ästhetischen Regeln, die Grammatik von Grafiken zu identifizieren und somit ein
allgemeingültiges System zu erzeugen. Dem Benutzer soll so die Möglichkeit gegeben
werden auf Basis der „erlernten“ Grammatik auch neuartig erscheinende Grafiken richtig
klassifizieren zu können. Auch Entwicklern kann diese Grammatik dienlich sein, da die
Kenntnis der Grundelemente von Grafiken zu neuartigen Kombinationsmöglichkeiten oder
bisher noch nicht existenten Elementen führen kann. Ähnlich einem Baukastensystem, ist
die Vielzahl der möglichen Kombinationen, bzw. Ausprägungen höher, wenn man bei
deren Zusammenbau die eigentlichen Grundelemente miteinander kombiniert, anstatt
bereits vorgefertigte Komponenten zu nutzen.
4.2.2.1 Ein objekt-orientiertes Grafiksystem
Wilkinson entwickelte für die Umwandlung von Rohdaten in Grafiken ein sogenanntes
objekt-orientiertes Grafiksystem. Ein solches System erfordert explizite Definitionen für
die Realisierung von Grafiken und Regeln um diese mit den Daten in Bezug setzen und
ihr Verhalten in einer Rechnerumgebung organisieren zu können. Aus OOD Perspektive
stellen Grafiken Objektsammlungen dar. Wenn die Kommunikation zwischen diesen
Objekten einer einfachen Grammatik folgt, dann werden sie sich konsistent und flexibel
78
verhalten. Um diese Idee umzusetzen, liegt für Wilkinson der Fokus auf den folgenden
drei Stufen: „Specification“, „Assembly“ und „Display“.
Specification
Die Specification umfasst die Übersetzung der Aktionen der Benutzer in eine formale
Sprache. Eine Grafik verfügt, im Gegensatz zu einem Bild, über eine hoch organisierte
und erzwungene Gruppe von Regeln. Ein Bild hat ebenfalls seine eigenen Regeln, jedoch
ist es einem Künstler möglich, die Regeln zu biegen, um einen Punkt an einer von ihm
gewünschten Stelle zu machen (Bosch, Dali oder Picasso, aber ebenso Rembrandt,
Cezanne oder Close). Nicht so mit Grafiken. Man kann die Position eines Punktes oder die
Farbe
eines
Objektes
nicht
willkürlich
ändern
(unter
der
Annahme,
dass
dies
datenrepräsentierende Attribute sind), ohne die Daten verfälschend darzustellen und den
Zweck der statistischen Grafik – Daten exakt und sachgemäß zu repräsentieren - zu
verletzen.
Assembly
Ein Grafikcomputerprogramm muss in der Lage sein, eine grafische Szene aus einer
Specification zusammen bauen zu können. Um eine Szene zu porträtieren, muss man
ihre Geometrie, ihr Layout und ihre Ästhetik koordinieren, damit sie exakt wieder
gegeben wird. Das Resultat wird bestimmt von der Art und Weise wie eine Szene aus
einer Specification zusammengebaut wurde. Eine Szene kann entweder dynamisch oder
statisch,
zu
externen
Daten
verlinked
oder
isoliert
sowie
modifizierbar
oder
unveränderlich, sein; abhängig davon wie sie zusammengebaut wird.
Display
Um einen Graphen, welcher ein rein mathematisches Konstrukt ist, wahrnehmen zu
können, muss er unter der Verwendung seiner ästhetischen Attribute und eines Display
Systems (z.B. Papier, Video, Hologramm) wiedergegeben werden. Dynamische Grafiken
benötigen dabei ein hoch entwickeltes Design, um „Brushing“, „Zooming“ und „Linking“
und andere Operationen, welche Daten mit Grafiken in Verbindung bringen, zu
ermöglichen (vgl. [CMS 1999] [BC 1987] [CM 1988] [CW 1994] [SCB 1998]). Neuere
Bereiche, wie die Virtual Reality und Immersive Environments, erweitern die zur
Verfügung stehenden ästhetischen Attribute um die Attribute „Touch“ und „Sound“.
79
4.2.2.2 From Data to Graphic
Wilkinson stellt die Erzeugung von Grafiken in einem Modell dar, welches dem von
Shneiderman (vgl. Kapitel 4.1) nicht unähnlich ist. Auch er gelangt von den Rohdaten,
welche eine einfache Sammlung von Information darstellen - und nicht notwendigerweise
organisiert sein oder eine Struktur besitzen müssen - über Datentabellen zu Grafiken
(vgl. Shneiderman: visuelle Strukturen). Jedoch gelangt Wilkinson in seinem Modell von
den Rohdaten über eine Funktion – genannt DataView – zunächst zu einem Datensatz,
welcher sich lediglich durch seine Indexierung von den Rohdaten unterscheidet.
Verschiedene DataViews verwenden dazu unterschiedliche Organisationsschemata (z.B.
hierarchisch, relational,..). Das Referenz-Objekt umfasst wiederum eine Sammlung von
Funktionen, welche auf diesen indexierten Daten arbeiten und selbst wieder indexierte
Daten
erzeugen.
Solche
Funktionen
können
beispielsweise
die
Indices
in
einer
bestimmten Reihenfolge permutieren oder Teilmengen der Daten erzeugen. Die
Funktionen dieses Objekts werden dazu verwendet, die Daten, welche man für die
Erzeugung von Variablen benötigt, auszufiltern und zu ordnen. Da bei der Erzeugung
einer Grafik mehr mit Variablen gearbeitet werden muss als mit den Daten selbst, mappt
eine weitere Funktion – genannt VarMap – den Datensatz zu einem Variablensatz. Die
Funktion
VarMap
führt
Variablen-Mapping
Funktionen
aus.
Dabei
wird
zwischen
kategorischen Variablen, also einem geschlossenen Variablensatz, und kontinuierlichen
Variablen unterschieden. Variablensätze sind Entitäten, welche Graphen beschreiben. Das
Algebra-Objekt führt nun auf diesen Variablensätze algebraische Operationen aus, wobei
es insgesamt über drei binäre Operatoren (Blend, Cross und Nest) und eine Reihe damit
in
Zusammenhang
stehender
Regeln
verfügt.
Algebra
oder
irgendeine
andere
Variablentransformation wird nicht notwendigerweise bei jeder Grafik benötigt (Bsp. Pie
Chart), jedoch bei den meisten.
Der nächste Schritt in der Erzeugung von Grafiken wird von einem Objekt – genannt
Grapher - ausgeführt. Dieses erzeugt mittels bestimmter Zeichenfunktionen aus einem
Variablensatz einen Graphen. Das Graph-Objekt stellt eine Sammlung dar, welche einen
Graphen und die Methoden, welche für seine Repräsentation als geometrisches Objekt
benötigt werden, beinhaltet. Dies umfasst die Information über das Koordinatensystem,
in dem er eingebettet wird und die Funktion, welche für die Erzeugung des Graphen
selbst benötigt wird. Für die Bezeichnung eines Punktes in einem Raum werden n-Tupel
verwendet. Die Einträge dieses Tupels werden die Koordinaten eines Punktes genannt.
Ein Koordinatensystem stellt ein Schema für die Lokalisierung eines Punktes mittels
seiner Koordinaten in einem Raum dar. Dieses Schema beinhaltet eine Achse für jede
Dimension, welche zu einem Tupel-Eintrag in Beziehung steht, eine Skalierung (Scale)
für jede Achse und eine Methode für die Lokalisierung jedes Punktes im Raum anhand
der gegebenen Werte in seinem n-Tupel. Ein Frame ist ein Koordinatensystem, welches
80
sich auf Tupel bezieht, deren Einträge auf Intervalle limitiert sind und stellt somit eine
begrenzte Region dar. Der Frame eines bestimmten Graphen bestimmt, wie „Grapher“
den Graphen erzeugt. Das heisst, Grapher beschränkt seine Berechnungen auf die Tupel,
die innerhalb der Grenzen liegen, welche von dem Frame definiert wurden. Das ÄsthetikObjekt führt Ästhetikfunktionen aus. Eine Ästhetik Funktion mappt nun die Tupel oder die
Einträge der Tupel zu Strings oder realen Zahlen, welche als Input für eine physische
Darstellung, wie einem Videobildschirm, Drucker oder Lautsprecher dienen. Erst durch
das Mapping des Ästhetik-Objekts kann ein Graph wahrgenommen werden. Die daraus
resultierende Grafik ist ein Bild eines Graphen unter Anwendung einer oder mehrerer
Ästhetikfunktionen. Das Grafik-Objekt ist also für die Realisierung der Grafik in einem
Display-System verantwortlich.
Die Algebra, Geometrie, Ästhetik und die Statistik bilden den Kern des Grafiksystems.
Diese vier Komponenten lassen sich praktisch in jeder Kombination zusammenbauen um
eine große Vielfalt an verschiedensten Grafiken zu konstruieren. Die Algebra umfasst die
Operationen, mit denen man Variablen kombinieren und Dimensionen von Graphen
spezifizieren kann. Geometrie behandelt Graphen und die Erzeugung der geometrischen
Objekte aus Variablen. Ästhetik umfasst die sensorischen Attribute, welche verwendet
werden um die Grafiken zu repräsentieren. Und die Statistik bietet die Funktionen,
welche es Graphen ermöglichen ihre Erscheinung und Repräsentationsschemata zu
ändern.
Die nächsten Kapitel werden auf einzelne Komponenten des Grafiksystems nochmals
detaillierter eingehen und eine Reihe von Beispielen zeigen, welche das Verständnis
unterstützen sollen.
4.2.2.3 Geometry
Dieses Kapitel behandelt die Thematik der geometrischen Funktionen. Dabei geht es um
Funktionen zur Erzeugung von Graphen, welche durch Größen im Raum repräsentiert
werden können. Da nur Graphen erzeugt werden können, welche auch in Form von
geometrischen Objekten darstellbar sind, nennt Wilkinson diese „Geometrische Graphen“.
Ein geometrischer Graph ist ein Bild einer solchen geometrischen Funktion, wobei dieses
jedoch noch nicht wahrnehmbar (z.B. sichtbar) ist. Erst das Hinzufügen ästhetischer
Attribute lässt es für uns wahrnehmbar erscheinen. Eine Grafik ist somit das Bild eines
Graphen gemäß einer oder mehreren ästhetischen Funktionen. Man unterscheidet also
zwischen Graphen und ihrer physischen Repräsentation. Wie Bertin [Ber 1967] [Ber
81
1977] aufmerksam macht, haben sichtbare Elemente Eigenschaften, welche in ihren
geometrischen Gegenstücken nicht vorkommen.
Um aber an dieser Stelle verschiedene Typen von geometrischen Graphen zeigen zu
können, ist es notwendig für deren grafische Darstellung bereits ästetische Attribute zu
verwenden. Die Verwendung dieser Attribute wird aber erst im nächsten Kapitel
erläutert. Wilkinson weist darauf hin, dass auch wenn an dieser Stelle Graphen unter
Verwendung von Position, Farbe, Größe und Form dargestellt werden, es theoretisch
auch möglich ist, diese mittels anderer ästhetischer Attribute, wie Sound oder auch
Geruch darzustellen.
In der Literatur existieren zahlreiche Möglichkeiten Grafiken zu klassifizieren. Es gibt zum
Beispiel
Ansätze,
die
Klassifizierung
anhand
ihrer
Erscheinung,
gemäß
ihrerer
ästhetischen Funktionen vorzunehmen, wodurch beispielsweise Bars und Histobars im
Gegensatz zu Linien zusammenfassen werden würden, obwohl diese zwei grundsätzlich
unterschiedliche geometrische Objekte darstellen. Oder aber man klassifiziert Grafiken
anhand ihrer geometrischen Dimensionalität oder anhand ihrer Datenmethoden, ohne
Rücksicht auf ihre Erscheinung. Dabei würden Methoden gruppiert, welche zum Beispiel
bei der Berechnung einer örtlichen Abschätzung beteiligt wären. Jeder Ansatz birgt für
sich genommen sowohl Vor- als auch Nachteile und wird in der Regel entsprechend der
jeweiligen Zielsetzung verwendet.
Wilkinson wählte einen Ansatz bei dem er Graphen anhand ihrer Daten und ihrer
Geometrie organisiert. Dieser Ansatz richtet sich nach dem geometrischen Verhalten von
Graphen bei der Repräsentation von statistischen Daten. Graphen, welche sich in vielen
verschiedenen Kontexten ähnlich verhalten, werden in einer Gruppe zusammengefasst.
Somit ergeben sich für Wilkinson vier Hauptkategorien für Graphen: „Relations“,
„Summaries“, „Partitions“ und „Networks“. Somit kann eine große Anzahl grafischer
Elemente in eine relativ kleine Anzahl von Graphentypen gruppiert werden. Tab. 5 zeigt
diese Hauptkategorien mit ihren zugehörigen Graphentypen, wobei die Tabelle keinen
Anspruch auf Vollständigkeit erhebt. Jedoch stellen viele Grafiken, welche zu denen, die
hier aufgeführt werden, radikal unterschiedlich erscheinen, entweder Transformationen
der Geometrie oder Funktionen der Daten, welche den Graphen in der Tabelle zugrunde
liegen, dar. Somit können auch einige bekannte Grafiken, welche hier nicht in der Tabelle
erscheinen, von den Basisgraphenklassen abgeleitet werden.
82
Relations
Summaries
Partitions
Networks
point
schema
tile
path
contour
link
line (surface)
area (volume)
bar (interval)
histobar
Tab. 5 Graphen [Wil 1999]
Da Wilkinson für einige der Graphentypen keine gebräuchliche Bezeichnung unabhängig
von ihrer Dimensionalität finden konnte, verwendet er manchmal Alias. Dies betrifft line
(surface), area (volume) und bar (interval). Tatsächlich gehören Line und Surface, sowie
Area und Volume und Bar und Intervall zu denselben Graphentypen, da sie sich lediglich
durch ihre Dimensionalität voneinander unterscheiden.
Relations
Ein Relations-Graph bildet jeden Wert in einem Bereich auf einen Wert in einer Range ab
und ermöglicht es dem Betrachter so, zu jedem Wert in dem Bereich einen
dazugehörigen Wert in einer Range zu finden. Dies ist die größte Superklasse von
Graphen und enthält die meisten Repräsentationsobjekte, welche in bekannten Charts
vorkommen.
83
ƒ
Point
Die Point-Zeichenfunktion erzeugt einen geometrischen Punkt, welcher ein nTuple darstellt. Diese Funktion kann ebenso eine begrenzte Gruppe von Punkten,
genannt „Multi-Point“ erzeugen oder eine „Point-Cloud“. Die Gruppe von Punkten,
welche durch die Funktion Point erzeugt wird, wird „Point-Graph“ genannt.
Um einen Point-Graphen als Point-Grafik zu visualisieren, benötigt man ein
Shape-Attribut, welches ihm die Form eines Kreises, eines Diamanten, eines
Gesichts oder irgendeines anderen Bildes gibt. Man benötigt ein Size-Attribut,
welches ihn groß genug macht, so dass er erkennbar wird, sowie ein Hue-Attribut,
welches seine Farbe von der Hintergrundfarbe der Frame-Grafik, in der er
dargestellt
wird,
unterscheidbar
macht.
In
Abb.
20
sind
Beispiele
für
Punktgrafiken zu sehen.
Abb. 20 2D und 3D Point-Grafiken für kategorische und kontinuierliche Daten [Wil 1999]
ƒ
Line
Die Line-Funktion kann sowohl ein Intervall auf einer begrenzten Fläche in eine
funktionale Kurve als auch eine begrenzte Fläche in einem begrenzten 3D Raum
zu einem funktionalen Surface mappen. Wie auch die Point-Funktion kann die
Line-Funktion eine begrenzte Gruppe von Linien erzeugen. Eine Gruppe von Linien
wird „Multi-Line“ genannt. Oftmals wird eine Linie wie eine Sammlung von
Polygonen oder manchmal auch Symbolen behandeln, um ihr alle möglichen
ästhetischen Attribute zuordnen zu können. In diesem Fall unterscheidet sich eine
Linie dann von einer Point-Cloud dadurch, dass die Punkte, welche die Linie
umfasst geordnet sind. Abb. 21 zeigt Beispiele für zwei- und dreidimensionale
Line-Grafiken.
84
Abb. 21 2D und 3D Line-Grafiken für kategorische und kontinuierliche Daten [Wil 1999]
ƒ
Area
Die Area-Zeichenfunktion erzeugt einen Graphen, welcher alle Points in der Region
unterhalb des Line-Graphen enthält. Das Zeichnen einer Area bedingt dieselben
Vorbehalte, wie für Lines. Die Area-Grafik sieht aus wie eine Line-Grafik, bei der
die Area zwischen der x-Koordinate und ihr selbst aufgefüllt ist. Abb. 22 zeigt
Beispiele für zwei- und dreidimensionale Area-Grafiken.
Abb. 22 2D und 3D Area-Grafiken für kategorische und kontinuierliche Daten [Wil 1999]
ƒ
Bar
Die Bar-Zeichenfunktion erzeugt eine Gruppe von geschlossenen Intervallen. Ein
Intervall hat zwei Enden. Für gewöhnlich werden Bars dazu benutzt einen
einzelnen Wert durch die Position eines ihrer Enden zu bezeichnen, während das
andere Ende an einem allgemeinen Referenzpunkt verankert (für gewöhnlich Null)
ist. Die Bar-Grafik verwendet eine „default mean aggregation function“. Diese
Funktion gibt das arithmetische Mittel aller Werte in der Range, für einen gegeben
Wert oder Tupel von Werten in der Domain zurück. Abb. 23 zeigt Beispiele für
zwei- und dreidimensionale Bar-Grafiken.
85
Abb. 23 2D und 3D Bar-Grafiken für kategorische und kontinuierliche Daten [Wil 1999]
ƒ
Histobar
Die Histobar-Zeichenfunktion erzeugt ein Histogrammelement. Im Gegensatz zu
der Bar-Grafik, welche Intervalle repräsentiert, repräsentiert die Histobar-Grafik
Areas. Jedoch repräsentiert sie nicht wie der Area-Graph eine einzelne Area,
sondern stellt eine ganze Sammlung von Areas dar - eine für jede Bar.
Obwohl die meisten publizierten Beispiele gewöhnliche Histogramme mit Bars
zeigen, welche gleichmäßige Intervalle repräsentieren, müssen die Bars in der
Histobar-Grafik nicht die gleiche Breite haben. Einige können auch „Zero-Areas“
haben. Im Gegensatz zur Bar-Grafik müssen die Bars in der Histobar-Grafik
jedoch miteinander verbunden sein. Lücken kann es nur geben, wenn diese sich
aus Zero-Areas ergeben. Abb. 24 zeigt Beispiele für zwei- und dreidimensionale
Histogramme.
Abb. 24 2D und 3D Histogramme [Wil 1999]
Summaries
Summary-Graphen repräsentieren die Werte einer Variablen anhand drei oder mehr
Eigenschaften. Sie charakterisieren eine Verteilung von Werten mittels einer Sammlung
verschiedener geometrischer Elemente. Man kann einige dieser Graphen durch die
Kombination von Daten und Zeichenmethoden anderer Graphen, wie Bar, Point und Line
86
konstruieren. Unter Umständen kann es jedoch Gründe geben, eine eigene GraphenKlasse für Summaries zu besitzen.
ƒ
Schema
Ein Schema ist ein Diagramm, welches sowohl allgemeine als auch spezielle
Eigenschaften beinhaltet, um eine Verteilung darzustellen. Solch ein Schema Plot,
welcher aufgrund seiner physischen Erscheinung unter dem Namen „Box Plot“
bekannt wurde, geht auf Tukey [Tuk 1977] zurück. Die Schema-Zeichenfunktion
erzeugt eine Sammlung eines oder mehrerer Points, Lines, Areas und Intervalle.
Schema-Grafiken
können
viele
Formen
annehmen
und
auf
verschiedenen
Statistiken basieren. Tukey’s Box Plot stellt jedoch die ursprüngliche Form dar.
Abb. 25 Schematischer (Box) Plot [Wil 1999]
Die zentrale vertikale Linie in der Box dieses Plots stellt dem Gesamtdurchschnittswert, die Ecken der Box die Durchschnittswerte der beiden Stapel - welche
erzeugt werden, indem die sortierten Werte anhand des Gesamtdurchschnitsswert
in zwei Stapel aufgeteilt werden - dar. Die Enden der „Whiskers“ der Box
erstrecken sich bis zu den Extremwerten der sogenannten inneren Grenzen. Die
inneren Grenzen werden durch die Vergrösserung der Box um den Faktor 2,5
gewonnen. Werte außerhalb der äußeren Grenzen (die inneren Grenzen mal zwei)
werden mit einem kleinen Kreis gezeichnet und alle übrigen Werte ausserhalb der
inneren Grenzen mit einem Stern. Somit sind in diesem Plot die aussenliegenden
Werte sofort erkennbar und die Verteilung der übrigen Werte werden schematisch
durch eine Box und Whiskers repräsentiert. Die allgemeinen Informationen
werden
anhand
der
Box
und
den
Whisker
und
die
aussergewöhnlichen
Informationen anhand der Ausreißer dargestellt. Ein Beispiel hierfür ist in Abb. 25
zu sehen, welche eine Box Plot-Verteilung der Motorstärke von Automobilen in
einer Road&Track Datenbank zeigt. Die beiden Ausreißer sind anhand des Kreises
und des Sterns zu erkennen: Lamborghini Diablo (Stern) und der Ferrari 333 Race
Car (Kreis).
87
Partitions
Partitions
unterteilen
Datensätze
in
Teilmengen.
Die
Teilungen
treten
auf
zwei
unterschiedliche Arten auf. Die eine Klasse der Graphen (tile) teilt einzelne Datenpunkte
in sich gegenseitig ausschließende Regionen (Areas oder Volume) auf. Eine Methode
dafür wird beim Mapping verwendet, bei dem unter Verwendung von polygonen
Begrenzungen ein Umkreis um einen Punkt erzeugt wird. Eine andere Methode teilt eine
Gruppe von Punkten mittels einer geometrischen Form oder eines Schemas, wie
beispielsweise Hexagone, auf. Die zweite Klasse der Graphen (contour) separiert Punkte
in zwei oder mehr Regionen, welche nach Möglichkeit geschachtelt sein sollten.
ƒ
Tile
Eine Tile-Zeichenfunktion kachelt eine Oberfläche oder einen Raum. Ein Tile-Graph
bedeckt und segmentiert eine begrenzte Region, welche durch einen Frame
definiert wird. Zwischen den einzelnen Kacheln können keine Lücken, bzw.
Überlappungen auftreten. Abb. 26 zeigt eine Kachelung mit insgesamt 10 000
Kacheln, basierend auf einer mathematischen Funktion.
Abb. 26 Tile-Grafik [Wil 1999]
ƒ
Contour
Die Contour-Zeichenfunktion erzeugt eine Kontur oder Level Curves. Konturen
können verwendet werden um jegliche durchgehende Oberfläche abzugrenzen.
Abb. 27 zeigt eine solche Contour-Grafik in Kombination mit einer Karte der
Vereinigten Staaten, wodurch die durchschnittlichen Wintertemperaturen mit
Längen- und Breitengraden in Verbindung gebracht werden.
88
Abb. 27 Contour-Grafik [Wil 1999]
Networks
Network-Graphen verbinden zwei oder mehrere Punkte mit Liniensegmenten. Obwohl
Networks Punkte verbinden, wird kein Point-Graph benötigt, um eine Network-Grafik
sichtbar zu machen. Networks beinhalten eine enorme Vielfalt an Graphen, wie Circuits,
Trees, Paths sowie Graphen, welche in einer Ebene oder in drei Dimensionen eingebettet
sind und andere Strukturen, welche Punkte verbinden.
ƒ
Path
Eine Path-Zeichenfunktion erzeugt einen Path. Ein Path-Graph verbindet Punkte
so, dass jeder Punkt nicht mehr als zwei Liniensegmente berührt. Folglich trifft ein
Path jeden Punkt in einer Sammlung von Punkten jeweils nur einmal. Wenn ein
Path geschlossen ist (jeder Punkt berührt zwei Liniensegmente), nennt man das
einen Circuit. Paths sehen oft aus wie Lines, jedoch werden diese geometrisch von
einander unterschieden: Lines sind funktional, d.h. für jeden Wert kann es nur
einen Punkt auf einer Linie geben. Paths können sich dagegen selber kreuzen und
Schleifen oder Zickzack bilden. Desweiteren bestehen Paths aus Segmenten,
welche Ecken oder Links zwischen Knoten entsprechen. Das bedeutet, dass eine
Variable dazu verwendet werden kann, für jedes einzelne Segment des Path
Attribute zu bestimmen. Zum Beispiel kann eine Line nur eine einzige Größe
haben, ein Path kann dagegen für jedes seiner Segmente verschiedene Größen
besitzen. Dies gilt auch für das Anfrageverhalten oder Interaktionstechniken, wie
z.B. Brushing. Durch Klick auf ein Line-Segment, erhält man Informationen über
die gesamte Line. Durch Klick auf ein Path-Segment, erhält man Informationen
über dieses einzelne Segment. Abb. 28 zeigt ein Beispiel eines solchen Path.
89
Abb. 28 Path [Wil 1999]
ƒ
Link
Die Link-Zeichenfunktion erzeugt eine Sammlung von Ecken. Diese Ecken sind
Liniensegmente, welche Punkte in einem Raum verbinden. Zwei oder mehr Punkte
sind
im
Link-Graphen
zu
einer
oder
mehreren
Ecken
verbunden.
Die
verschiedenen Graphen in dieser Klasse sind Teilmengen eines gesamten
Networks, welches jedes Punktepaar miteinander verbindet. Abb. 29 zeigt einen
Link-Graphen für alle möglichen Links zwischen den Eckpunkte eines Oktagons.
Abb. 29 Komplettes Network mit acht Punkten [Wil 1999]
90
Splitting vs. Shading
Wie man bereits bei der Darstellung der Graphen erkennen konnte, werden Graphen
durch
die
Verwendung
von
kategorischen
Variablen
unterteilt
(„splitting“).
Eine
kontinuierliche Variable erzeugt ein, zu einer kategorischen Variablen ähnliches visuelles
Ergebnis, jedoch mit dem Unterschied, dass sie die Grafik nicht splittet. Für dieses
Verhalten wird der Begriff „shading“ verwendet. Bei vielen Grafiken kann man nicht mit
bloßem Auge erkennen, ob eine Variable teilt (split) oder verbindet (shade). Diese
Aussage kann man nur treffen, wenn der Variablentyp entweder bekannt ist oder man
mit der Grafik mittels Interaktionstechniken interagieren kann (vgl. Abschnitt Path).
Theoretisch ist es auch möglich, Splitting explizit zu spezifizieren, indem man die
Funktion split() den Ästhetik-Methoden hinzufügt.
Tab. 6 fasst die Graphen dieses Kapitels nochmals für 1D bis 3D zusammen. Die
Abbildungen entsprechen grafischen Beispielen derjenigen Graphen, welche in Tab. 5
aufgeführt wurden.
Die 1D Rendering-Umgebung lässt nur wenig Spielraum, um zwischen Graphentypen zu
unterscheiden. Beispielsweise könnte man Größe verwenden, um einige Aspekte der
Daten zu repräsentieren, solange dies zum Beispiel kein Datenattribut oder eine
Symbolform bemisst. Jedoch muss das Zentrum aller Symbole immer noch auf eine Linie
fallen und ihre Größe hat keine Bedeutung bezüglich der Daten. Ähnlich hat die Größe
von Bar, Histobar, Schema und Tile keine Bedeutung bezüglich der Daten in 1D. 2D
Grafiken bieten einen zusätzliche Freiheitsgrad um Datenvariationen zu repräsentieren.
Grafiken, wie Area, Contour, Path und Link erfordern mindestens zwei Dimensionen, um
überhaupt
verwendbar
zu
sein.
3D
Grafiken
bieten
so
gesehen
am
meisten
Möglichkeiten. In 3D wird der Line-Graph zu einer Oberfläche und die Area zu einem
Volume. In gleicher Weise segmentiert der Tile-Graph einen 3D Raum so, dass jede
Kachel ein Volume umgibt, ähnlich wie auch der Contour-Graph den 3D Raum
segmentiert.
91
Tab. 6 Geometrische Graphen [Wil 1999]
4.2.2.4 Aesthetics
Das
Wort
„Ästhetik“
stammt
ursprünglich
vom
dem
griechischen
Wort
für
„Wahrnehmung“ ab. Die abgeleiteten modernen Bedeutungen von Ästhetik, wie
Schönheit, Geschmack und gestalterische Kriterien kamen erst im 18.Jahrhundert auf.
Wilkinson wählte diesen Begriff für die Beschreibung von Objekten aufgrund seiner
ursprünglichen Bedeutung und da er der Auffassung ist, dass das moderne Wort
„Wahrnehmung“,
bzw.
„Perception“
stark
mit
Subjektivität
in
Verbindung
steht.
Wahrnehmung bezieht sich mehr auf den Wahrnehmenden als auf das Objekt selbst.
Ästhetik
verwandelt
Graphen
in
Grafiken.
Ohne
Ästhetik
sind
Graphen
nicht
wahrnehmbar (zum Beispiel unsichtbar oder unhörbar). Die Ästhetik umfasst Funktionen,
welche bestimmen, wie ein Graph als eine sichtbare oder andere wahrnehmbare Grafik
92
repräsentiert wird. Jede Dimension eines Graphen muss durch ein ästhetisches Attribut,
wie Farbe oder Sound repräsentiert werden. Das nachfolgende Kapitel befasst sich mit
spezifischen ästhetischen Attributen. Wilkinson legte hier das Klassifizierungsschema von
Bertin [Ber 1967] [Ber 1977], welches zu psychologischen Theorien der Wahrnehmung in
Beziehung gesetzt werden kann, zugrunde. Während Bertins Arbeit gänzlich auf visuellen
Darstellungen basiert, gelten Wilkinson’s Variablen mit kleinen Modifikationen auch für
andere sensorische Modalitäten. Für eine psychologische Perspektive auf Bertin’s Arbeit
verweist Wilkinson auf Kosslyn [Kos 1985], für einen Überblick in kartografische
Erweiterungen von Bertins System auf MacEachren [Mac 1995].
Ästhetische Attribute
Wilkinson teilt die Ästhetikattribute in insgesamt fünf Hauptkategorien ein: „Form“,
„Surface“, „Motion“, „Sound“ und „Text“. Tab. 7 fasst diese Ästhetikattribute zusammen,
beansprucht jedoch keine Vollständigkeit, da theoretisch auch andere Attribute, wie
Geruch oder Geschmack denkbar wären. Sieben dieser Attribute sind abgeleitet von den
„Visual Variables“ von Bertin [Ber 1967]: position (position), size (taille), shape (forme),
orientation (orientation), brightness (valeur), color (couleur) und garnularity (grain).
Wilkinson weist darauf hin, dass Bertins „grain“ oftmals mit „texture“ übersetzt wird, er
damit jedoch tatsächlich Granularität meint. Granularität steht also in diesem Sinne in
Bezug zu der räumlichen Frequenz einer Textur.
Form
position
Surface
color
Motion
Sound
direction
tone
stack
hue
speed
volume
dodge
brightness
acceleration
rhythm
jitter
saturation
size
shape
voice
pattern
granularity
glyph
orientation
rotation
label
texture
polygon
image
Text
blur
transparency
Tab. 7 Ästhetische Attribute [Wil 1999]
93
Im Gegensatz zu Bertin trennt Wilkinson jedoch Form- von Texturattributen. Die Ursache
hierfür begründet Wilkinson mit der Übertragung der Theorien von Bertin in die Welt der
Computerprogramme.
Grafiken
müssen
bezüglich
ihrer
ästhetischen
Attribute
unabhängig reagieren können. Zur selben Zeit müssen diese unabhängigen Reaktionen
übereinstimmend funktionieren, so dass die Grafik, welche erzeugt wird, sich konsistent
und kohärent verhält. Daher ist es erforderlich, einige von Bertins Kategorien von
einander zu lösen. So verwendet Bertin Size, Shape und Orientation um sowohl die
äußere Form von Objekten (wie Symbolformen) als auch ihr inneres Texturmuster (so
wie
die
Kreuzschraffierung)
zu
charakterisieren.
Diese
Vorgehensweise
scheint
naheliegend, eignet sich jedoch nicht für eine Implementierung dieser Attribute.
Wie in Tab. 7 zu sehen, verfügen einige der Hauptattributsfunktionen, wie z.B. Position
über verschiedene Methoden. Wenn Position als Transformation angesehen wird, so kann
man die Funktion zusammensetzen. D.h., man kann die Funktion so oft wiederholen, bis
die vorgegebene Position letztendlich erreicht wurde. Daher bietet es sich an, Bertins
Attribut in verschiedene Positionsmethoden zu unterteilen. D.h. die Elternklasse
Position setzt eine Position innerhalb eines Frames. Die Kinder von Position modifizieren
dann die lokale Position auf verschiedene Arten, wie z.B. stack, welches veranlasst, dass
Grafikelemente entlang einer Dimension gestapelt werden (Abb. 30 und Abb. 31).
ƒ
Position
Die Verwendung von Position für eine Grafik ermöglicht eine Vielzahl von
Variationsmöglichkeiten, wie z.B. die Einbettung multipler Grafiken durch die
Verwendung verschiedener positionsbezogener Variablen in ein gemeinsames
Frame oder die Platzierung von Grafiken nebeneinander oder übereinander.
Bertin restringiert seine Analyse auf ein Blatt Papier oder eine Ebene, jedoch muss
die räumliche Position in einem Grafiksystem nicht auf genau drei Dimensionen
beschränkt
sein.
Zum
Beispiel
kann
ein
Frame
(mit
einem
Verlust
der
Allgemeingültigkeit) durch eine Vielzahl an Projektionen in einen 3D, 2D oder 1D
Raum repräsentiert werden. Ein Positionsattribut erfordert lediglich, dass Werte
einer quantitativen Skala zu Koordinaten in einem Raum gemappt werden. Wobei
kontinuierliche Variablen zu eng liegenden Positionen in einer Dimension und
kategorische Variabeln zu einem Gitter mappen. Diese Positionen sind geordnet.
Die Skalierung der Größenordnungen, welche durch die Variable repräsentiert
werden können, muss sich aber nicht notwendigerweise, sich auf die Ordnung
auswirken.
94
Einige Projektionen können zwei verschiedene Koordinaten auch zu derselben
Position projizieren und sie somit ununterscheidbar machen. Manchmal wird
Position auch einfach nur dazu verwendet, Objekte vom Überlappen abzuhalten
oder Objekte einander zuzuordnen. Eine der Kindklassen von Position ist stack,
welches veranlasst, dass Grafikelemente entlang einer Dimension gestapelt
werden. Diese Methode wird verwendet um z.B. Stacked Bar Charts (Abb. 30
links), Stacked Area Charts (Abb. 30 rechts) oder Stacked Dot Plots (Abb. 31) zu
erzeugen.
Abb. 30 Stacked (Divided) Bar-Grafik (li.) und Stacked Area Chart (re.) [Wil 1999]
Abb. 31 Stacked Dot Plot [Wil 1999]
Eine andere Kindklasse ist dodge, welches Grafikelemente dazu veranlasst, sich
selber symmetrisch aufzuheben, wenn sie eng beieinander liegende Werte bei
einem Größenwert besitzen. Diese Methode wird verwendet, um Clustered Bar
Charts (Abb. 32) und symmetrische Dot Plots (Abb. 31) zu erzeugen.
95
Abb. 32 Clustered Bar Chart [Wil 1999]
Jitter fügt den Positionen entlang der Dimension absichtlich eine kleine Anzahl
einheitlicher
und
zufälliger
Fehler
hinzu,
sodass
Grafikelemente
weniger
wahrscheinlich kollidieren. Diese Methode wird verwendet um Jittered Scatterplots
zu erzeugen (Abb. 33).
Abb. 33 Jittered Scatterplot [Wil 1999]
ƒ Size
Bertin definiert Größenvariationen in Ausdrücken von Länge oder Area. Die
Erweiterung dieser Definition auf drei Dimensionen wäre Volume. Das SizeAttribut eignet sich am besten bei Point-Grafiken, jedoch hat es auch anderswo
interessante Anwendungen. Eine der bekanntesten Anwendungen des SizeAttributs ist der Bubble Plot (Abb. 34).
96
Abb. 34 Bubble Plot [Wil 1999]
Bei Lines verhält sich Größe für gewöhnlich äquivalent zu Dicke. Die Funktion Size
kann zum Beispiel die Dicke einzelner Segmente eines Paths kontrollieren, wie in
der bekannten Grafik von Minard aus dem Jahr 1869, in welcher er den
fortlaufenden Verlust an Männern in der französischen Armee von Napoleon
während des Russland-Feldzugs, visualisierte (siehe Abb. 35)
Abb. 35 Napoleons Russland-Feldzug nach Minard [Tuf 1983]
Areas können ihre Größe nur dann ändern, wenn ihr Umfang nicht fest definiert
ist. Eine Area wird durch einen Umfang definiert, welcher entweder durch Daten,
durch eine Kachelung oder durch irgendein anderes begrenzendes Element
bestimmt wird. Surfaces können ihre Größe ähnlich wie Lines ändern. Solids
können ihre Größe dagegen in jeder Dimension ändern.
97
Abb. 36 Solid Größen [Wil 1999]
ƒ
Shape
Shape bezieht sich auf die äußere Form oder Begrenzung eines Objektes. Die
Shape-Attribut Funktion wird oft verwendet um die Shape eines gezeichneten
Symbols in Point-Grafiken zu bestimmen, jedoch hat jeder Graph das Potential
seine Shape zu variieren. Das Attribut beeinflusst also die Shape von Bars und
anderen Grafiken. Abb. 37 zeigt verschiedene Beispiele von Shape-Variationen bei
Symbolen. Die oberste Reihe zeigt einen „Morph“ eines Hexagons in eine
Kreisform. Morphing ist die Technik, welche verwendet wird, um eine Shape
entlang einer fortlaufenden Dimension zu variieren. Die zweite Reihe zeigt das
Morphing einer Ellipse in eine andere Ellipse. Dieses Beispiel ist jedoch
problematisch, da es sich nicht rotationsinvariant verhält. Shape muss variieren,
ohne Size, Rotation oder andere Attribute zu beeinflussen. Die unterste Reihe
zeigt kategorische Shape-Variationen.
Abb. 37 Symbol Shapes [Wil 1999]
Es gibt eine Reihe von Forschern, welche sich damit auseinandergesetzt haben
optimale Symbolformen für Kategorisierung zu erforschen. Dazu gehören zum
Beispiel Lewandowsky und Spence [LS 1989] und Cleveland [Cle 1993].
Abb. 38 zeigt verschiedene Beispiele für kontinuierliche und kategorische
98
Shapevariationen für Lines. Die linke Grafik variiert die Grobheit der Linie um eine
fortlaufende Größenunterteilung der Shape zu erzeugen. Die rechte modifiziert
dagegen die Außenkonturen der Linie um eine kategorische Shape-Variation zu
erzeugen.
Abb. 38 Line Shapes [Wil 1999]
Areas können ihre Shape nur dann ändern, wenn ihr Umfang von einer
Positionvariablen nicht fest definiert ist. Die Tile-Grafik kann zum Beispiel als
Hexagonformen definiert werden um ein Surface zu teilen oder als Umrissform
eines Staates, um eine geografische Karte zu erzeugen. Ebenso können auch
Surfaces ihre Shape ändern. Abb. 39 zeigt kontinuierliche und kategorische
Shape-Variationen für Solids. Einige Solids, wie Intervallgrafiken sind in einer oder
mehreren Achsen festgelegt. Dabei lässt sich für gewöhnlich wenigstens eine
physische Dimension frei variieren und somit die Shape verändern. Die Solids in
Abb. 39 haben konstante Höhen, variieren jedoch in ihrer Shape entlang der
beiden anderen Dimensionen.
Abb. 39 Solid Shapes [Wil 1999]
Symbol-Shapes müssen nicht von einem festgelegten Repertoire von Symbolen
bestimmt werden. Sie können ebenso von einer Gruppe beliebiger Polygone
festgesetzt werden. In Abb. 40 ist beispielsweise eine geografische Karte zu
sehen, die mit der Kindklasse Polygon von Shape erzeugt wurde.
99
Abb. 40 Map of Europe [Wil 1999]
Symbol-Shapes können auch von wesentlich komplexeren Algorithmen bestimmt
werden, wie zum Beispiel von Glyph-Funktionen. Diese werden verwendet, um
die Shape von Point-Grafiken zu bestimmen. Glyphen sind geometrische Formen,
welche verwendet werden um mehrere Variablen gleichzeitig zu repräsentieren
[Fie 1979] [COW 1992] [HM 1990]. Abb. 41 zeigt eine Modifikation der bekannten
FACES von Herman Chernoff [Che 1973] durch Bruckner [Bru 1978], welche
durch eine solche Glyphen-Funktion erzeugt wurden. Die Merkmale der Gesichter
stehen dabei stellvertretend für ihre Variablen.
Abb. 41 Modifikation der “Chernoff” FACES von Bruckner [Wil 1999]
100
Auch Images können verwendet werden, um die Shape von Points, Bars und
anderen
Grafiken
zu
bestimmen.
Abb.
42
zeigt
einen
Scatterplot
mit
verschiedenen Gesichtsausdrücken, welcher mittels der Image-Funktion erzeugt
wurde. In diesem Beispiel wird das Zentrum der Konfiguration von einem Gesicht
ohne Emotion markiert. Die radiale Distanz von diesem Punkt aus in jede Richtung
repräsentiert die Intensität von Emotion und die Polarwinkel den Typ der Emotion.
Abb. 42 Scatterplot mit Images [Wil 1999]
ƒ
Rotation
Die Rotation einer Grafik stellt ihren Rotationswinkel dar. Abb. 43 zeigt Rotationsvariationen für 2D und 3D Objekte. Lines, Areas und Surfaces können nur dann
rotieren, wenn sie in Bezug auf die Position ungebunden sind.
Abb. 43 Rotation eines Symbols und eines Solids [Wil 1999]
101
Abb. 44 zeigt besipielhaft wie Windgeschwindigkeiten mittels eines Pfeilsymbols
und den Funktionen Rotation und Size visualisiert werden können.
Abb. 44 Windgeschwindigkeiten [Wil 1999]
ƒ
Color
Color ist ein psychologisches Phänomen, ein Erzeugnis des visuellen Systems [LS
1991]. Der physische Stimulus für Color ist Licht. Da unser Farbwahrnehmungssystem dreidimensional ist, kann man alle sichtbaren Farben mit allen drei nichtkollinearen Achsen in diesem Raum repräsentieren. Beispiele für Farbmodelle
sind: RGB (Computermonitore und TV), CMY (Drucker) und HLS, welches sich auf
Hue, Lightness und Saturation bezieht und von Newtons Analyse des Spektrums
abgeleitet ist. Viele Forscher haben sich mit der Farbtheorie und deren Einsatz
auseinander gesetzt. Für einen Einblick in diese Thematik siehe beispielweise [Tra
1991] [Bre 1994] [Bre 1996] [OB 1997].
Die Funktion Color besitzt verschiedene Kinder: Brightness, Hue und Saturation.
Brightness ist gleichbedeutend mit Helligkeit, also der Spanne zwischen hell und
dunkel. Abb. 45 zeigt eine Skala für Brightness für insgesamt fünf quadratische
Felder.
Abb. 45 Brightness Variation
102
Hue stellt die reine spektrale Komponente (konstante Intensität) einer Farbe,
ohne Berücksichtigung von Brightness oder Saturation dar. Abb. 46 zeigt fünf
verschiedene Farbtöne: rot, gelb, grün, blau, lila.
Abb. 46 Hue Variation [Wil 1999]
Saturation stellt den Grad der reinen Farbe (Hue), also die Sätting, dar.
Abb. 47 zeigt fünf verschiedene Sättigungslevel für ein rotes Feld, von grau (0%
Hue) bis zu rot (100% Hue). Die Brightness der Felder sollte konstant sein.
Abb. 47 Saturation Variation [Wil 1999]
Color kann beispielsweise in diversen Grafiken wie Scatterplots, Karten oder
Matrix Plots verwendet werden um verschiedene Kategorien zu kennzeichnen, wie
in den Abb. 48 und Abb. 49 zu sehen ist.
Abb. 48 Scatterplot mit farbkodierten Kategorien (li.) und Color Map (re.) [Wil 1999]
103
Abb. 49 Matrix Plot [Wil 1999]
ƒ
Texture
Texture beinhaltet Pattern, Granularity und Orientation. Pattern kann man sich
vorstellen wie, die „fill-style“ Funktion in Grafikprogrammen, Granularity ist die
Wiederholung eines Pattern pro Einheit in einem Bereich und Orientation stellt den
Winkel der Patternelemente dar.
Eine mathematische Definition von Texture ist die räumliche Verteilung von
Brightness-Werten
eines
zweidimensionalen
Bildes
auf
einem
beleuchteten
Surface. Diese Definition unterliegt der Texturwahrnehmungsforschung von Julesz
[Jul 1965] [Jul 1971] [Jul 1975]. Räumliche Verteilung kann auf verschiedene
Arten repräsentiert werden. Eine der gebräuchlichsten ist zum Beispiel die Fourier
Transform,
welche
ein
Gitter
von
Brightness-Werten
in
Summen
von
trigonometrischen Komponenten zerlegt. Zu beachten ist, dass Ausprägungen der
einzelnen Attributsfunktionen von Texture durchaus miteinander interagieren und
sich gegenseitig beeinflussen können. Beispiele hierfür finden sich bei Julesz [Jul
1981]. So kann auch schon die Texture allein für die Wahrnehmung einer Form
verantwortlich sein. Abb. 50 zeigt Variationen der Granularity, also eine
Rasterung konstanter Brightness, die in ihrer räumlichen Frequenzen variiert.
Abb. 50 Granularity [Wil 1999]
104
Abb. 51 zeigt verschiedene Grade von Granularitätsvariationen für Lines. Jede
Reihe von Abb. 51 kann als vertikal zusammengepresstes Muster von den
Elementen
in
Abb.
50
betrachtet
werden.
Beide
Abbildungen
beinhalten
tatsächlich 1D Texture-Karten.
Abb. 51 Line Granularity [Wil 1999]
Abb. 52 zeigt kontinuierliche und kategorische Variationen von Pattern. Die
kontinuierlichen
Beispiele
(obere
Reihe)
verwenden
zunehmend
höhere
Zufallsgrade in einer einheitlichen räumlichen Verteilung. Die kategorischen
Beispiele verwenden verschiedene Shapes für ihre Elemente. Die Brightness für
jedes Feld wird durch denselben prozentualen Anteil an schwarzen Pixeln geregelt.
Abb. 52 Pattern Variations [Wil 1999]
Linienmuster können durch das Füllen dicker Linien mit verschiedenen Mustern
variiert werden. Eine gestrichelte Linie kann beispielsweise durch Füllung des
Inneren einer dicken Linie mit einem eindimensionalen Gittermuster konstruiert
werden, wie in Abb. 51 zu sehen.
Abb.
53
zeigt
verschiedene
Variationsgrade
von
Orientation.
Orientation
beeinflusst auch andere Komponenten der Textur. So ist Orientation auch im
hohen Maß für das Entstehen von visuellen Vibrationen, Moire Mustern und
anderen unerwünschten Effekten verantwortlich. Abb. 53 zeigt wie die Variation in
der Texturorientierung eine visuelle Illusion einführt, so dass die Linien nicht
parallel erscheinen. Viele solcher Beispiele bezüglich der Verwendung von
Orientation finden sich bei Tufte [Tuf 1983].
105
Abb. 53 Line Textur Orientation [Wil 1999]
ƒ
Blur
Blur beschreibt den Effekt, welcher die Änderung der Fokuslänge in einer
Darstellung hervorruft, also das Entstehen von Unschärfe. Abb. 54 zeigt von links
nach rechts fünf verschiedene Unschärfelevel.
Abb. 54 Blur Variation [Wil 1999]
ƒ
Transparency
Das Attribut Transparency erzeugt verschiedene Stufen von Transparenz. Abb. 55
zeigt Beispiele für fünf verschieden transparente Level.
Abb. 55 Transparency Variation [Wil 1999]
ƒ
Motion
Der Einsatz von Motion, also Animation ist vor allem bei Visualisierungssoftware
stark verbreitet. Näheres dazu findet man zum Beispiel bei Cleveland und McGill
[CM 1988] und Earnshaw and Watson [EW 1993].
106
ƒ
Sound
Die potentielle Dimensionalität einer Soundumgebung ist mindestens so groß wie
die einer visuellen. Auch im Bereich von Sound gibt es verschiedene Ansätze
Grafiken darzustellen. Beispielsweise kann man Tonlagen, Amplituden, Textur und
andere
Wellenformeigenschaften
verwenden,
um
separate
quantitative
Dimensionen zu repräsentieren [Bly 1983] [MFS 1984] [BFL 1985] [Fis 1994].
Oder man kann jedes Objekt in einer Grafik als eine Soundquelle behandeln und
alle Objekte in eine virtuelle räumliche Umgebung einbetten [JL 1966] [BSG
1989] [Brg 1990] [SBG 1990] [Hol 1994]. In diesem Soundscape-Ansatz ist die
Metapher einer Symphonie oder eines Operauftritts nicht ungeeignet. Eine
Scatterplotwolke
kann
von
Chorsängern
repräsentiert
werden,
welche
entsprechend im Raum verteilt sind. Krygier [Kry 1994) beschäftigt sich mit der
Verwendung von Sound für multidimensionale Datenrepräsentationen. Siehe
ebenso Shepard [She 1964) und Kramer [Kra 1994].
ƒ
Text
Text wird im Allgemeinen nicht als ein ästhetisches Attribut betrachtet. Wilkinson
klassifiziert es auf diese Weise, da Lesen Wahrnehmungs- und kognitive Prozesse
beinhalten, welche die Dekodierung einer Grafik auf dieselbe Weise unterstützen,
wie dies wahrnehmbare Farben oder Muster tun. Die Label Text-Attributfunktion
ermöglicht es, ein beschreibendes Label mit jeglicher Grafik in Verbindung zu
bringen. Diese Funktion platziert zum Beispiel Text in der Nähe zu einem Punkt,
an das obere Ende einer Bar oder nahe einer Line. Die Label-Attributfunktion
ermöglicht es, eine beschreibende Textkonstante („New York“) oder einen
numerischen Wert („3.235647“), welcher automatisch zu Text konvertiert wird,
mit einer Grafik in Verbindung zu bringen.
Tab. 8 fasst die Hauptattribute dieses Kapitels nochmals zusammen. Die Spalten
repräsentieren geometrische Formen, welche von den verschiedenen Graphentypen
verwendet werden: Point, Line, Area, Surface und Solid. Die Reihen repräsentieren die
Attribute, aufgeteilt in vier Superklassen: Form, Color, Texture und Optics.
107
Tab. 8 Ästhetische Attribute geordnet nach Geometrie [Wil 1999]
Dieses Kapitel deckt eine große Vielzahl an Basisgrafiken ab, für die Erstellung
komplexerer Grafiken sind jedoch statistische Funktionen notwendig.
108
4.2.2.5 Statistics
Wilkinson bezeichnet mit Statistics Methoden, welche die Position von geometrischen
Graphen verändern. Diese Methoden können bei allen Graphentypen angewendet
werden. Einige dieser Kombinationen von Graphen und statistischen Methoden können
eigenartig oder bizarr wirken, jedoch gibt es theoretisch keinen Grund sie zu
restringieren. Dennoch verfügen Graphen über statistische Default-Methoden.
Statistiken haben das Potential die Erscheinung von Grafiken so radikal zu verändern, wie
dies Koordinatentransformationen tun. Daher ist es ist manchmal schwierig, eine Grafik,
nachdem ihre Geometrie durch eine Statistik verändert wurde, wieder zu erkennen.
Umgekehrt kann es oftmals schwierig sein, eine statistische Funktion von der Geometrie
einer Grafik abzuleiten.
Methoden
Tab. 9 listet die wichtigsten statistischen Methoden auf, welche bei Graphen anwendet
werden können. Wilkinson teilt diese in insgesamt fünf Hauptklassen ein: „Statistics“
(Basic Statistics), „Region“ (Intervall and Region Bounds), „Smooth“ (Regression,
Smoothing and Interpolation), „Density“ (Desity Estimation) und „Edge“ (Methoden für
die Berechnung von Ecken von Graphen basierend auf einer Gruppe von Knoten oder
Punkten).
Die Statistic-Klasse umfasst statistische Algorithmen für die Erzeugung eines einzelnen
Wertes (oder Verktorenwerte), welcher eine statistische Zusammenfassung beinhaltet.
Die Region-Klasse umfasst statistische Algorithmen, die zwei Werte, welche sich grafisch
als zwei Punkte, die einen Punkt in einer Dimension zwischen den zwei Werten springen
lässt, darstellen lassen oder eine Gruppe von Werten an den Eckpunkten einer konvexen
Region, welche einen Punkt in höheren Dimensionen springen lassen, erzeugen. Die
Smooth-Klasse umfasst eine Vielfalt an Methoden für die Berechnung von weichen/
unscharfen Werten. Die Density-Methoden schätzen unter Verwendung einer Vielfalt von
Ansätzen eine Density ab. Die Edge-Methoden schließlich fügen in einen Graphen Knoten
(Tupel) ein und geben enstprechend der verschiedenen Algorithmen Ecken zurück.
Tab. 9 erhebt keinen Anspruch auf Vollständigkeit, soll aber einen grundsätzlichen
Einblick in die verfügbaren Methoden geben. Im folgenden werden diese Methoden nicht
einzeln erklärt, da dies über den Rahmen dieser Arbeit weit hinaus gehen würde, jedoch
soll mit einigen Beispielen ein Eindruck bezüglich der Effekte dieser Methoden gegeben
werden. Beschreibungen der einzelnen Methoden finden sich in „The Grammar of
Graphics“ von Wilkinson.
109
statistic
region
smooth
density
edge
count
spread
linear
normal
mst
sum
sd
quadratic
kernel
delaunay
mean
se
cubic
ash
hull
median
range
log
quantile
tree
mode
confi
mean
bin
join
sd
mean
median
rect
tsp
se
sd
mode
gap
range
smooth
spline
hex
Tab. 9 Statistische Methoden [Wil 1999]
Form and Function
In dem Wilkinson die statitischen Methoden von den Grafiken, welche sie darstellen
trennt, separiert er Form von Funktion. Das heißt, dieselbe Statistik kann von
verschiedenen Typen von Grafiken repräsentiert werden (Abb. 56) und derselbe Typ von
Grafik kann verwendet werden, um zwei unterschiedliche Statistiken darzustellen (Abb.
57).
Abb. 56 Unterschiedliche Graph Typen, dieselbe statistische Methode (v.l.o.n.r.u.: point, line, area, bar;
Methode: region.confi.smooth.linear) [Wil 1999]
110
Abb. 57 Unterschiedliche statistische Methoden, derselbe Graph Typ (v.l.o.n.r.u.: statistic.mean,
region.spread.range, smooth.quadratic, region.confi.smooth.linear; Graph Typ: line) [Wil 1999]
Diese Trennbarkeit von statistischen und geometrischen Objekten ist es, was einem
System die große Breite an Repräsentationsmöglichkeiten bietet. Im folgenden Abschnitt
werden nun exemplarisch die Effekte einige dieser funktionalen Methoden anhand von
Grafiken gezeigt.
Abb. 58 (links) zeigt ein Surface, das mittels der
Methode „....smooth.stepp“ erzeugt
wurde, Abb. 58 (rechts) zeigt dagegen ein Surface, welches mittels der Methode
„....smooth.mean.cauchy“ erzeugt wurde.
Abb. 58 3D Stepped Surface (li.) und Smooth of Temperature Variation (re.) [Wil 1999]
111
Bar-Graphen repräsentieren interval-valued Funktionen oder Relationen, in welchen die
Range zwei Werte für ein gegebenes Tupel in dem Bereich haben kann. Um eine BarGrafik zu erzeugen wird für gewöhnlich ein Ende eines Intervalls am Wert Null fixiert. Das
folgende Beispiel illustriert eine Anwendung, in welcher beide Enden verwendet werden.
Abb. 59 zeigt eine Bar-Grafik, die mit der Methode „....statistic.mean“ erzeugt wurde.
Abb. 59 Error Bars [Wil 1999]
Densities messen die relative Konzentration einer Probe an verschiedenen Werten einer
Variablen. Diese statistischen Messungen reichen dabei von gewöhnlichen Histogrammen
über Dot Plots zu Kernel Density Schätzungen. Abb. 60 zeigt Beispiele für solche
Densities („....denisty.normal.joint“, bzw. „....density.kernel.epanechinkov.joint“).
Abb. 60 Bivariate Densities [Wil 1999]
112
Abb. 61 zeigt ein Beispiel eines Box Plots, welcher aus einzelnen konvexen Hüllen besteht
(„peeled convex hulls“). Tukey [Tuk 1974] sowie Huber [Hub 1972] schlagen diese
Methode für die Generalisierung des Box Plot für mehr als eine Dimension vor. Jede Hülle
in diesem Box Plot enthält einen unterschiedlichen Prozentsatz der gesamten Anzahl der
Daten (hier:Länder). Die äußerste Hülle enthält alle Länder und jede folgende Hülle
enthält ca. 25 Prozent weniger Länder. Der bivariaten Box Plot in Abb. 61 wurde, der mit
der Methode „...statistic.median.joint“ erzeugt.
Abb. 61 Bivariate Box Plot [Wil 1999]
Wie bereits erwähnt, ist es möglich, Funktionen, unter der Verwendung desselben TileGraphen, einzusetzten, um verschiedene Tilings zu erzeugen. Abb. 62 zeigt solch ein
Beispiel - Two Variable Histogram und Hexagon Hinning, welche mit der Methode
„...density.bin.rect“, bzw. „...density.bin.hex“ erzeugt wurden.
Abb. 62 Two VariableHhistogram and Hexagon Binning [Wil 1999]
113
Die
Path-Zeichenfunktion
berechnet
einen
Path
bezüglich
der
Ordnung
einer
Punktegruppe in einer Liste. Die Ordnung kann vom originalen Datensatz stammen oder
man kann die Daten sortieren. Die folgende Methode („...edge.tsp“) berechnet eine
Ordnung unter Verwendung eines Algorithmus, welcher einen kurzen Path durch die US
berechnet, welcher jeden Staat nur einmal streift und zum Anfang zurückkehrt um einen
vollständigen Kreis zu bilden (siehe Abb. 63).
Abb. 63 Short Path durch die US [Will 1999]
Die Link-Zeichenfunktion berechnet eine Gruppe mit Links zwischen Punkten. Die edgeFunktion bietet verschiedene Methoden für die Berechnung dieser Links. Beispiele sind
der Minimum Spanning Tree (MST) („....edge.mst“), Hulls („...edge.hull“), Triangulation
(„...edge.delaunay“) oder Trees („...edge.tree“). Der MST verbindet Punkte in einem
Raum mittels Liniensegmenten, welche die geringste Gesamtlänge haben und welche alle
Punkte miteinander verbinden ohne einen Kreis (Zyklus) zu bilden (Abb. 64 links). Eine
Convex Hull verbindet außenliegende Punkte so, dass eine konvexe Begrenzung um alle
Punkte herum entsteht (Abb. 64 rechts). Eine Triangulation verbindet Punkte mit
Segmenten, so dass alle begrenzten Regionen Dreiecke bilden (Abb. 65 links). Ein Tree
stellt oftmals einen Datensatz dar, welcher als verlinkte Liste organisiert ist (Abb. 65
rechts).
114
Abb. 64 Minimum Spanning Tree (li.) und Convex hull (re.) [Wil 1999]
Abb. 65 Triangulation (li.) und Cluster Tree (re.) [Wil 1999]
Tab. 10 fasst die statistischen Methoden, welche in diesem Kapitel vorkamen noch mal
zusammen. Jede Zelle der Tabelle zeigt ein Exemplar für einen Methodentyp in 1D, 2D
oder 3D. Wilkinson fügte Punkte mit ein, um in den grafischen Beispielen Datenwerte zu
repräsentieren; diese sind hellblau koloriert. Die Grafiken, welche die Ergebnisse von
statistischen Methoden darstellen, sind dunkelblau koloriert.
Die Conditional Methoden berechnen einen eindeutigen Wert oder ein eindeutiges
Werteset auf einer selektierten Variablen für jeden einzelnen Wert von x. Bei 1D ist x
konstant. Bei 2D ist x eine Variable. Bei 3D ist x eine zweidimensionale vector-valued
Variable. Wenn x kategorisch ist, dann sind die berechneten Schätzungen auf einem
Gitter platziert. Wenn x kontinuierlich ist, dann sind diese Schätzungen in einem realen
Raum verteilt. Die Statistic-Methoden umfassen einen einzelnen Punkt. Die RegionMethoden umfassen Intervalle oder Typen konvexer Regionen. Die smooth-Methoden
umfassen verbundene Gruppen einzelner Punkte von jedem Wert von x. Die densityMethoden umfassen Klasseneinteilung oder „Parametric Smoothing“ für die Berechnung
einer Density in einer lokalen Region. Die Edge-Methoden schließlich umfassen
115
Berechnungen auf Punkten, die Knoten in gerichteten oder generellen Graphen sind.
Die Joint Methoden berechnen einen eindeutigen Wert oder ein eindeutiges Set von
Werten auf einem selektierten Set von Variablen. Bei 1D sind diese Methoden identisch
zu den Conditional Methoden, da das Angleichen an eine Konstante einem Weglassen
einer Angleichung entspricht. Daher ist die erste Spalte der Tabelle für Conditional und
Joint Methoden identisch. Die 2D und 3D Joint Methoden unterscheiden sich auf der
anderen
Seite
von
ihren
Conditional
Gegenstücken.
Die
Unterschiede
sind
am
ersichtlichsten, wenn man die geometrischen Eigenschaften der Grafiken in der Tabelle
betrachtet.
Tab. 10 Statistical Methods by Dimensionality [Wil 1999]
Während statistische Methoden mit geometrischen Regionen in einem Raum verbunden
sind,
darf
man
nicht
vergessen,
dass
diese
Regionen
von
verschiedenartigen
geometrischen Graphen repräsentiert werden können (vgl. Abb. 56). Die Mächtigkeit
eines Systems, welches geometrische Graphen und ihre statistischen Methoden abgrenzt,
liegt mehr in der Bereitstellung einer kompletten Palette von Repräsentationsmethoden,
als in der Vorauswahl einer Teilmenge auf Basis von Gewohnheiten.
116
4.2.2.7 Scales
Scales sind die Typen von Funktionen, welche verwendet werden um Variablensätze zu
Dimensionen zu mappen. Die visuelle Repräsentation einer Scale ist eine Achse mit
Achseneinteilungen (ticks). Jedoch können auch Legenden und andere Formen von
Guides Scales repräsentieren. Die Konstruktion einer Scale mag den Anschein haben,
dass es hierbei lediglich um die Selektion einer Range für die betreffenden Zahlen und
Intervalle geht, um Achseneinteilungen einzeichnen zu können. Jedoch messen Scales
auch den Inhalt eines Frames. Sie bestimmen, wie die Size, Shape und Position der
Grafiken dargestellt wird. Letztendlich bestimmt diese Wahl, wie eine Grafik interpretiert
wird.
Scale Transformations
Wie bereits erwähnt, transformiert man Variablen indem man Operationen, wie Logging
oder Square-Rooting anwendet. Der Zweck von Variablentransformationen in einem
Grafiksystem ist es, statistische Operationen auf Variablen möglichst adäquat und
aussagekräftig durchzuführen. Scales operieren dagegen auf Gruppen von Variablen
(Dimensionen). Der Zweck von Scale Transformationen ist dem von Variablentransformationen ähnlich – statistische Objekte möglichst adäquat und aussagekräftig auf
Dimensionen abzubilden.
Im nächsten Kapitel wird eine dritte Klasse von Transformationen behandelt werden:
Koordinatentransformationen. Zweck dieser Transformationen ist es, die Geometrie von
Grafiken zu manipulieren, um Beziehungen zu enthüllen und aussagekräftige Strukturen
für die Repräsentation von Variationen zu finden. In einigen Fällen werden Scale und
Koordinatentransformationen zusammen verwendet. Und in einigen seltenen Fällen sind
alle drei Transformationen anwendbar – bei einer Variablen, bei einer Dimension und bei
einem Koordinatensystem.
Der Grund für die Separation der Transformationen bezüglich der Gruppe auf denen sie
operieren (Variablen, Dimensionen und Koordinaten), ist es eine klare Trennung zwischen
statistischen und geometrischen Operationen zu halten. Statistische Methoden (z.B.
Smoothing
und
Aggregation)
erfordern
oftmals
Annahmen
über
die
statistische
Verteilung der Variablen auf denen sie operieren. Daher müssen Variabeln und Scale
Transformationen durchgeführt werden bevor diese statistischen Methoden angwendet
werden. Koordinatentransformationen ändern auf der anderen Seite die Erscheinung der
Grafiken (z.B. Bars werden zu Pies), ändern jedoch nicht ihre statistischen Proportionen.
117
Daher müssen Koordinatentansformationen durchgeführt werden nachdem statistischen
Methoden angwendet wurden.
Wilkinson listet in seinem Buch „The Grammar of Graphics“ eine Reihe von Scale
Transformationen auf, vergleichbar der Tabelle der statistischen Methoden. Da diese
jedoch relativ abstrakt sind und somit einer näheren Auseinandersetzung bedürfen,
werden diese hier nicht weiter ausgeführt. Für eine nähere Betrachtung siehe „The
Grammar of Graphics“ von Leland Wilkinson.
4.2.2.8 Coordinates
Das Wort „coordinate“ ist abgeleitet vom lateinischen „ordinare“, welches „ordnen“ oder
„arrangieren“
bedeutet.
Koordinaten
sind
Sets,
welche
Punkte
in
einem
Raum
lokalisieren. Diese Sets sind für gewöhnlich Zahlen, gruppiert in Tupeln - ein Tupel für
jeden Punkt. Da Räume als Sets von geometrischen Objekten plus Axiome, welche ihr
Verhalten regeln, definiert werden können, können Koordinaten generell als Schema für
das Mapping von Elementensets zu geometrischen Objekten betrachtet werden.
Die geläufigsten Koordinaten sind die Kartesischen Koordinaten. Ein Punkt wird auf einer
kartesischen Ebene beispielsweise durch seine Distanzen zu zwei sich überschneidenden
Geraden festgelegt. Die Distanz von einer Linie wird entlang einer Parallelen zu der
anderen Linie gemessen. Für gewöhnlich sind die Referenzlinien (Achsen) rechtwinklig
zueinander angeordnet. Die meisten bekannten Grafiken, wie Line oder Bar Charts
werden unter der Verwendung von Kartesischen Koordinaten gezeichnet. Dieselben
Zahlen dieser Grafiken können jedoch zu Punkten entlang eines Kreises, Kurven oder
anderen Objekten gemappt werden.
Die meisten Business- und Wissenschaftsgrafiken werden in rechteckigen Koordinaten
dargestellt. Im folgenden wird man sehen, dass Koordinatensysteme die Erscheinung von
Grafiken so radikal ändern können, dass die Wiedererkennung eines Grafikobjektes,
welches in ein anderes Koordinatensystem eingebettet ist, schwer fällt. Dieses Kapitel
behandelt Funktionen, welche ein Set von Koordinaten in ein anderes Set von
Koordinaten
transformieren.
Jedoch
wirken
sich
die
Effekte
von
Koordinatentransformationen nicht nur auf die Grafik an sich aus, sondern auch auf die
Achsen. So werden diese oftmals zu Kurven, ändern ihre Orientierung, ihr Scaling oder
ihre Richtung. Dies ist eine wichtige Konsequenz von Koordinatentransformationen.
Achsen oder Guides teilen sich die Geometrie mit Grafiken und unterliegen daher auch
denselben Transformationseffekten wie Bars, Boxes und anderen Grafiken.
118
Zunächst werden klassische Transformationsgruppen behandelt, welche beim Mapping
der Ebene zu sich selbst involviert sind, dann polare und andere allgemeine planare
Ebenentransformationen.
Die
Projektionen
auf
die
Ebene
enthalten
globale
Kartenprojektionen. Abschließend werden „Triangular“, „Spherical“, „Cylindrical“ und
„Parallel“ Koordinaten vorgestellt.
Transformations of the Plane
Gewöhnliche Grafiken wie Bars und Tiles verändern unter verschiedenen Ebenentransformationen radikal ihr Erscheinungsbild. Diese starken visuellen Effekte verleiten dazu,
diese Grafiken für neue Grafiktypen zu halten, obwohl es sich tatsächlich um eine
einfache Koordinatentransformation einer bekannten rechteckigen Grafik handelt.
ƒ
Isometric Transformations
Die
Gruppe
der
Transformationen,
isometrischen
welche
die
Transformationen
Distanz
zwischen
ist
eine
Punkten
Gruppe
bewahrt.
von
Diese
Operationen befolgen die Axiome Euklidscher Geometrie. Zu den sogenannten
„Rigid
Transformations“
gehören:
„Translation“,
„Rotation“,
„Reflection“.
Translation bewegt ein Objekt vertikal oder horizontal, ohne Einfluss auf seine
Shape, Size oder Orientation zu nehmen. Die häufigste Verwendung von
Translation
sind
„paneled“
Grafiken.
Durch
Zusammensetzen
mit
anderen
Koordinatentransformationen kann man auch ungewöhnlichere Arrangements von
Multigrafiken erzeugen. Rotation rotiert ein Objekt um einen Punkt (gewöhnlich
sein Zentrum) ohne Änderung seiner Shape oder Size. Diese Koordinatentransformation wird beispielsweise meistens benutzt um horizontale Bar-Grafiken zu
erzeugen. Reflection invertiert ein Objekt horizontal oder vertikal, ohne seine
Size oder Shape zu ändern. Diesen Vorgang ist mit einer Spiegelung vergleichbar.
Die Kombination von Reflection gefolgt von einer Rotation wird Transposition
genannt.
Die Ausführungsreihenfolge der Transformationen ist für das Resultat relevant. So
kann eine andere Ausführungsreihenfolge zu einem anderen Ergebnis führen.
Auch innerhalb ihrer eigenen Klasse (z.B. Isometrie) sind Ebenentransformationen
nicht kommutativ.
119
ƒ
Similarity Transformations
Similarity Transformationen stellen eine Gruppe von Transformationen dar, welche
die Größe von einem Objekt ändern. Diese Gruppe umfasst sowohl Isometrien als
auch Dilatation. Auch wenn der Transformationsname Dilatation auf eine
Ausdehnung hinweist, so beinhaltet diese Transformation sowohl Vergrößerung als
auch Verkleinerung. Der Name Similarity impliziert, dass zwei Objekte derselben
Form, jedoch verschiedener Größe und an verschiedenen Positionen dennoch
ähnlich sind. Auch Multigrafiken erfordern Dilatation Transformationen um
innerhalb der Anordnung der Grafiken die Größe der Frames richtig anzupassen.
Eine andere Anwendung von Dilatation ist „Zoom in“ um Details zu enthüllen oder
„Zoom
out“
um
globale
Strukturen
aufzudecken.
Dieser
Graphical
Zoom
unterscheidet sich jedoch von einem Data Zoom. Der Graphical Zoom ist
vergleichbar mit einer optischen Manipulation, da man bei ihm jeden Gegenstand
– Achsen und Text eingeschlossen - vergrößert oder verkleinert. Er ermöglicht
dem Benutzer kleine Bereiche einer Grafik zu untersuchen um detaillierte
Strukturen zu analysieren. Bei einem Data Zoom reduziert oder vergrößert man
dagegen einen Frame durch Angleichen seiner Begrenzungen in Dateneinheiten.
Die physische Größe der Frame-Grafik und die Größe der anderen Grafiken
innerhalb des Frames (Points, Lines, Areas) ändern sich nicht. Stattdessen
unterteilt man bei einem Data Zoom-in die Daten in Teilmengen und bei ein Data
Zoom-out bettet man die Daten in einen größeren Wertebereich ein. Diese Data
Zoom Operation hat Konsequenzen für eingebettete Grafiken; sie müssen neu
berechnet werden, basierend auf der Teilmenge der Daten in dem Frame. Ein
Graphical Zoom erfordert dagegen keine Neuberechnung; lediglich das Bild wurde
transformiert.
ƒ
Affinity Transformations
Affinity Transformationen stellen eine Gruppe von Transformationen dar, welche
bewirken, dass sich eine Dimension unabhängig von einer anderen streckt. Das
Wort Affinität impliziert, dass linear gestreckte und gescherte Objekte ungeachtet
ihrer Größe und Position sich die Affinität zu einer Form teilen. Zu diesen affinen
Transformationen gehören: „Stretch“ und „Shear“.
120
Die Stretch Transformation variiert den Aspekt des Seitenverhältnisses - also das
Verhältnis der physischen Höhe im Vergleich zu der physischen Breite einer Grafik.
Abb. 66 zeigt eine Stretch Transformation einer Time Series Grafik. In Abb. 67 ist
eine Shear Transformation einer Datengrafik zu sehen. Diese entspricht einer
Scherung, also einer parallelen Verschiebung der Achsen, ohne die Änderung des
Seitenverhältnisses einer Grafik (vgl. Parallelogramm).
Abb. 66 Stretch Transformation [Wil 1999]
Abb. 67 Shear Transformation [Wil 1999]
121
ƒ
Projectivity Transformations
Eine Ebenenprojektion ist ein Mapping von einer Ebene zur anderen durch die
perseptivische Projektion von einem beliebigen Punkt aus, welcher jedoch nicht
auf einem anderen Punkt liegen darf. Abb. 68 illustriert dieses Mapping räumlich.
Für jeden Punkt im Bild, welches in der Figur auf der unteren Ebene liegt, gibt es
einen entsprechenden einzelnen Punkt in dem Bereich der oberen Ebene.
Abb. 68 Projektion einer Ebene auf eine andere [Wil 1999]
Wie die Abbildung andeutet, kann man ein ähnliches Modell verwenden um eine
perspektivische Projektion zu erzeugen, welche in Computergrafiken von 3D
Objekten perspetivische 2D Views erzeugt. Ebenenprojektionen sind jedoch
restriktiver als 3D-zu-2D Projektionen. Sie teilen sich das Composition-Verhalten
anderer Ebenentransformationen. Mit anderen Worten, man kann eine Projektion
projizieren und gleichzeitig innerhalb der Projectivity Klasse bleiben. In der 3D-zu2D Projektion ist es möglich, dass mehrere Punkte im Wertebereich auf denselben
Punkt im Bild abgebildet werden.
Projectivity Transformationen sind eine Gruppe von Transformationen, welche
gerade Linien bewahren, Winkel jedoch modifizieren können. Abb. 69 zeigt ein
Beispiel für eine Projektion.
122
Abb. 69 Projektion [Wil 1999]
ƒ
Conformal Mappings
Die Klasse Conformality beinhaltet Conformal Mappings. Ein Conformal Mapping
fügt einer Similarity Transformation eine eigene geometrische Charakteristik
hinzu: lokale Winkel bleiben (bei der Überschneidung von zwei Kurven) erhalten,
gerade
Linien
können
sich
jedoch
zu
Kurven
verändern.
Eine
Ebenen-
transformation ist conformal, wenn jeder Punkt auf der Ebene so transformiert
wird, dass alle möglichen infinitesimalen Vektoren, welche von diesem Punkt
ausstrahlen, von derselben Menge in dem Bild rotiert und ausgedehnt werden.
Diese lokale Rotation und Dilatation bedeutet, dass in dem Bild sehr kleine
Quadrate als kleine Quadrate erhalten bleiben, große Quadrate jedoch wesentlich
verzerrt werden können (vgl. Abb. 70). Diese Transformation sieht lokal wie eine
Similarity aus, global jedoch wie ein nicht-lineares Warping. Conformal Mappings
können also die globale Shape einer Grafik beträchtlich verzerren. Abb. 70 zeigt
verschiedene Beispiele für Conformal Mappings anhand von Schachbrettmustern.
Ein weiteres Beispiel ist in Abb. 71, einer Grafik aus dem Bereich der Meterologie
zu finden, welche Luftfeuchtigkeit und Windstärke in Bodennähe zueinander in
Bezug setzt.
123
Abb. 70 Conformal Mappings eines Schachbretts [Wil 1999]
Einige dieser Transformationen sind Subklassen der Möbius Transformation, in
welcher alle Konstanten und Variablen komplex sind. Diese Transformation hat
eine
Vielzahl
von
Basisapplikationen
in
der
Physik,
Flussdynamik,
Elektromagnetischen Feldern und andere Bereiche inspiriert.
Abb. 71 Conformal Mapping [Wil 1999]
124
ƒ
Polar Coordinates
Es gibt in Grafiken eine Reihe wichtiger Anwendungen von Polartransformationen.
Mathematiker
und
Polarkoordinaten,
Wissenschaftler
deren
einzelne
arbeiten
zum
Umdrehung
Beispiel
einem
gewöhnlich
mit
2Pi-Radianten-Intervall
entspricht. Die bekannteste Applikation bei den Grafiken ist das Pie Chart.
Abb. 72 Grafik mit rechtwickligen und polaren Koordinaten [Wil 1999]
Es gibt jedoch verschiedene Polarkoordinatenmethoden, welche für statistische
Grafiken verwendet werden. Die konventionelle polare Funktion erfordert zwei
Argumente.
Man
verwendet
diese
für
die
Einbettung
von
Grafiken
in
zweidimensionale Frames, wie zum Beispiel in Scatterplots und mathematische
Graphen
von
Polarfunktionen.
Die
andere
Polarfunktion
benötigt
nur
ein
Argument. Beispiele für solch verschiedene Polarkoordinatenmethoden sind in den
folgenden Abbildungen zu sehen. Abb. 73 (links) zeigt ein gewöhnliches Pie Chart,
welches wie bereits erwähnt, ein Stacked Bar-Chart mit polaren Koordinaten
darstellt. Ein Circular Pie-Chart, eine Variation eines Divided Bar-Chart mit polaren
Koordinaten, ist in Abb. 73 (rechts) zu sehen.
Abb. 73 Pie Chart (li.) und Circular Pie Chart (re.) [Wil 1999]
125
Abb. 74 Polar Dot Plot and Histogram (li.) und Bar-Grafik und Nightingale Rose (re.) [Wil 1999]
Weitere Funktionen ermöglichen es, Graphen dem Umfangs eines Kreises entlang
zu zeichnen. Abb. 74 (links) zeigt Beispiele dafür. In Abb. 74 (rechts) ist ein
sogenanntes
Nightingale
Rose
Chart
(erstmalig
verwendet
von
Florence
Nightingale) und die Bars, aus welchen dieses konstruiert wurde, zu sehen. Einen
Tree in polaren Koordinaten zu zeichnen erzeugt mehr Raum für die Darstellung
der Blätter (Abb. 75 links).
Abb. 75 Polar Cluster Tree (li.) und Polar Time Series (re.) [Wil 1999]
Abb. 75 (rechts) zeigt eine polare Zeitserie für drei Jahre, hier für Aktienpreise. In
Abb. 76 (links) ist ein so genannter Radar Plot zu sehen, hier für Wetterdaten. Die
beiden
polaren
Profile
zeigen
die
durchschnittliche
Winter-
und
Sommertemperatur für acht Regionen der USA. Gut zu erkennen ist, dass die
Sommertemperaturen in allen acht Regionen im Durchschnitt höher liegen als im
Winter. In Abb. 76 (rechts) ist eine Polar Contour-Grafik für Luftdruck,
Windgeschwindigkeit und Windrichtung zu sehen.
126
Abb. 76 Radar Plot (li.) und Polar Contour-Grafik (re.) [Wil 1999]
ƒ
Inversion
Komplexe Inversion ist das Kehren der Innenseite der Ebene nach außen. Abb. 77
zeigt die Inversion einer Spirale. Die Punkte ausserhalb der Einheit Kreis sind nach
innen gewendet und die Punkte innerhalb nach außen.
Abb. 77 Inversion einer Spirale [Wil 1999]
ƒ
Bendings
Die Klasse der Bendings umfasst Koordinatentransformationen, welche eine Ebene
vergleichbar einer Plastikfolie biegen. Bendings strecken die Ebene entlang der x
oder y-Achse oder in beide Richtungen. Es gibt unterschiedliche Bendings.
Einzelne Bendings werden am häufigsten dazu verwendet Kurven zu begradigen
und Scales zu linearisieren. Doppelte Bendings dagegen um Bereiche der Ebene zu
stauchen oder zu dehnen. Bendings beinhalten jedoch keine Scherungen. Im
folgenden werden einige Beispiele für Koordinatentransformationen gegeben,
welche in die Klasse der Bendings fallen.
127
Lensing and Fisheye Transformations gehören zum Beispiel zu dieser
Transformationsklasse. Die Fisheye Transformation dehnt eine Grafik von einer
beliebigen Stelle aus - gewöhnlich das Zentrum eines Frames oder einer Viewing
Area. Diese Klasse der Transformationen hat von den Computer Interface
Designern viel Aufmerksamkeit erhalten, da diese häufig darauf angewiesen sind
auf einem begrenzten Screen möglichst viel Information anzuordnen, z.B. wenn
man durch dichte Netzwerke navigiert [Fur 1986] [SB 1994] [LA 1994]. Abb. 78
zeigt die Darstellung eines Dinosauriers aus Abb. 72, welcher durch eine simple
Transformation scheinbar an Gewicht zugenommen hat.
Abb. 78 Fisheye Dinosaurier [Wil 1999]
Zu beachten ist die Unabhängigkeit der Transformation bezüglich x and y. Das
Zentrum des Dinosauriers wurde zu den Ecken eines Quadrates gezogen, nicht zu
einem Kreis. Abb. 79 zeigt eine Fisheye Transformation einer kreisförmigen
Gaussian Scatterplot Cloud, in deren Zentrum eine Mitteilung eingebettet ist.
Diese Transformation ist speziell zugeschnitten auf dynamische Darstellungen, bei
denen das Zentrum der Vergrößerung vom Benutzer bewegt werden kann. [CCF
1997] behandeln in diesem Zusammenhang Applikationen für 3D Grafiken.
128
Abb. 79 Fisheye Transformation [Wil 1999]
ƒ
Warpings
Warpings führen Scherung in die allgemeine Bending Transformation ein. Viele
globale und lokale Transformationen setzen dieses Modell ein (wobei Wilkinson
hier auf ein lokales parametrisches Beispiel fokussiert). Warpings strecken eine
Ebene über eine Gruppe von unregelmäßig verteilten Unebenheiten - eine
Methode, welche von Kartographen Rubber Sheeting genannt wird. Abb. 80
zeigt ein Beispiel für Warping. Auf dieser Abbildung ist eine Karte zu sehen,
welche die Kosten für Flugreiseverkehr in den US darstellt. Die Karte ist an keiner
Stelle zentriert, sondern reflektiert stattdessen die Verzerrung der Ebene infolge
von Variationen der Flugpreise zwischen allen Städtepaaren. Sie wurde so
entworfen, dass die Flugkosten durch Berechnung einer geraden Distanz zwischen
zwei Punkten geschätzt werden können. Gleiche Distanzen entsprechen also
gleichen Flugkosten.
Abb. 80 US Airline Pricing Map [Wil 1999]
129
ƒ
Permutations on the Plane
Die Permutationstransformation einer Ebene in einem „one-to-one“ Mapping
sendet jeden Punkt zu einem entsprechenden anderen Punkt. Die Permutierung
eines Reihen-Spalten-Gitters von Punkten innerhalb der Reihen und Spalten, mit
dem Ziel, somit Muster von Beziehungen zu enthüllen, ist keine neue Idee [Ber
1967] [Har 1972] [Ling 1973] [Len 1974] [SCH 1975] [Wil 1979]. Mit moderner
Rechenleistung und Display-Technologien ist jedoch mittlerweile die Permutation
von großen Wertematrizen möglich geworden.Abb. 81 zeigt ein Beispiel einer
Permutation einer kleinen Matrix, deren Werte durch farbige Kacheln repräsentiert
werden.
Abb. 81 Permuted Tiling [Wil 1999]
Projections onto the Plane
Während die bisherigen Koordinatentransformationen die Wahrnehmung von Mustern
und
Strukturen
in
zwei
Dimensionen
unterstützen,
erlauben
die
folgenden
Transformationen die Erforschung drei- und höherdimensionaler Welten durch ein 2D
Fenster.
130
ƒ
Perspective Projections
Abb. 82 illustriert eine lineare Projektion eines 3D Objekts auf eine Ebene. [RA
1990]
zeigen,
wie
man
die
Projektionsmatrix
aus
den
Koordinaten
des
Projektionspunktes, Projektionsebene und dem Objekt konstruiert. Dies entspricht
nicht exakt dem Modell für das Erkennen eines Bildes auf der menschlichen Retina
und definitiv nicht dem Modell, wie Bilder im menschlichen visuellen Kortex
verarbeitet werden, jedoch bietet es ein Ergebnis, welches gut genug ist, dem
visuellen System die Rekonstruktion einer dreidimensionalen Szene aus einem
Bild zu ermöglichen.
Abb. 82 Perspektivische Projektion auf eine Ebene [Wil 1999]
ƒ
Triangular (Barycentric) Coordinates
Wenn die Summe von drei Variablen eine Konstante ergibt, liegt die Gruppe aller
möglichen Werte, die sie annehmen können, auf einer Ebene. Wenn alle diese
Werte positiv sind, werden sie von einem Dreieck begrenzt. Abb. 83 zeigt ein
Beispiel eines solchen Dreiecks.
Abb. 83 Triangular Koordinatenebene [Wil 1999]
131
Eine der bekanntesten Anwendungen ist das CIE Farbdiagramm, welches
wahrnehmbare Mischungen der drei Primärfarben rot, grün und blau [LS 1991]
zeigt. Abb. 84 zeigt einen dreieckigen Koordinatenplot für Bodenproben.
Abb. 84 Triangular Coordinates Plot
[Wil 1999]
Um die Werte auf einer gegebenen Achse abzulesen, wählt man die Gitterlinien,
die parallel zu der Achse verlaufen, welche die gegebene Achse in ihrem Nullpunkt
schneidet. Zum Beispiel: die Silt-Achsen Gitterlinien verlaufen in der obigen
Abbildung horizontal und die Clay-Achsen Gitterlinien kippen 30 Grad nach rechts.
ƒ
Map Projections
Map Projektionen umfassen alles von linearen Projektionen der Hemissphere auf
die Ebene bis zu nicht-linearen und stückweisen Projektionen des ganzen Globus
auf die Ebene. Map Projektionen haben eine lange Historie in der Kartographie
(siehe [Mal 1992] [Sny 1989]). Die meisten kartografischen Projektionen können
bezüglich
ihrer
Projektionsoberfläche:
„Planes“,
„Cylinders“
oder
„Cones“
klassifiziert werden. Abb. 85 (links) zeigt drei normale Ebenenprojektionen der
östlichen Hemisphere. Alle drei dieser Ebenenprojektionen sind eine Form von
perspektivischer Projektion.
132
Abb. 85 Planar Map Projection (li.) und Cylindrical und Conical Map Projections (re.) [Wil 1999]
Abb. 85 (rechts) zeigt zylindrische und kegelförmige Projektionen. Durch
Krümmung der Ebene ermöglichen diese Modelle mehr der globalen Oberfläche zu
repräsentieren und verzerren in manchen Fällen bestimmte Bereiche weniger.
Normale zylindrische Methoden projektieren Longituden und Lattituden zu geraden
Linien. In der normalen konischen Projektion dagegen, werden Longituden als
schräge Linien und Latituden als gerade Linien oder Kurven eingezeichnet. Karten
werden in globale Karten, also Karten welche den gesamten Globus abbilden,
und lokale Karten - Karten welche einen Teilbereich des Globus abbilden unterschieden. Lokale Karten dulden im Gegensatz zu globalen Karten weniger
globale
Verzerrung.
Kartenprojektionen
transformieren
die
Geometrie
von
Grafiken. Bis auf Symbole, welche ihre Shape ungeachtet des Koordinatensystems
beibehalten,
werden
die
Formen
der
Grafiken
von
den
Koordinatentransformationen modifiziert. Abb. 86 zeigt ein solches Beispiel. Diese
Grafik stellt weniger eine kartografische Karte dar, sondern viel mehr eine
statistische
Verteilung
gemessen
in
geografischen
Koordinaten.
133
Abb. 86 Tiles of Soil Samples [Wil 1999]
3D Coordinate Systems
Die Koordinatensysteme in diesem Abschnitt ähneln polaren und anderen nichtrechtwicklingen 2D Koordinaten. Für die Darstellung der 3D Koordinatensysteme würden
sich auch Virtual Reality Systeme und insbesondere Immersive Environments eignen.
ƒ
Spherical Coordinates
Abb. 87 zeigt ein Beispiel für sphärische Koordinaten, in der die Grafik die Sphäre
unter Verwendung von geografischen Daten aufteilt.
Abb. 87 Sphärische Verteilung der magnetische Ausrichtung [Wil 1999]
134
ƒ
Triangular-Rectangular Coordinates
Abb. 88 zeigt einen dreidimensionalen dreieckigen Koordinatenplot, dessen erste
drei Dimensionen in zweidimensionale dreieckige Koordinaten eingebettet sind
und dessen vierte Dimension (die vertikale Achse) von einem rechteckigen
Koordinatensystem repräsentiert wird. Diese Repräsentation erlaubt es, ein
Surface als eine Funktion von Mischungen dreier Ingredienzen zu zeigen.
Abb. 88 3D Triangular / Rectangular Cordinates [Wil 1999]
ƒ
Cylindrical Coordinates
Ein Beispiel für Cylindrical Koordinaten wird in Abb. 89 gezeigt. [Kru 1979]
analysierte die Wahrnehmung von Musiktonlagen in einem tonalen Kontext. Sie
präsentierte
ihre
multidimensionalen
Scaling
Ergebnisse
in
einer
drei-
dimensionalen Grafik, welche die Konfiguration der Musiktöne zeigt, die auf der
Oberfläche eines Cones liegen.
Abb. 89 Cylindrical Plot [Wil 1999]
135
Parallel Coordinates
Inselberg [Ins 1984] schlägt für die Darstellung hochdimensionaler Objekte ein
Koordinatensystem vor, welches Punkte auf Achsen, die parallel auf einer Ebene
eingezeichnet werden, miteinander verbindet.
ƒ
Rectangular Parallel
Der Parallel Coordinates Plot
([Ins 1984] [Weg 1990]) setzt eine separate,
parallele reale Anzahl von Achsen für jede Dimension fest. Abb. 90 illustriert
diesen Plot für die Daten der Weltländer. Die Line-Grafik ist eine der wenigen,
welche in diesem Koordinatensystem verwendbar ist. Die meisten anderen
Grafiken werden lediglich zu Punkten auf Linien. Auch wenn sie koloriert sind,
wären sie nur schwer zu erkennen.
Abb. 90 Parallel Coordinates [Wil 1999]
ƒ
Polar Parallel
Parallele Koordinaten, welche eine polare Transformation vollzogen haben, werden
auch Spider Web oder Star Plot genannt. Abb. 91 zeigt ein Beispiel hierfür.
136
Abb. 91 Parallel Coordinates in Polar Form [Wil 1999]
4.2.2.9 Facets
Bisher wurden einzelne Grafiken behandelt, jedoch ist es auch möglich Tabellen und
andere Strukturen von Grafiken zu generieren. Das folgende Kapitel beschreibt Facets,
welche solche Multiplicities erzeugen.
Der Ausdruck „Facets“ eignet sich für die Beschreibung eines Objektes, welches viele
kleine Grafiken erzeugt, die Variationen einer einzelnen Grafik darstellen. In einem
Grafiksystem stellen Facets Frames von Frames dar. Aufgrund dieser Rekursion erzeugen
Facets Frames, welche sich im dem Sinne wie Punkte verhalten, als dass das Zentrum
eines Frames, anhand von einer Facet abgeleiteten Koordinaten, lokalisiert werden kann.
Daher kann man Facets verwenden um Graphen von Graphen oder Tabellen von Graphen
zu erzeugen. Letztendlich sind auch Tabellen wieder Graphen. Diese allgemeine
Konzeption erlaubt es, Strukturen von Graphen zu erzeugen, die allgemeiner sind als die
spezifischen Beispiele von Multigrafiken, wie Scatterplot Matrizen [CCK 1983] Row-Plots
[Car 1994] oder Trellises [BCS 1996]. Man kann ebenso Bäume oder andere Netzwerke
von Graphen konstruieren, da man Frame-Grafiken auf dieselbe Weise miteinander
verlinken kann, wie man Punkte in einem Netzwerk verlinkt. Und man kann Facets
ebenso wie Frames transformieren um z.B. rechteckige Felder von Polar Grafiken oder
polaren Arrangements von rechteckigen Grafiken zu erzeugen.
Facets sind Einbettungen. Eine Facette einer Facette spezifiziert einen Frame, welcher in
einen Frame eingebettet ist. Eine Facette einer Facette einer Facette spezifiziert einen
Frame, welcher in einen Frame eingebettet ist, der wiederrum in einen Frame eingebettet
ist. Jeder Frame ist eine begrenzte Gruppe, welche ihrem eigenen Koordinatensystem
137
zugeordnet ist. Die Facets Koordinatentransformation bestimmt eine separate Facette.
Komplexere
Facettenstrukturen
folgen
demselben
Modell.
Das
heisst,
ein
vierdimensionaler Graph kann zum Beispiel als vier 1D-Frames oder als ein in einem 2D
Frame eingebetteter 1D Frame, welcher wiederum in einem 1D Frame eingebettet ist
oder als zwei 2D Frames oder als ein in einem 1D Frame eingebetteter 3D Frame
realisiert werden.
Multiplots sind Grafiken, welche auf extrinsischen Variablen facettiert sind. Zum Beispiel
ist es möglich, Grafiken für verschiedene Personengruppen separat zu erstellen. Dies
wären dann kategorische Multiplots. Ebenso ist es möglich, Scatterplots von Scatterplots
zu erzeugen. Im Fall von kontinuierlichen Variablen wären dies kontinuierliche Multiplots.
Im folgenden Abschnitt werden einige Beispiele hierfür gegeben.
ƒ
One-Way Tables
Abb. 92 zeigt eine Tabelle mit Scatterplots, bzw. geordneten Kategorien. Die
Daten
stammen
von
einem
Predation
Datensatz.
Jeder
Scatterplot
mit
Körpergewicht und Schlaf als Achsen ist anhand eines „Danger-of-Being-Killed
Index“ geordnet. Dies ermöglicht es, durch die Orientierung und Position der
Scatterplot-Wolke einen Trend zu erkennen. Die Darstellung zeigt, dass die Tiere,
welche am gefährdesten sind, dazu tendieren den niederigsten Schlaf-Level und
das höchste Körpergewicht zu haben.
Abb. 92 Tabelle mit Scatterplots [Wil 1999]
Abb. 93 zeigt eine entsprechende Tabelle für 3D Grafiken. Jede Bar misst den
Gewinn, welcher mit Krebsen erzielt wurde, für jede Grafik an derselben Position.
Die Grafiken sind nach Jahren geordnet und enthüllen somit den Rückgang des
Gewinns über eine 6-Jahresperiode.
138
Abb. 93 Tabelle mit 3D Bars [Wil 1999]
ƒ
Multi-Way Tables
Multi-Way Tabellen werden von kategorischen Facettenvariablen erzeugt. Das
populäre Wort dafür ist Cross-Tabs. Das folgende Beispiel zeigt, wie man
Grafiken im Innern von Multi-Way Tabellen einbettet. Abb. 94 zeigt eine Two-Way
Tabelle mit Line-Plots. Die Arten der Gerstengewinne wurden in ein Feld mit „Site“
und „Year“ als Achsen eingezeichnet. Die Durchschnittsgewinne wurden von links
nach rechts geordnet.
Abb. 94 Two-Way Tabelle mit Line-Plots [Wil 1999]
139
Tabellen mit Grafiken eignen sich auch für die Visualisierung verschiedener
Schnitte durch höher-dimensionale Objekte. Abb. 95 zeigt ein Beispiel eines 3D
Objekts, welches sich tabellarisch darstellen lässt. Links die Originalfigur, rechts
eine Tabelle mit Schnitten für unterschiedliche Parameterwerte durch dieses
Objekt. Die Querschnitte sind auf der Diagonalen der Tabelle von unten links nach
oben rechts zu sehen.
Abb. 95 3D Objekt mit tabellarischer Darstellung [Wil 1999]
ƒ
Continuous Multiplots
Continuous Multiplots finden selten Anwendung, haben jedoch durchaus ihre
Berechtigung. Scatterplots können zum Beispiel auf einer Karte positioniert
werden
um
geografischen
die
Beziehungen
Positionen
zu
zwischen
zeigen.
Variablen
Scatterplots
an
von
unterschiedlichen
Scatterplots
können
manchmal ebenso Beziehungen zweiter Ordnung unter nicht-räumlichen Daten
enthüllen. Abb. 96 zeigt solch einen einen Scatterplot von einem Scatterplot.
Abb. 96 Scatterplot eines Scatterplots [Wil 1999]
140
ƒ
Scatterplot Matrizen (SPLOMs)
Die Idee der Scatterplot Matrix (SPLOM) wurde von John Hartigan [Har 1975]
entwickelt. Seither wurde sie verschiedene Male wieder entdeckt und wurde am
intensivsten von der Forschungsgruppe am Bell Lab [CCK 1983] [Cle 1985] weiter
entwickelt. SPLOMs ersetzen die Zahlen in einer Kovarianz- oder KorrelationsMatrix durch die Scatterplots der Daten auf denen sie berechnet wurden. Die
meisten SPLOMs sind symmetrisch, jedoch können sie ebenso aus rechteckigen
„Sub“-Matrizen konstruiert werden. Hartigan fügte Scatterplots in die Zellen ein,
welche nicht auf einer Diagonalen liegen und Histogramme in diejenigen, welche
auf der Diagonalen liegen (siehe Abb. 97). Jedoch können hierfür auch andere
Grafiken verwendet werden.
Abb. 97 Scatterplot Matrix (SPLOM) [Wil 1999]
ƒ
Facet Graphen
Bei der Strukturierung der Organisation einer Facette durch eine Funktion, kann
man Grafiken in komplexere oder maßgeschneiderte Strukturen ausrichten. Siehe
beispielsweise [BP 1989]. Facet Graphen erweitern Zeichenfunktionen wie zum
Beispiel die Funktion Link. Sie benötigen Daten um Graphen von Graphen zu
konstruieren. Wie Karten verwenden Facetten Graphen Sets von Variablen
(relationale Tabellen), welche durch gewöhnliche Keys oder Funktionen verlinkt
sind. Die folgenden Beispiele illustrieren, wie dies funktioniert. Organisierende
Charts, Clustering Trees, „Prediction“-Trees und andere gerichtete Graphen bieten
eine Superstruktur für das Einbetten von Grafiken. Abb. 98 zeigt zum Beispiel
141
einen Regression Tree [BFO 1984] für die Vorhersage von Unfallraten von
soziometrischen Variablen, welche von den Staaten der US zusammengetragen
wurden.
Abb. 98 Regression Tree [Wil 1999]
ƒ
Facet Coordinates
Facetten können in verschiedenen Koordinatensystemen eingebettet werden. Die
folgenden Abbildungen zeigen Beispiele hierfür. Das Reflektieren von Facetten
ermöglicht es die Vorteile der Symmetrie zu nutzen, um gepaarte Grafiken
gegenüberzustellen. Die bekannteste Anwendung dieser Methode ist ein Plot der
Demographen, genannt Population Pyramid [Cox 1986]. Dieser Plot platziert
„Age“ Histogramme Rücken-an-Rücken - eines für Männer und ein anderes für
Frauen. [DF 1977] erweiterten diese Idee zu allgemeinen dualen Histogrammen.
Abb. 99 zeigt eine „age-sex“ Pyramide für die US.
Abb. 99 Age-Sex Pyramide für die US [Wil 1999]
142
Abb. 100 zeigt einen Polar Plot eines Polar Plots der Winddaten von Grönland. Der
Plot enthült zylindrische Trends, welche in einem rechteckigen Time-Series Plot
nur schwer zu erkennen wären.
Abb. 100 Polar Reihe mit Polar Plots [Wil 1999]
Mosaiken sind ein weiteres Beispiel für Facet Koordinaten. Der Mosaic Plot ist
eine Methode für die Darstellung kategorischer Daten in einer „Contingency“Tabelle, deren Zellbereiche sich zur Anzahl der jeweiligen zugrunde liegenden
Daten proportional verhalten [HK 1981] [HK 1984]. Der Mosaic Plot ist vom Typ
Tiling. Er variiert den Bereich jeder Kachel entsprechend einer anderen Variablen für gewöhnlich die Anzahl der Fälle, welche diese Kachel repräsentiert. Abb. 101
zeigt einen Two-Way Mosaic Plot, bei dem allerdings in der Darstellung die Achsen
fehlen.
Abb. 101 Two-Way Mosaic Plot [Wil 1999]
143
In einem Mosaic Plot verhält sich die Breite der Kacheln proportional zu der Anzahl
der Spalten und die Höhe proportional zu der Anzahl der Reihen innerhalb jeder
Spalte.
ƒ
Mutiple Frame Models
Bei einigen Grafik-Tabellen hat man keine andere Wahl als multiple Frames zu
bilden. [COC 1998] präsentieren eine „paneled“ Grafik - genannt Linked
Micromap Plot - welche für die Darstellung räumlicher, indexierter statistischer
Zusammenfassungen entwickelt wurde. Abb. 102 zeigt einen Linked Micromap
Plot.
Abb. 102 Linked Micromap Plot [Wil 1999]
144
Facets ermöglichen eine große Vielzahl an tabellarischen Grafiken in einer einzigen
Frame Spezifikation zu konstruieren, jedoch gibt es Grenzen. Einige tabellarische
Grafiken sind in Wirklichkeit zwei oder mehr Grafiken, welche miteinander
kombiniert wurden. Da jedoch gemeinsame Variablen durch eine einzelne
DataView definiert sind, sind all diese Grafiken miteinander verlinkt, z.B. für
Brushing, Drill-Down und andere Operationen.
Die Kapitel dieses Abschnitts haben Einblick in die Vielfalt der möglichen Grafiken
gegeben. Selbstverständlich konnten nicht alle Techniken, welche exisitieren, abgedeckt
werden. Die Auswahl der Techniken erfolgte aufgrund des Ziels, mit diesem Abschnitt ein
generelles
Verständnis
für
die
Erzeugung
von
Grafiken
und
somit
auch
von
Visualisierungen zu schaffen. Aus diesem Grund wurden vorrangig grundlegende
Techniken erklärt. Eine ausführliche Beschreibung jeder einzelnen Techniken war
aufgrund des Überblick-Charakters des Kapitels nicht immer möglich. Detaillierte
Beschreibungen finden sich jedoch bei Wilkinson „The Grammar of Graphics“ [Will 1999].
4.2.3 Metaphern
Die grafische Darstellung ist in der Regel das erste, das der Benutzer von einer
Visualisierung, bzw. von einem System wahrnimmt. Um Visualisierungen und die damit
zusammenhängenden Funktionen dem Benutzer verständlich zu machen, werden
gelegentlich Metaphern benutzt. Dabei kann eine Metapher einem System, bzw. einer
Visualisierung entweder global zugrunde liegen oder partiell, oftmals in Form von
mehreren miteinander kombinierten Metaphern. [Man 2002] behandelt in seiner
Dissertation „Visualization of Search Results from the Worls Wide Web“ die Thematik der
Metaphern und gibt einen kurzen Überblick über Systeme, welche Metaphern nutzen. Die
Inhalte dieses Kapitels sind dieser Arbeit entnommen.
Das Ziel von Metaphern in einem Software System ist es, die Komplexität des User
Interfaces anhand von spezifischem Wissen, welches Benutzer zu einem früheren
Zeitpunkt in anderen Bereichen erworben haben, zu minimieren. [CMK 1988] Es gibt
zahlreiche Literatur, welche die Vor- und Nachteile der Verwendung von Metaphern
diskutiert. Paper wie [CMK 1988] stellen viele Beispiele zur Verfügung und diskutieren
Metaphern von unterschiedlichen Blickwinkeln aus. Dies beinhaltet beispielsweise Aspekte
zusammengesetzter Metaphern oder auch mögliche Vorzüge von Metapherfehldeutungen.
145
Weiterhin zeigen Analysen von Metaphern die Notwenigkeit für den Benutzer auf, dass
einem Software System nicht nur Metaphern, sondern ein kohärentes und komplettes
mentales Modell, zugrunde liegen sollte. [Stu 1998] veranschaulicht die Rolle von
Metaphern nicht nur für die Benutzer eines Systems, sondern auch für Entwickler. Für
eine Diskussion über die Nachteile von Metaphern, welche ebenfalls Designaspekte
beinhaltet, siehe [BH 1994][BHP 1996].
Im nachfolgenden Abschnitt gibt [Man 2002] einen kurzen Überblick über die
verschiedenen Ausprägungen von Metaphern, welche in Systemen verwendet werden. Zu
den vorgestellten Metaphern gehören: Book, Bookshelf, Newspaper, City, Landscape,
Rooms, Building, Tower plus Elevator, Guided Tour, Lens, Butterfly, Pile, Galaxy /
Starfield / Universe, Magnet, Sculpture, Television, Wall, Aquarium, Water Flowing.
Die Book-Metapher wird in verschiedenen Systemen verwendet, wie SuperBook,
BOOK HOUSE, WebBook und libViewer. SuperBook / MiteyBook [ERG 1989] ist
beispielsweise ein Hypertext-Browsing-System, welches jedes Dokument als einzelnes
Buch darstellt. Die Texte in Buchformat verfügen über ein Inhaltsverzeichnis und eine
Reihe von Funktionen, wie Suchfunktionen oder Highlighting von Suchbegriffe innerhalb
des Textes. Das System BOOK HOUSE [Pej 1989], welches eine elektronische
Nachbildung einer realen Bibliothek mit einem Bibliotheksgebäude, Räumen und
Menschen
darstellt,
verwendet
die
Abbildung
eines
geöffneten
Buches,
um
die
Informationen zu den Dokumenten einer Ergebnisliste zu präsentieren. Die Suche wird in
Form
von
Icons
Klassifizierungssystems
dargestellt,
welche
symbolisieren.
Ein
die
verschiedenen
Kategorien
des
Globus
repräsentiert
beispielsweise
die
geografische Position des Buches, eine Uhr die Zeit oder eine Theatermaske die
emotionale Erfahrung, welche durch ein Buch vermittelt wird. Das WebBook [CRY 1996]
gehört zum Information Workspace von Web Forager, welcher Teil des Information
Visualizer Systems [RCM 1993] ist. WebBook stellt ein dreidimensionales interaktives
Buch dar, welches HTML Seiten enthält. Dabei wurden eine Reihe von HTMLEigenschaften adaptiert, wie z.B. die Farbkodierung verschiedenartiger Links, welche
auch die Interaktion mit mehreren Objekten gleichzeitig ermöglichen. Darüber hinaus
unterstützt das WebBook eine Reihe von Funktionen, die in Anlehnung zur realen Welt
entstanden sind, wie zum Beispiel das Blättern von Seiten und das Einfügen von
Lesezeichen. Zudem ist es dem Benutzer möglich, das Buch so auseinander zu ziehen,
dass alle Seiten parallel zu sehen sind und unter Verwendung einer Fisheye-Technik,
genannt Document Lens [RM 1993], betrachtet werden können. In der libViewer
Anwendung, welche Teil des SOMlib Projektes ist, werden die Suchergebnisse eines
Suchsystems als dreidimensionale Bücher dargestellt, wobei die Attribute der Bücher die
146
Metadaten der Dokumente kodieren. Die Anwendung kann auch dazu verwendet werden
die Ergebnisse einer Websuche darzustellen [RB 1999]. Weitere Beispiele für Systeme,
welche ebenfalls Buchmetaphern verwenden finden sich bei [CRY 1996].
Manche Systeme, wie Web Forager oder libViewer verwenden zusätzlich zu der
Book
Metapher
eine
Bookshelf-Metapher.
Web
Forager
bietet
dem
Benutzer
beispielsweise, neben einem direkten Speicherplatz und einem virtuellen Schreibtisch als
Zwischenspeicher, einen tertiären Speicherplatz in Form eines virtuellen Bücherregals,
auf welchem der Benutzer Bücher platzieren kann [RCM 1993]. libViewer verwendet ein
virtuelles Bücherregal um die Bücher (Dokumente) in bestimmter Ordnung oder
Gruppierung darzustellen. Die Bücher können so entweder anhand der vorhandenen
Metadaten, wie z.B. Größe oder Relevanz, angeordnet werden oder mit Hilfe eines
neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998], welche Dokumente
mit ähnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf einem einzelnen
Regalbrett im Bücherregal dargestellt, welches mit Hilfe einer sogenannten LabelSOM
Technik beschriftet wird. [Bae 1996] schlägt ebenfalls eine Bookshelf-Metapher vor,
welche er je nach Ausrichtung “library” oder “bookpile” nennt. Dabei kann der Benutzer,
ähnlich wie im libViewer, Dokumentenattribute, wie Relevanz, Größe oder Alter, auf
grafische Eigenschaften wie Position, Farbe, Breite oder Höhe mappen. In der
Implementation von [AB 1998] wird die library-View auch „horizontal bookpile“ genannt.
Im VOIR (Visualization Of Information Retrieval) System verwendet [Gol 1997]11
eine Newspaper-Metapher für die Visualisierung von Suchergebnissen, beziehungsweise
für die Navigation in einem Hypertext. Newspaper-Metaphern kommen vor allem im Web
recht häufig vor. Beispiele hierfür sind elektronische Newspaper oder personalisierte
elektronische Newspaper12. Der besondere Aspekt des VOIR System ist die Verwendung
einer Newspaper-Metapher für die Visualisierung von Text, welcher im allgemeinen nichts
mit Nachrichten zu tun hat. Die Idee ist, die Metapher einer Newspaper zu nutzten um
Texte, welche miteinander in Beziehung stehen und mittels unterschiedlicher Techniken
ermittelt wurden, zu organisieren.
Die Verwendung einer City-Metapher als konzeptionelle User Interface Metapher
für große Informationsräume wurde von [Die 1994] vorgeschlagen. In dem Ansatz einer
Information City beschreiben die Autoren eine Ontologie für Systeme räumlicher
11
Siehe ebenso [Gol 1997a], [Gol 1997b] und [GC 1997]
12
“The Kraktatoa Chronicle” [KBA 1995] gehörte vermutlich zu den ersten, welcher neben der Verwendung von
Nachrichten als Content, auch ein Newspaper ähnliches Layout hatten.
147
Metaphern und ihren Verknüpfungen. Diese Ontologie beinhaltet Container, Landmarks
und Paths in Form von Stadtteilen, Gebäuden, Räumen, Türen, Taxis, U-Bahnen und
anderem. Einen Überblick, welcher weitere Anwendungen der City-Metapher behandelt
findet sich bei [DFr 1998].
Die Landscape-Metapher wird in einer Reihe von Systemen verwendet, wie zum
Beispiel dem Harmony Hyper-G / Hyper View Browser, der ThemeView im SPIRE System
und den Landscapes in Vineta oder Bead. Der Harmony VRweb 3D Scene Viewer [And
1995] beinhaltet dreidimensionale Landscapes, welche entweder manuell erzeugt wurden
(z.B. eine Karte des Stadtzentrums von Graz, welche Hyperlinks zu Informationen über
Sehenswürdigkeiten
beinhaltet)
oder
automatisch.
Diese
automatisch
erzeugten
Landscapes werden von den jeweiligen Navigationsschritten oder den Suchanfragen, die
der Benutzer im Hypertext durchführt, beeinflusst. Eine zusätzliche zweidimensionale
Kartenübersicht hilft dem Benutzer die Orientierung in der dreidimensionalen Landscape
nicht zu verlieren. ThemeView [WTP 1995] ist eine der Views, welche innerhalb des
MVAB (Multidimensional Visualization and Advanced Browsing project) / SPIRE (Spatial
Paradigm for Information Retrieval and Exploration) Projektes entwickelt wurden. Dies
sind abstrakte, dreidimensionale Landscapes, welche durch eine automatische Analyse
des thematischen Inhalts von Dokumentensammlungen erzeugt werden. Die Höhen
innerhalb der Landscape repräsentieren die Menge der zu einer Thematik vorhandenen
Dokumente. Die Visualisierungen des deutschen Prototypen Vineta wurden in einer
früheren Version [Kro 1995] als Sphären in einem 3D Raum beschrieben. Später benutzt
Vineta auch eine Landscape und eine Galaxy View13 [EK 1997]. Während die automatisch
erzeugten Landscapes im Harmony VRweb 3D Scene Viewer wie Sockel und Kästen
aussehen,
welche
mittels
Leitungen
miteinander
verbunden
wurden14,
ruft
die
ThemeView den Eindruck von Bergen oder natürlichem Terrain hervor. Auch das Bead
System
von
[Cha
1993]
verwendet,
ähnlich
wie
SPIRE,
eine
Technik
um
hochdimensionale Daten in niedrig-dimensionalen Raum zu präsentieren. Das System
ermittelt Ähnlichkeiten zwischen Dokumentenpaaren. In der Visualisierung sind die
Dokumente ähnlich wie Bäume oder kleine Pyramiden über eine Landscape verteilt.
Dokumente,
welche Keywords enthalten, werden dabei in einer anderen Farbe
dargestellt. In späteren Versionen ähnelt die Landscape eher Würfeln zwischen denen
einzelne Leitungen verlaufen [Cha 1995]. [Bek 1999] verwendet eine Landscape um den
geografischen Rahmen eines elektronischen Einkaufszentrums im VR-emb15 Prototypen
13
„Um die Brauchbarkeit und Akzeptanz verschiedener Darstellungsformen besser testen zu können, wurden
zwei Modelle realisiert: „Die ‚Galaxie’ (Fig.6 und 7) und die ‚Landschaft’ (Fig. 5).“ [EK 1997]
14
Vergleichbar dem FSN (pronounced fusion) 3D File System Navigator für IRIX, entwickelt von [TS 1992].
15
Virtual Reality – electronic mall bodensee (Lake Constance, Germany – Switzerland – Austria)
148
zu symbolisieren. Die Navigation im elektronischen Einkaufszentrum selbst erfolgt dabei
jedoch innerhalb eines Towers (siehe unten). An der Frontseite des Towers ermöglichen
Straßenzeichen die Navigation zu Städten und Institutionen im geografischen Bereich des
Einkaufszentrums. Die Landscape um den Tower herum beinhaltet darüber hinaus Autos
und einen Helikopter, welche die Navigation zu anderen Einkaufszentren oder Orten
ermöglichen.
[HC 1986] verwenden in ihrem Rooms System eine Rooms-Metapher. Dieses
System erweitert den verfügbaren Bildschirmplatz virtuell, indem es dem Benutzer
ermöglicht Fensterpositionen einzurichten, zu sichern und wieder aufzurufen, sowie
andere Funktionen auszuführen. Eine zusätzliche Darstellung bietet dem Benutzer einen
Überblick über das gesamte System und ermöglicht ihm auch so das Wechseln zwischen
Räumen. Dabei gibt es die so genannten “Pockets” oder „Baggage“, welche das
Transportieren der Fenster zwischen den einzelnen Räumen ermöglichen. Die Logik der
zweidimensionalen Version des Systems wurde später in den 3D/Rooms des Information
Visualizer zu einer dreidimensionalen Version erweitert. Dabei wurden die ursprünglichen
Bedienelemente wie Türen für das “Walking”16 von einem zum anderen Raum
beibehalten, während weitere Funktionen, wie zum Beispiel Zooming, hinzugefügt
wurden [RCM 1993a]. Die Idee der Rooms wurde dabei mit Techniken für Browsing und
Searching kombiniert. Das bereits erwähnte BOOK HOUSE [Pej 1989] verwendet Räume
um die Suchfunktion in Bereiche wie Kinderbücher oder Erwachsenenbücher zu
strukturieren. Die ersten Schritte des Suchprozesses sind in Form einer Route durch die
verschiedenen Räume angelegt. Die Eingabe für die Anfrage selbst und die Darstellung
der Suchergebnisse verwenden jedoch andere Metaphern. Auch die Information City
Ontologie umfasst Rooms.
Die Building-Metapher wird häufig in Kombination mit anderen Metaphern bei der
Visualisierung von Suchergebnissen oder für Browsing verwendet. In [DF 1998] stellen
Gebäude den Teil einer Information City Ontologie dar und beinhaltet Räume, Türen oder
Fenster. Im Information Visualizer [RCM 1993a] wird die räumliche Struktur eines
Gebäudes als struktureller Browser verwendet. Das BOOK HOUSE nutzt die BuildingMetapher als globale Metapher um das Framework für die vorhandenen Räume
darzustellen.
16
“Walking” ist eine zusätzliche Metapher, die von [RCM 1993a] verwendet wird.
149
Die Tower plus Elevator-Metapher - eine spezielle Form eines Gebäudes - wird, wie
bereits oben erwähnt von [Bek 1999] im VR-emb Prototypen verwendet. Nach dem
Betreten des Turms, findet sich der Benutzer in einem Fahrstuhl wieder, mit dem er die
Möglichkeit hat mittels der Fahrstuhlkontrollen innerhalb des Einkaufszentrums zu
navigieren. Die Teilnehmer des elektronischen Einkaufszentrums bewegen sich virtuell
auf verschiedenen Ebenen des Towers.
[GS 1992] kombinieren die Guided Tour-Metapher von [HA 1987] mit Information
Retrieval Techniken um dynamisch eine Guided Tour als direkte Antwort auf eine
Benutzeranfrage zu erzeugen. Das System ist jedoch auf einen einzelnen Hypertext mit
speziellen Linkkategorien, welche verschiedene Typen von Beziehungen kennzeichnen,
beschränkt. Der Hauptunterschied zu den meisten anderen Guided Tours liegt jedoch in
der dynamischen Erzeugung der Guided Tour als Antwort auf eine Anfrage.
Wie
bereits
oben
erwähnt,
enthält
der
Information
Visualizer
ebenfalls
eine
Visualisierung, welche Document Lens [RM 1993] genannt wird. Diese Visualisierung
verwendet für einen grafischen Fisheye-View der Seiten eines Buches eine LensMetapher. Die Lens-Metapher wird auch für die „See-Through-Tools“ von [BSF 1994]
verwendet, welche Magic Lenses als Movable Filter enthalten. Diese ändern die Sicht auf
die Objekte, welche sich unter der Lupe, bzw. Linse befinden [SFB 1994] oder werden für
die Formulierung von Datenbank-Anfragen verwendet [FS 1995]. Die Table Lens [RC
1994] nutzt ebenfalls eine Lens-Metapher für das Betrachten von Tabellen oder
Ergebnislisten. Obwohl alle diese Systeme eine Lens-Metapher verwenden, gibt es
dennoch Unterschiede zwischen ihnen. Die Table Lens verwendet die Metapher
beispielsweise in abstrakter Form. Obwohl es keine richtig erkennbare Lupe oder Linse
gibt, können mittels dieser Funktion Zeilen der Tabelle detaillierter betrachtet werden.
Während die „See-Through“ Beispiele von [BSF 1994], [SFB 1994] und [FS 1995] nur
Objekte unter der eigentlichen Lupe, bzw. Linse beeinflusst, verzerrt die Document Lens
alle Seiten des dargestellten Dokuments. Auch das Group Lens System von [RIS 1994]
verwendet eine Lens-Metapher. Die Group Lens ist ein Tool für das kollaborative Filtern
der Postings von Newsgroups. Das System basiert auf den Ratings der Benutzer und den
Vergleichen der Ratings und Profile. Der Ausdruck „Lens“ für den Filtermechanismus wird
an dieser Stelle geradezu metaphorisch verwendet.
150
Die Butterfly-Metapher wird von [MRC 1995] im Information Visualizer Projekt
verwendet. Das System ist darauf ausgerichtet asynchrone Anfragen dreier DIALOG
Datenbanken zu unterstützen: Science Citation Index, Social-Science Citation Index und
IEEE Inspec Database. Die Butterfly-Visualisierung zeigt die References eines Artikels als
„Venen“ eines stilisierten linken Flügels und die Article’s Citers als „Venen“ eines
stilisierten rechten Flügels von einem Schmetterling.
Die Pile-Metapher wird in einer Reihe von Systemen verwendet, um Suchergebnisse
zu visualisieren. [RMO 1993] verwenden die Metapher “A Pile of Documents”, welche in
[MSW 1992] präsentiert wird, für den Prototypen eines Tools, welches die Organisation
von Information auf einem Macintosh unterstützt. Neben den Möglichkeiten der
manuellen Organisation der Dokumente in Piles17, umfasst das System ebenso
Mechanismen für die automatische Archivierung und Indexierung von Dokumenten. Der
Prototyp
unterstützt
Funktionen,
wie
Wechseln
von
Dokumenten,
Ordnen
oder
automatisches Erzeugen von Untergruppen der „Piles“. [BSh 1995] entwickelten einen
Browser
namens
DeckScape,
welcher
auf
einer
Deck-Metapher
basiert.
Dieser
repräsentiert Web Dokumente in Form von einfachen gestapelten Rechtecken, welche die
Titel der Dokumente enthalten. Das System unterstützt Mechanismen, wie zum Beispiel
das Einfügen von gelesenen Dokumenten in einen Stapel oder das “Expand One Level”
Kommando, wodurch alle Links auf einer bestimmten Seite ausgeführt und die
entsprechenden Ergebnisseiten in einem neuen Stapel abgelegt werden. Wie bereits
erwähnt, nannte [Bae 1996] / [AB 1998] seine “Library” View auch “Horizontal Bookpile“,
wenn sie horizontal ausgerichtet war, oder nur “Bookpile” bei vertikaler Ausrichtung. Die
Butterfly-Metapher [MRC 1995], als Teil des Information Visualizer Projektes, verwendet
ebenfalls eine Pile-Metapher in Form eines stilisierten Pile unterhalb des Schmetterlings,
auf dem Artikel aufgestapelt werden, welche der Benutzer selektiert hat.
Eine Galaxy-, Starfield- oder Universe-Metapher wird in einer Reihe von
Systemen verwendet, wie den Galaxies im SPIRE System und in Vineta. [WTP 1995]
beschreiben die Galaxies, welche in SPIRE verwendet werden als zweidimensionale
Scatterplots mit „Docupoints“, welche Sterne am Nachthimmel ähneln. Sie zeigen die
Wechselwirkungen zwischen Clustern und Dokumenten durch die Reduzierung einer
17
[RCL 1998] implementierten ebenfalls einen Prototypen, welcher es Benutzern ermöglicht, Dokumente in
Piles zu organisieren. Das System wird für Bookmarks verwendet. Jedoch sprechen sie nicht von einer PileMetapher, sondern verwenden stattdessen den Ausdruck “Data Mountain”, da der Benutzer einen virtuellen
Berg in Form einer schrägen Fläche hat um die Thumnbails der Dokumente abzulegen und zu organisieren.
151
hochdimensionalen Repräsentation auf zwei Dimensionen. Die Cluster sind mit so
genannten Key Terms gekennzeichnet. Je ähnlicher sich zwei Dokumente oder Cluster
sind, desto näher liegen sie in der Visualisierung beieinander. Die Galaxies in Vineta [EK
1997] wurden in 3D implementiert. Die Verwendung der Metapher ist hier abstrakter als
bei den Galaxies von SPIRE, die Hauptkonzepte sind jedoch dieselben.
[ML 1997] verwenden im WebVIBE System eine Magnet-Metapher, um die
Referenzpunkte / Points of Interest (POIs), welche Dokumente in einem virtuellen 2DDokumentenraum anziehen, zu symbolisieren.
Der Information Visuslizer [RCM 1993] beinhaltet auch eine Sculpture-Metapher für
eine Visualisierung, welche Data Sculpture genannt wird. Diese visualisiert in einem
Beispiel 65.000 Punkte eines Datensatzes in Form einer Skulptur in einem Museum. Die
Visualisierung stellt eine dreidimensionale Oberflächenzeichnung dar, welche es dem
Benutzer ermöglicht sich um das Objekt herum zu bewegen.
Beeinflusst vom FRIEND2118 Projekt [NU 1991] wird beim WebStage Prototypen
eine Television-Metapher verwendet [YHM 1997]. Ziel des Projektes ist es, die
Benutzeroperationen zu reduzieren, welche nötig sind um Zugang zum Web zu erhalten.
Die Idee dabei ist, Informationen von Webseiten im Stil von Fernsehprogrammen zu
präsentieren.
Beispiele
hierfür
sind
Darstellung
von
Titeln
und
Überschriften,
gesprochene Texte oder die Verwendung von Musik oder Sound Effekten entsprechend
der jeweiligen Informationstypen19. Auch die Suche oder Selektion von Webseiten ist in
einem TV-ähnlichen Stil implementiert. Beispiele hierfür sind die Anordnung von URLs in
über den Tag verteilte Zeitspannen oder das automatische Starten einer gerade aktuellen
Präsentation während der Aktivierung des Systems. Cluster mit URLs, welche auf einer
Fernsehbedienung dargestellt werden, können durch die Verwendung von anderen WebSuchmachinen oder Datenverzeichnis-Services abgefragt werden.
18
FRIEND21 = Future Personalized Information Environment Development Projekt, initiiert 1988 vom
Japanischen Ministerium für internationalen Handel und Industrie
19
[Bec 1999] beschrieb ebenfalls die Idee Hintergrundmusik zu verwenden. Im Fall des VR-emb sollen
verschiedene Arten von Hintergrundmusik dem Benutzer die Orientierung im elektronischen Einkaufszentrum
erleichtern.
152
Der Einsatz einer Wall-Metapher im Information Visualizer von [MRCa 1991] in
Form einer “Perspective Wall”, hat das Ziel zwei prinzipielle Probleme bei Visualisierungen
von großen Mengen linear strukturierter Daten zu lösen: die Darstellung großer Mengen
an Information und die Schwierigkeit der Aufteilung einer linearen Struktur auf einem
Bildschirm [RCM 1993]. Die Visualisierung kombiniert eine detaillierte mit einer
kontextuellen Sicht. In der Implementation wird die horizontale Dimension für die Zeit
benutzt und die vertikale um die Schichten in einem Informationsraum zu visualisieren.
Beispiele hierfür sind Visualisierungen von Dateien mit dem Änderungsdatum in der
horizontalen Achse und dem Dateityp in der vertikalen Achse. Die Perspective Wall stellt
eine Variante eines eindimensionalen Bifocal Displays dar, welches bei [SA 1982]
vorgestellt wird. Das Bifocal Display verwendet keine Wall-Metapher und hat für die
Bereiche ausserhalb des Fokus eine konstante Verkleinerungsrate, im Gegensatz zur
Perspective Wall, die in diesem Bereich mit einer zunehmenden Verkleinerungsrate
arbeitet. [MRCa 1991] verwenden für die Erklärung der Funktionalität der Perspective
Wall zahlreiche andere Metaphern. So vergleichen sie die Navigation auf der Wall mit den
Saiten eines Klaviers und das Verhältnis zwischen detaillierter und kontextueller
Information mit den Eigenschaften einer Gummiunterlage oder Plastikfolie. Die Metapher
eines „Rubber Sheet“ wird auch von anderen Autoren verwendet um die Funktionalität
ihrer Systeme zu erklären. Beispiele sind [JS 1995] für den Filmfinder (“rubber mat”,
“rubber carpet”) oder [BHP 1996 ] für Pad++ (“rubber sheet”). [LA 1994] verwenden die
“Rubber Sheet”-Metapher um die Präsentationstechnik der „Distorsion“ im allgemeinen
zu erklären und nennen weitere Visualisierungen, welche eine solche Technik einsetzen.
[BG 2000] verwenden für das Interface eines großen Online Stores eine
Aquarium-Metapher. Das Interface unterstützt eine Mischung aus Browsing und
Searching, welches sie “opportunistic exploration” nennen. Die Motivation für ihr Projekt
lag in den Mängeln der Gebrauchstauglichkeit aktueller Stores, die sie wie folgt
kommentierten: “This is not shopping; this is information retrieval and order entry.” Das
neue Interface zeigt Produkte vor einem Hintergrund, welcher einem blauen Aquarium
ähnelt, der sich, ähnlich wie Fische, langsam und zumeist zufällig bewegt. Die Auswahl
der Produkte erfolgt durch ein Relevance Feedback oder kann durch eine Suchanfrage
verändert werden. Ohne die Benutzerinteraktion ändert sich der Inhalt automatisch um
die Vielfalt der Produktwelt zu zeigen. Das System unterstützt auch Funktionen von
Hypertext Browsern, wie Bookmarks sowie das vorwärts oder rückwärts Navigieren.
153
Die letzte Metapher, welche hier vorgestellt wird ist die Water Flowing-Metapher.
Dabei „fließen“ Dokumente durch eine Reihe von Röhren und Filtern. Das Konzept,
welches auch bekannt ist als Filter/Flow, wird bei [Shn 1991] / [YS 1993] verwendet, um
Probleme bei der Formulierung von Booleschen Anfragen entgegenzuwirken. Die Idee
dabei ist, dass die Filter nur die in Frage kommenden Dokumente durchlassen und das
Layout der Röhren bestimmt, ob die Beziehung „AND“ oder „OR“ lautet. Der Ansatz
ermöglicht ebenso das Speichern und Wiederverwenden von Kombinationen von Filtern
und Röhren, so dass diese bei anderen Anfragen wiederverwendet werden können.
Die Vielfalt an Metaphern, welche in der Literatur gefunden und oben dargestellt wurden,
illustriert
die
Vielzahl
an
Möglichkeiten
für
die
Visualisierung
von
Anfragen,
Suchergebnissen oder Browsing. Es wurde gezeigt, dass eine Metapher hinter einem
ganzen System stehen kann, hinter einer einzelnen Visualisierung oder auch einem Teil
einer Visualisierung. Jedoch existieren auch zahlreiche Visualisierungsmöglichkeiten ohne
die explizite Verwendung von Metaphern.
Das folgende Kapitel soll nun einen kleinen Einblick in die Welt der Visualisierungen und
Visualisierungsssysteme geben. Wenn schon die Anzahl der verschiedenen Techniken und
Metaphern hoch war, so liegt die Anzahl der Umsetzungen und Ausprägungen in diesem
Bereich noch um ein Vielfaches höher.
154
4.3 Einsatzmöglichkeiten der Techniken
Dieses Kapitel beinhaltet eine Sammlung von Visualisierungen, welche praktische
und/oder exemplarische Beispiele der zuvor beschriebenen Techniken beinhalten.
Idealerweise hätte an dieser Stelle eine explizite Verknüpfung zum Technikkapitel der
Visualisierungen (Kapitel 4.2) stattgefunden. Das heisst, für jede der dort aufgeführten
grundlegenden Visualisierungstechniken wäre an dieser Stelle eine entsprechende
Beispielvisualisierung vorgestellt worden, welche diese Technik beinhaltet und so die
Einsatzmöglichkeiten dieser Visualisierungstechnik aufzeigen würde. Da diese Techniken
jedoch sehr grundlegender Art sind, wäre der Fokus der an dieser Stelle aufgeführten
Visualisierungen nicht auf einer Auswahl der in der Community der Information
Visualization bekanntesten Visualisierungen gelegen, sondern würde lediglich der
weiteren Erklärung der grundlegenden Techniken dienen. Demnach hätte diese Auswahl
größtenteils
eher weniger bekannte Visualisierungen
enthalten, welche aber die
jeweiligen Techniken explizit veranschaulicht hätten. Um aber einen überblickartigen
Eindruck von den derzeit existenten und auch prominenten Visualisierungen zu erhalten,
welche auch in der Community der Information Visualization viel diskutiert sind, werden
an dieser Stelle primär Visualisierungen aufgeführt, welche einen entsprechend hohen
Bekanntheitsgrads genießen. Diese Visualisierungen enthalten aber nicht zwangsläufig,
eine der vorgestellten Techniken aus Kapitel 4.2. Aus diesem Grund wurde im Kapitel der
Visualisierungstechniken von Daten bereits eine umfassende Menge an visuellen
Beispielen geliefert, um dieses Defizit wieder auszugleichen. Darüber hinaus, ist auch die
Zuordnung der Techniken, wie auch schon Wilkinson erwähnt, nur aufgrund von
Abbildungen der Visualisierung manchmal schwierig. Oftmals erfordert die genaue
Zuordnung der Techniken die Interaktion mit der Visualisierung selbst, bzw. detaillierte
Kenntnisse über deren zugrundeliegenden Daten. Einige der zuvor aufgeführten
Techniken werden dennoch in diesem Kapitel referenzierend angeführt. Wie schon in der
Motivation beschrieben, wäre an dieser Stelle die Fokussierung auf ein weiteres Kapitel
wünschenswert gewesen, welches auf allgemeiner Basis Konzepte zur Visualisierung von
Daten speziell aus dem Bereich der Information Visualization vorstellt. Entsprechend
hätten diese Konzepte dann in den Beispielvisualisierungen referenzierend aufgeführt
werden können.
Die Techniken zur Visualisierung von Daten aus Kapitel 4.2 sind, wie bereits erwähnt,
sehr grundlegender Art und bieten in erster Linie eine Basis für das Verständnis bezüglich
der Erzeugung von Grafiken und Visualisierungen. Aufbauend auf diesen grundlegenden
Techniken wurden eine Vielzahl von Visualisierungsideen entwickelt. Diese Ideen
erfuhren zum Teil unterschiedlichste Grade an Ausarbeitung. So wurden manche
155
Visualisierungsideen beispielsweise im Laufe der Zeit stets weiterentwickelt und
zunehmend verbessert oder auch von anderen Forschern aufgegriffen und modifiziert.
Andere
wurden
miteinander
kombiniert
oder
wirkten
beeinflussend
auf
andere
Visualisierungen ein. Wieder andere fanden kaum Beachtung oder sind auf spezifische
Anwendungsfälle spezialisiert. Aus diesem Grund gibt es heute eine Vielzahl von
Visualisierungen in den unterschiedlichsten Ausprägungen, welche von Ideen, die bisher
lediglich als theoretische Konstrukte auf Papierbasis existieren, über Protoypen bis hin zu
Umsetzungen in kommerziellen Produkten in Form von Applikationen reichen.
Es soll nun Einblick in die Welt der Visualisierungen gegeben werden. Unter den
angeführten Beispielen befinden sich Visualisierungen unterschiedlichster Art und
unterschiedlichster Ausprägung. Viele Visualisierungen sind relativ komplex und nutzen
eine Vielzahl an Visualisierungsideen, andere wiederum könnten für sich selbst betrachtet
wieder als Technik, bzw. Konzept beschrieben werden, da sie in zahlreichen anderen
Visualiserungen
Anwendung
gefunden
haben.
Aus
diesem
Grund
können
sich
Visualisierungen durchaus auch untereinander referenzieren. Die Visualisierungen selbst
werden nur knapp beschrieben, da eine detaillierte Beschreibung aufgrund der
Komplexität vieler Visualisierungen über den Rahmen dieser Arbeit hinausginge. Für
detaillierte Informationen über die jeweiligen Visualisierungen werden daher Hinweise auf
weiterführende Informationen gegeben. Aufgrund der enormen Vielzahl an existierenden
Visualisierungen kann an dieser Stelle nur ein kleiner Einblick gewährt werden. Die
Auswahl der hier aufgeführten Visualisierungssysteme erfolgte primär aufgrund des
Bekanntheitsgrades der jeweiligen Visualisierung, bzw. sekundär aufgrund der darin
enthaltenen Technik. Für einen Einblick der über dieses Kapitel hinausgeht, werden die
folgenden „Online-Sammlungen“ für Visualisierungen empfohlen:
MIKY (MIKY database - Information Visualization and Visualization Techniques)
http://www.imv.is.ocha.ac.jp/~miky/
oder
http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/index.html
OLIVE (On-line Library of Information Visualization Environments)
http://otal.umd.edu/Olive
Diese „Sammlungen“ führen referenzierend eine große Anzahl an Visualisierungsideen, systemen und Projekten in diesem Bereich auf und bilden so einen guten Ausgangspunkt
für weitere Recherchen im Bereich der Thematik der Visualiserung von Daten.
156
Um die Vielzahl der Visualisierungen nicht nur im Detail darzustellen, sondern auch einen
konzeptionellen Überblick zu erhalten, ist es erforderlich die große Vielzahl an
Visualisierungen zu strukturieren. Ein oftmals verwendeter Ansatz hierfür ist, die
Klassifizierung anhand der zugrundeliegenden Daten der jeweiligen Visualisierung.
Daten, die visualisiert werden sollen, können sehr ungleich sein. Dabei kann es sich
ebenso um Messdaten bezüglich der jährlichen Flächenreduktion der Polarkappen, um die
Verbraucherdaten einer großen Handelkette als auch um das Netzwerk der Pariser Metro
oder die Baukomponenten eines Automobils handeln. [Spe 2001].
Da das Ziel von Visualisierungen ist, Daten in visuelle Formate zu transformieren, ist es
hilfreich in diesem Zusammenhang einige Datentypen zu definieren, anhand derer die
Kategorisierung vorgenommen werden kann. Jedoch ist schon die Terminologie von
Daten in der Literatur nicht konsistent (Gallop, 1994; Wong, Crabb, and Bergeron,
1996), da sie von einer Vielzahl von Disziplinen erzeugt wird – Mathematik, Statistik,
Ingenieurwissenschaften oder den Computerwissenschaften. [CMS 1999] Entsprechend
existiert auch keine eindeutige Klassifizierung von Daten, da dies stark mit der
Klassifizierung von Wissen zusammenhängt, welches eine sehr sensible Aufgabe darstellt
[War 1999]. Aus diesem Grund existieren auch hier verschiedene Ansätze in der
Literatur, was die Klassifizierung von Daten angeht. [Shn 1996] entwickelte für die
Lösung dieses Problems eine Task by Data Type Taxonomy (TTT) for Information
Visualization, die unter anderem eine Unterscheidung der existierenden Datentypen von
Visualisierungen in insgesamt sieben verschiedene Kategorien (one-, two-, threedimensional data, temporal and multi-dimensional, and tree and network data)
vornimmt.
Nachfolgend wird nun diese Klassifizierung von [Shn 1996] näher vorgestellt und anhand
dieser die Visualisierungen, welche bei den Recherchen gefunden wurden eingeteilt.
4.3.1 Task by Data Type Taxonomy for Information Visualization
Die Idee hinter der Task by Data Type Taxonomy for Information Visualization ist, die
Datentypen von Visualisierungen und die Aufgaben, die durch sie unterstützt werden
müssen, zu identifizieren. [Shn 1996] setzt für seine Taxonomie voraus, dass Benutzer
Objekt-Sammlungen betrachten, in denen die Objekte mehrere Attribute besitzen.
Attribute eines Objektes können zum Beispiel die Länge eines Spielfilms oder die Sprache
sein. Bei allen sieben Datentypen der Taxonomie (one-, two-, three-dimensional data,
temporal and multi-dimensional, and tree and network data) besitzen die Objekte
Attribute und das Selektieren aller Objekte, welche einer Gruppe von Attributen
entsprechen, stellt eine grundsätzliche Suchaufgabe dar.
157
Die insgesamt sieben Aufgaben (Tasks), die Visualisierungen prinzipiell unterstützen
sollten, befinden sich auf einem hohen Grad der Abstraktion. Eine kurze Übersicht über
diese Aufgaben (Tasks) findet sich Tab. 11 und über die verschiedenen Datentypen in
Tab. 12.
Task
Description
Overview
Gain an overview of the entire collection.
Zoom
Zoom in on items of interest.
Filter
Filter out uninteresting items.
Details-on-demand
Select an item or group and get details when needed.
Relate
View relationships among items.
History
Keep a history of actions to support undo, replay, and
progressive refinement.
Extract
Allow extraction of subcollections and of the query
parameters
Tab. 11 Tasks der TTT [Shn 1996]
Data type
Examples
1-D Linear
Textual documents, program source code, alphabetical lists of
names.
2-D Map
Planar or map data include geographic maps, floor plans,
newspaper layouts.
3-D World
Real-world objects such as molecules, the human body,
buildings
Temporal
Timelines used in medical records, project management,
historical presentations. Special form of 1-D Linear.
MultiDimensional
Relational- and statistical-database contents.
Tree
Hierarchies and tree structures, with each item having a link
to one parent item (except root)
Network
Network structures with items linked to an arbitrary number
of other items
Tab. 12 Datentypen der TTT [Man 2001]
158
Es erfolgt nun eine detailliertere Beschreibung der sieben Datentypen und die Vorstellung
der Rechercheergebnisse in Bezug auf Visualisierungen zu den jeweiligen Bereichen.
Diese Reflektion der sieben Datentypen stellt eine Abstraktion der Realität dar. Es
existieren viele Variationen zu diesen Themen (2 ½ oder 4D Daten, Multi-Trees,…) und
viele Visualisierungen benutzen Kombinationen dieser Datentypen. [Shn 1996] Weiterhin
kann es vorkommen, dass die zugrundeliegenden Datentypen in einer anderesdimensionierten Umgebung präsentiert werden, wie zum Beispiel multidimensionale oder
dreidimensionale
Daten
in
einem
zweidimensionalen
Modell.
Die
Kategorisierung
orientiert sich dann oftmals am Hauptnutzen der Anwendung. Die Zuordnung der
Visualisierungen in die jeweiligen Kategorien ist also nicht immer eindeutig möglich und
die Übergänge zuweilen fließend. [OLI 2003]
4.3.2 Datentypen der Task by Data Type Taxonomy
4.3.2.1 Eindimensional
Eindimensionale, also lineare Daten treten zumeist in Form von – oftmals textbasierten –
sequentiellen Listen auf. Dies können beispielsweise Textdokumente, Programmquellcode, Programmverzeichnisse, Dokumente mit Suchergebnissen oder alphabetische
Namenslisten sein. [Shn 1996] Üblichweise werden solche Dokumente durch das Scrollen
durch lange Listen, welche oftmals von einem Art Ordnungssystem für die Navigation
unterstützt wird oder durch die Verwendung von Slidern charakterisiert. [OLI 2003]
Jedes Objekt in der Sammlung wird durch eine Textzeile, welche einen String mit
Charakteren beinhaltet, repräsentiert. Zusätzliche Zeilenattribute können beispielsweise
das Datum des letzten Updates oder der Autorenname sein. Aspekte bezüglich des
Interfaces sind Fontart, Farbe, Größe und welche Art von Übersichts-, Scrolling- oder
Selektionsmethoden verwendet werden. Häufig auftretende Probleme bei diesem
Datentyp sind: das Auffinden von bestimmten Objekten mit bestimmten Attributen oder
das Betrachten eines Objektes mit all seinen Attributen. [Shn 1996]
4.3.2.2 Zweidimensional
Die zweidimensionale Umgebung kombiniert zweidimensionale Datenrepräsentationen
mit zweidimensionalen Datentypen. Beispiele für Anwendungen sind geografische Karten,
Charts,
Grundpläne,
Zeitungslayouts,
Computerchip
Design
und
Fotografie.
159
Jedes einzelne Objekt deckt einen Teilbereich des zur Verfügung stehenden Raumes zum
Beispiel in Form eines Rechtecks ab. Jedes dieser Objekte verfügt über Attribute, wie
Name, Besitzer oder Wert und hat Merkmale das Interface betreffend, wie Größe, Farbe,
Deckfähigkeit (Deckkraft), u.s.w. [Shn 1996] Zweidimensionale Datentypen visualisieren
die gesamte Anzahl der Attribute, welche in die visuelle Umgebung miteingebunden sind.
Beispiele
sind
Längen-
und
Breitengrade,
Breite
und
Höhe,
etc.
Attribute
wie
Lokalisierung, Größe und Distanz eignen sich besonders für die Darstellung in einer
zweidimensionalen Umgebung. [OLI 2003] Der zweidimensionale Scattergraph oder
Scatterplot ist eine der gebräuchlichsten Formen der 2D Visualisierung. Die zwei Achsen
können sowohl für die individuellen Graphen verwendet werden als auch um die beiden
Graphen im Raum zu bilden. Eine andere Art von der Verwendung der 2D Achsen ist die
Erzeugung einer Topographie. Dies kann in Form einer Repräsentation einer grafischen
Tabelle
erfolgen
oder
als
reale
Topographie
wie
in
einem
geografischen
Informationssystems (GIS). [CMS 1999] Probleme, die in diesem Bereich für Benutzer
auftreten können, beziehen sich auf das Auffinden von angrenzenden Objekten,
Abgrenzungen zwischen den einzelnen Objekten und den Grundtasks des Zählen, Filtern
und Details-on-Demand.
4.3.2.3 Dreidimensional
Ein Ausdruck, welcher für diesen Bereich häufig verwendet wird ist „3D-World“. Dies
drückt aus, dass reale Objekte dargestellt werden, wie menschliche Körper, Gebäude
oder Moleküle, aus denen der Benutzer Informationen extrahieren kann. [OLI 2003]
Dreidimensionale visuelle Strukturen basieren in erster Linie auf physikalischen Daten.
Diese Darstellungen können aus drei Achsen bestehen um eine Informationslandschaft zu
erzeugen, als auch diese Achsen abstrakt verwenden. Die Visualisierung von physischen
Objekten kann auch als Träger dienen, auf welchem abstrakte Daten organisiert werden.
D.h. das physikalische Objekt dient in diesem Fall als Übersicht für die Organisation der
abstrakten Informationen (Überschneidung von Scientific Visualization und Information
Visualization). [CMS 1999] In dreidimensionalen Anwendungen müssen die Benutzer bei
der Betrachtung von Objekten mit dem Verständnis der Positionierung und Orientierung
sowie Problemen der Absorption fertig werden. Lösungen zu einigen dieser Probleme
werden in vielen Prototypen durch Techniken wie Overviews, Landmarks, Perspektiven,
Stereodisplay, Transparenz und Farbkodierung vorgeschlagen. [Shn 1996]
160
4.3.2.4 Temporal
Die Verwendung von temporalen Informationsvisualisierungen hat zwei fundamentale
Qualitäten: die Tatsche, dass temporale Events entweder simultan oder überlappend
ablaufen können sowie die zugrundeliegende multiple Skalierung von temporalen Daten,
welche sowohl sehr feine als auch grobe Maßeinheiten (rangierend von einer Sekunde bis
mehreren Jahrhunderten) erfordert. Beispiele temporaler Visualisierungen umfassen
Animationen, Zeitlinien, Video Repräsentation und Video Manipulation, medizinische
Aufnahmen,
Projektmanagement
oder
historischen
Präsentationen.
Temporale
Visualisierungen benötigen Daten, welche im Laufe der Zeit modifiziert wurden und
präsentieren basierend auf einem spezifischen Zeitrahmen und Informationen, welche für
die Ansicht gewünscht werden, Sichten, welche schnell und dynamisch verändert werden
können. Dies ermöglicht dem Benutzer eine größere Kontrolle über die Informationen, als
wenn
die
Daten
in
einer
typischen
statischen
Wiedergabe
präsentiert
werden.
Insbesondere kann der Benutzer die Zeit manipulieren und die zeitliche Sortierung der
Information ändern, um somit neue Muster und/oder Sichten auf die Daten zu finden.
[OLI 2003] Häufige Aufgaben temporaler Visualisierungen beinhalten das Auffinden von
allen Ereignissen entweder vor, nach oder während Zeitperioden oder -punkten, sowie
den Grundtasks. [Shn 1996]
4.3.2.5 Multi-Dimensional
Die meisten Visualisierungen besitzen multivariable Datentabellen, welche zu viele
Variablen enthalten, als dass sie direkt in 1D, 2D und 3D Strukturen kodiert werden
könnten. Für die Kodierung dieser Datentabellen bedarf es neuer Techniken. [CMS 1999]
Die meisten relationalen und statistischen Datenbestände werden als mehrdimensionale
Daten, bei denen Objekte mit n Attributen Punkte in einem n-dimensionalen Raum sind,
gehandhabt. [Shn 1996] Jedes dieser Objektes besitzt mehr als drei Attribute. 1D, 2D,
3D und temporale Informationsvisualisierungs-Schemata können als Teilmengen von
multidimensionalen Visualisierungen betrachtet werden. [OLI 2003]
Multidimensionale
Visualisierungen präsentieren Daten, welche in erster Linie nicht räumlich sind. Beispiele
für Anwendungen von multidimensionalen Visualisierungsschemas können AktienmarktStatistiken, eine Gruppe von Büchern in einer Bibliothek, eine Filmdatenbank und
zumeist
irgendwelche
abstrakten
und
statistischen
Informationen
über
irgendein
161
Phänomen sein. Attribute in multidimensionalen Visualisierungen sollten keine explizite
Struktur oder Beziehungen untereinander haben, daher haben auch Datensätze, welche
zu einer unmittelbaren Hierarchie oder einer Netzwerkstruktur führen ihre eigenen
Kategorien.
[OLI
2003]
Scientific
Visualization
arbeitet
häufig
ebenfalls
mit
multidimensionalen Daten, jedoch setzen die meisten der Datensätze, welche in diesem
Bereich verwendet werden, räumliche Attribute von Daten für Visualisierungszwecke ein.
Dennoch sind Kombinationen aus der Scientific Visualization und multidimensionalen
Ansätzen denkbar. [OLI 2003] Tasks, welche häufig mit solchen Anwendungen bearbeitet
werden, beinhalten das Auffinden von Mustern, Clustern, Querbeziehungen unter
Variabelenpaaren, Lücken und Sonderfällen. Damit verbundene Probleme für den
Benutzer sind oftmals Desorientierung und Absorption. Mehrdimensionale Daten können
zum Beispiel durch zweidimensionale Spreadsheets, welche jede zusätzliche Dimension
durch einen Slider kontrollieren (Ahlberg und Shneidermann, 1994), durch Buttons zur
Kontrolle der Attributswerte, für den Fall, dass die Kardialität relativ klein ist oder durch
Parallelkoordinaten präsentiert werden.
4.3.2.6 Tree
Hierarchien, auch bekannt als Baumstrukturen (Trees) sind Sammlungen von Objekten,
bei welchen jedes einzelne der Objekte in einer hierarchischen Beziehung zu einem
anderen Objekt steht. Hierarchische Daten sind sehr facettenreich und sind daher in
vielen Formen anzutreffen. Hierarchien tauchen natürlicherweise in Taxonomien, in
Strukturen von Organisationen, bei der Verwaltung von Speicherplatz, in der Genealogie
und dem Dewey Dezimalsystem auf. Traditionelle Präsentationen von Hierarchien
bestehen für gewöhnlich aus 2D Repräsentationen, in welchen die Knoten in Keilförmiger
Formation
positioniert
werden.
[OLI
2003]
Visuelle
Tree
Strukturen
kodieren
hierarchische Daten typischerweise durch die Verwendung von Verbindungen oder
Eingrenzungen. [CMS 1999] Jedes Objekt besitzt einen Link zu einem Vater-Objekt
(Vorgänger) - außer dem Root-Objekt. Objekte und Links zwischen Vater und Kind
können mehrere Attribute haben. Die gesamte Struktur der Hierarchie und seine
umgebenden Beziehungen sind in der Regel ebenso relevant. Hierarchien können einen
speziellen Fall eines Networks darstellen - ausgenommen der Definition von Hierarchien,
welche duale Wege und Kreise verhindern. Außerdem hat in einer Hierarchie jedes Objekt
einen einzigartigen Weg zum Root-Objekt, was in einem Network nicht garantiert wird.
[OLI 2003] Tasks können einzelnen Objekten, Links, einer Gruppe von Objekten oder der
gesamten Struktur zugeordnet werden. Mögliche Interfacerepräsentationen von Trees
sind: eingerückte Label wie in Inhaltsangaben, Node-Link-Diagramme, oder eine
162
Treemap Struktur. [CMS 1999] Probleme der Benutzer bei solchen Trees können
Desorientierung, die Navigation und das Auffinden spezifischer Knoten in solch einer
Struktur sein. [OLI 2003]
4.3.2.7 Network
Manchmal
können
Beziehungen
zwischen
Objekten
nicht
befriedigend
mit
einer
Baumstruktur festgehalten werden und es erweist sich als nützlich, Objekte mit einer
angemessenen Anzahl anderer Objekte zu verlinken. Obwohl einige Spezialfälle von
Networks existieren (azyklisch, Gitter, mit Rootknoten und ohne, gerichtet vs. ungerichtet), werden alle als ein Datentyp betrachtet. [Shn 1996] Network Visualisierungen
werden oftmals benutzt um Kommunikationsnetzwerke wie Telefonssysteme oder das
World Wide Web zu beschreiben. [CMS 1999] Das Ziel von Network Visualisierungen
beinhaltet das Erhalten von Einsicht in eine Struktur, welche aus vielen Datenobjekten
bestehen könnte. Networks bestehen aus Knoten und Links – Knoten, welche einen
Datenpunkt repräsentieren und Links, welche eine Beziehung zwischen zwei Knoten
repräsentieren. Viele der frühen Arbeiten in diesem Bereich stammen aus dem Gebiet der
Graphen. Ein Graph mit wenigen Punkten ist einfach zu zeichnen und visuell zu
verstehen, jedoch müssen gegenwärtige Tools mit großen Datensätze umgehen können,
welche wiederum dazu tendieren viele ihrer Informationen zu verstecken. [OLI 2003]
Zusätzlich zu den Grundtasks, welche den Objekten und Links zugeordnet werden
können, wollen die Benutzer solcher Strukturen oftmals etwas über die kürzesten oder
kostengünstigsten Wege, welche zwei Objekte verbindet, erfahren oder sie wollen das
gesamte Network traversieren. [Shn 1996] Häufig wird die Struktur eines Networks in
Diagrammen repräsentiert. Die meisten Interface Repräsentationen beinhalten die
folgenden
Arten
von
Visualisierungstechniken
node-and-link
fügen
auch
Diagrammen:
Animationen,
2D
Verzerrung
oder
oder
3D.
fest
Einige
verlinkte
Overview-Fenster hinzu, um mehr Information über ein Network darzustellen. [OLI 2003]
163
4.3.3 Visualisierungen
Der
folgende
Abschnitt
listet
einige
Visualisierungen
auf,
welche
während
der
Recherchearbeiten gefunden wurden. Aufgrund der immensen Vielzahl an existenten
Visualisierungen kann an dieser Stelle lediglich ein kleiner Einblick in die Welt der
Visualisierungen gegeben werden. Die folgende Auswahl versucht möglichst viele
verschiedenartige
Visualisierungen
zu
beschreiben.
Manchmal
bedienen
sich
unterschiedliche Visualisierungssysteme jedoch derselben oder ähnlicher Visualisierungsideen. Eine redundante Nennung derselben Visualisierungsidee wurde bewusst versucht
zu vermeiden. Die Darstellung der folgenden Visualisierungen erfolgt mittels Nennung
der jeweiligen Autoren, einer knappen Erklärung, welche einen Einblick in die jeweilige
Visualisierungsidee geben soll, der Nennung von Anwendungsbereichen, den in der
Visualisierung verwendeter Visualisierungstechniken, sowie Quellenangaben, unter denen
weitere Informationen zu der jeweiligen Visualisierung zu finden sind. Die Ordnung der
hier
vorgestellten
Visualisierungen
erfolgt
nach
der
Klassifizierung
anhand
der
zugrundeliegenden Datentypen nach der Task by Data Typ Taxonomy von Shneiderman.
Innerhalb der jeweiligen Kategorien unterliegen die Visualisierungen einer alphabetischen
Ordnung.
Weiterhin
Visualisierungssysteme,
Visualisierungen
gilt
zu
welche
bestehen,
beachten,
häufig
ganzheitlich
dass
aus
es
einer
nicht
Vielzahl
vorzustellen,
das
an
sondern
Ziel
ist,
ganze
unterschiedlichen
vielmehr
einige
unterschiedliche Visualisierungsideen anhand von Systemen darzustellen.
Document Lens
Georg G. Robertson, Jock D. Mackinlay
Abb. 103 Document Lens [RM 1993]
Mit der Document Lens ist es dem Benutzer möglich ein Textdokument, welches aus
mehreren Seiten besteht zu betrachten, wobei ihm alle Seiten des Dokuments zur selben
Zeit in einer dreidimensionalen Darstellung dargestellt werden. Innerhalb der Darstellung
befindet sich eine rechteckige „Linse“, welche den Inhalt der aktuellen Seite unverzerrt
164
und damit für den Benutzer lesbar darstellt. Die anderen Seiten werden perspektivisch
verzerrt abgebildet. Möchte der Benutzer nun eine andere Seite lesen, so kann er diese
„Linse“ interaktiv auf eine von ihm gewünschte Seite des Dokuments schieben.
Entsprechend verändert sich der Fokus des unverzerrten Bereichs, wobei sich alle
übrigen Seiten ebenfalls an die Darstellung angepassen.
Datentyp
Eindimensional
Anwendungsbereich(e)
Textdokumente
VizTechnik(en)
Tile-Graph 3D, Fisheye-Technik
Metapher
Lens-Metapher
Quelle(n)
[RM 1993]
Galaxies (SPIRE)
James A. Wise, James J. Thomas, Kelly Pennock
Abb. 104 Galaxies [PNN 2004]
Die
Galaxies-View
des
SPIRE
Systems
ist
eine
zweidimensionale
Scatterplot-
Visualisierung, in welcher die gesamte Textmenge als ein Universum von so genannten
„Docustars“ - welche mit Sternen am Nachthimmel verglichen werden können dargestellt wird. Jedes Dokument wird durch einen einzelnen Punkt repräsentiert,
während logische Gruppierungen, die sogenannten Cluster durch Cluster Centroiden
repräsentiert werden. Cluster entstehen durch die Positonierung der Dokumente. D.h.
ähnliche Dokumente werden nahe zueinander und unähnliche weiter voneinander
entfernt positioniert. Die schattierten Bereiche innerhalb der View bezeichnen die
sogenannten ThemeClouds, welche analog zu den Gipfeln der ThemeView dargestellt
werden.
D.h.
ThemeClouds
bieten
eine
zweidimensionale
Repräsentation
der
Themendurchgängigkeit, wobei die Intensität der Farbe das Aufkommen der darunter
liegenden Themen verdeutlicht. Die Label der ThemeClouds beschreiben die wichtigsten
Themen in diesem Gebiet. Über zusätzliche Explorationstools ist es dem Benutzer
möglich, die Dokumentenmenge weiter zu erforschen.
165
Datentyp
Eindimensional
Anwendungsbereich(e)
Textdokumente
VizTechnik(en)
Point-Graph 2D, Scatterplot
Metapher
Galaxies-Metapher
Quelle(n)
[WTP 1995], [Wis 1999], [PNN 2004]
TileBars
Marti A. Hearst
Abb. 105 TileBars [Hea 1995]
TileBars unterstützen Information Retrieval in Textinformation. Die Länge der Bars
kodiert dabei die relative Länge der jeweiligen Dokumente. Die Kacheln der Tile Bars,
welche die Suchbegriffe farbig kodieren, vermittelen die Häufigkeit der gesuchten
Begriffe innerhalb des Textes. Durch Relation der Gesamtlänge des Dokuments in Bezug
zur Positionierung der einzelnen farbig markierten Kacheln, gibt dem Benutzer darüber
Auskunft, wo sich die jeweilig gesuchten Begriffe innerhalb des Dokuments befinden und
welche Begriffe kombiniert miteinander auftreten.
Datentyp
Eindimensional
Anwendungsbereich(e)
Textinformation
VizTechnik(en)
Tile-Graph 2D
Quelle(n)
[Hea 1995]
166
ThemeView (SPIRE)
James A. Wise, James J. Thomas, Kelly Pennock
Abb. 106 ThemeView (ThemeScapes) [MIK 2003]
Die ThemeView des SPIRE Systems ist eine von der Galaxies (SPIRE) abgeleitete
Visualisierung, in welcher die Dominanz der Themen auf einer zusätzlichen Achse – der
Zeit – dargestellt wird. Diese ThemeView stellt die Themenbereiche, welche innerhalb
einer Dokumentenmenge automatisch ermittelt wurden, als Reliefkarte einer natürlichen
Umgebung dar. Dabei kennzeichnen hohe Gipfel dominante Themen, wobei die Höhe der
Gipfel die relative Stärke der Themen innerhalb des Dokumentenmenge anzeigt. Die
Farbe der Gipfel sowie deren Label unterstützen die Darstellung zusätzlich. Die Distanz
der Gipfel kodiert die Ähnlichkeit der Themen zueinander. Ähnliche Themen erscheinen
eng beieinander, während
unähnliche weiter von einander entfernt liegen. ThemeView
bietet dem Benutzer so eine visuelle Übersicht über die wichtigsten Themenbereiche,
welche in einer Dokumentenmenge enthalten sind. Über zusätzliche Explorationstools ist
es dem Benutzer möglich, die Dokumentenmenge weiter zu erforschen.
Datentyp
Eindimensional
Anwendungsbereich(e)
Textdokumente
VizTechnik(en)
Area-Graph 3D, Surface Chart
Metapher
Landscape-Metapher
Quelle(n)
[WTP 1995], [PNN 2004]
167
WebBook
Stuart K. Card, George G. Robertson, William York
Abb. 107 WebBook [CRY 1996] (li.) und „Blättern“ im WebBook [CRY 1996] (mi.) und „Document Lens“ View
[CRY 1996] (re.)
Das WebBook gehört zum Information Workspace von Web Forager, welcher wiederum
zum Framework des Information Visualizer Systems [RCM 1993] gehört. WebBook stellt
ein dreidimensionales interaktives Buch dar, welches HTML-Seiten enthält. Dabei wurden
verschiedene HTML-Eigenschaften, wie z.B. farbig angelegte Hyperlinks, adaptiert.
Zudem unterstützt es eine Reihe von Funktionen, wie „Blättern“ oder das Einfügen von
Lesezeichen. Durch „Auseinanderziehen“ der Seiten, ist es dem Benutzer möglich, alle
Seiten parallel unter Verwendung einer Fisheye-Technik, welche Document Lens [RM
1993] genannt wird zu betrachten.
Datentyp
Eindimensional
Anwendungsbereich(e)
HTML Seiten
VizTechnik(en)
Tile-Graph 2D und 3D, Fisheye-Technik
Metapher
Book
Quelle(n)
[CRY 1996]
Video-on-Demand Presentation
Kevin Lam, Robert Spence
Abb. 108 Video-on-Demand Presentation [Spe 2001]
168
Die
Video-on-Demand
Presentation
ermöglicht
das
Browsen
durch
Poster
von
Videofilmen. Eine große Anzahl von Postern wird in drei Reihen auf einer persektivischen
Wand arrangiert. Die Anordnung der Wand ermöglicht es, dass die Poster der Frontseite
in voller Größe dargestellt werden können. Die Bewegung des Cursors entlang der
Kanten der Seitenwände veranlasst jedes Poster „herauszupoppen“, so dass es in seiner
vollen Größe zu sehen ist. Es verharrt solange in dieser Position bis der Cursor sich
weiterbewegt. Auf diese Weise ist es dem Benutzer möglich, bequem durch die große
Menge an Postern zu browsen und diejenigen Poster länger zu betrachten, welche für ihn
von Interesse sind. Diese Darstellung ähnelt einem Bifocal Display.
Datentyp
Zweidimensional
Anwendungsbereich(e)
Recherche in Bildbeständen (Poster, Videohüllen)
VizTechnik(en)
Tile-Graph 2D
Quelle(n)
[LSp 1997]
Connex
Beth Hetzler, W. Michelle Harris, Susan Havre, Paul Whitney
Abb. 109 Connex [PNN 2004]
Die Connex Visualisierung zeigt individuelle Beziehungen zwischen Objekten, wie zum
Beispiel
Dokumenten
oder
Konzepten
innerhalb
von
Dokumenten.
In
dieser
Visualisierung entsprechen die x- und y-Achsen geordeneten Listen von Objekten. Die zAchse entspricht den verschiedenen Beziehungstypen, welche in dieser Teilmenge
auftreten. Wenn ein Objekt eine bestimmte Beziehung zu einem anderen Objekt hat,
dann wird in dieser z-Ebene eine kleine Kugel am Schnittpunkt der beiden Objektebenen
positioniert. Wenn die Objekte multiple Beziehungen haben, wird es verschiedene solcher
Kugeln, vielleicht in Form eines Stapels, an verschiedenen z-Positionen geben. Das Tool
ermöglicht dem Benutzer die verschiedenen Beziehungen zu kategorisieren, bestimmte
Beziehungen nach Wunsch zu zeigen oder zu verstecken, asymetrische Beziehungen
169
hervorzuheben und die Dokumentendarstellung umzusortieren. Die Zuordnung von Farbe
kann für Kategorien eingesetzt werden, um verschiedene Beziehungen zu gruppieren
oder zu unterscheiden.
Datentyp
Dreidimensional
Anwendungsbereich(e)
Darstellung von Beziehungen zwischen Objekten
VizTechnik(en)
Point-Graph 3D, Scatterplot
Quelle(n)
[HHH 1998], [PNN 2004]
Rainbows
Beth Hetzler, Nancy Miller, W. Michelle Harris, Susan Havre, Paul Whitney
Abb. 110 Rainbows [PNL 2004]
Rainbows ermöglicht dem Benutzer, verschiedene Arten von Beziehungen zwischen
Objekten visuell zu untersuchen. Einer der Stärken dieser Visualisierung ist die Art und
Weise, wie sie drei unterschiedliche Klassen von Beziehungen darstellt. Objekte (wie zum
Beispiel Dokumente, Menschen oder Konzepte) werden als kleine Punkte auf einer
zweidimensionalen Ebene abgebildet. Ihre Positionierung repräsentiert einen der drei
Beziehungstypen zwischen den Objekten. Eine zweite Klasse von Beziehungen wird als
Bogen oberhalb der Ebene dargestellt. Ein weißer Bogen zwischen zwei Clustern weist
darauf hin, dass eine solche Beziehung zwischen Objekten innerhalb dieses Clusters
existiert. Der weiße Bogen kann ausgedehnt werden, um mehrere Farben (wie in einem
Spektrum) darstellen zu können, wobei jede dieser Farben dann auf die Existenz eines
bestimmten Beziehungstypen innerhalb der Klasse hinweist. Eine dritte Klasse von
Beziehungen
wird
als
Bogen
unterhalb
der
Ebene
gezeigt.
Durch
Interaktions-
möglichkeiten mit der Visualisierung kann der Benutzer Beziehungen für bestimmte
Objekte, bestimmte Beziehungstypen und Details über eine spezifische Beziehung
anzeigen lassen.
170
Datentyp
Dreidimensional
Anwendungsbereich(e)
Darstellung von Beziehungen zwischen Objekten
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[PNL 2004], [HHH 1998]
Visual Access for 3D Data
David J. Cowperthwaite, M. Sheelagh, T. Carpendale, F. David Fracchia
Abb. 111 Visual Access for 3D Data [CSC 1996]
Die Problematik bei dreidimensionalen Visualisierungen, im Vergleich zu zweidimensionalen ist, dass es möglich ist, dass entweder das gesamte beziehungsweise ein Teil des
Objektes, welches für den Benutzer von Interesse ist, von anderen Objekten verdeckt
wird. Aktuelle Lösungsansätze versuchen dieser Problematik auf die folgende Weise zu
begegnen: Cutting Planes, Layer Removal, Fly-Through und Transaparency. Die
Problematik dieser Ansätze liegt aber zummeist darin, dass sie den Zusammenhang zum
Gesamtkontext der Darstellung verlieren. Ein weiterer Ansatz, welcher nicht dieser
Problematik
unterworfen
ist,
ist
die
Verwendung
einer
Fisheye-Technik
im
Zusammenhang mit dreidimensionalen Objekten. Abb. 111 zeigt ein Beispiel hierfür. Das
Ziel dieser Visualisierung ist es, dem Benutzer einen interaktiven Zugang zum
dreidimensioanlen Informationsraum zu bieten, während der Bezug zum Gesamtkontext
erhalten bleibt.
Datentyp
Dreidimensional
Anwendungsbereich(e)
Exploration im dreidimensionalen
VizTechnik(en)
Tile-Graph 3D, Fisheye-Technik
Quelle(n)
[Eic 1996]
171
DateLens
Benjamin B Bederson, Aaron Clamage, Mary P. Czerwinski, Georg G. Robertson
Abb. 112 DateLens (Desktop-Version) [Dat 2004] (li.) und DateLens (PDA-Version: FishCal) [Dat 2004] (mi.)
und DateLens (PDA-Version: FishCal) mit Fokus auf einen Tag [BCR 2002] (re.)
Die DateLens wurde in erster Linie für kleine Displays - insbesondere für die von PDAs
entwickelt – ist aber auch für andere Geräte - von Desktop Computers bis Tablet PCs einsetzbar. Die DateLens unterstützt den Benutzer in der Planung und Analyse von
Aufgaben. Dabei werden dem Benutzer die Daten in einer kompakten überblickartigen
Darstellung präsentiert. Mittels Fisheye-Technik hat der Benutzer die Möglichkeit sich die
Informationen innerhalb einer Zelle detailliert darstellen zu lassen, ohne die Ansicht
verlassen zu müssen. Dies ermöglicht es Benutzern einen Überblick über die Daten zu
erhalten, einfach durch die Kalenderstruktur zu navigieren und Muster und Ausreißer zu
erkennen.
Die grundsätzliche Organisation der Darstellung ist tabellarisch, wobei jede Zeile eine
Woche repräsentiert, deren Spalten wiederum die Tage der Woche anzeigen. Die Anzahl
der sichtbaren Zeilen kann von einer Zeile (eine Woche) bis zu 52 (ein Jahr) variieren.
Durch Antippen irgendeines Tages erweitert sich diese Zelle graduell und enthüllt die
Liste mit Terminen, welche mit diesem Tag in Verbindung stehen. So können Benutzer
den Tag wechseln, weiter hineinzoomen um eine Gesamt-Tagesansicht zu erhalten und
nach Terminen suchen. Zu den weiteren Views der DateLens gehören z.B.: eine Agenda
View (zeitlich geordnete, textuelle Liste der Termine) oder eine Full Day View
(traditionelle, nach Uhrzeiten aufgeteilte Darstellung eines ganzen Tages).
Datentyp
Temporal
Anwendungsbereich(e)
Terminplanung, Kalender
VizTechnik(en)
Tile-Graph 2D, Histobar-Graph 2D, Fisheye-View
Quelle(n)
[BCR 2002], [BCC 2004], [Dat 2004]
172
Perspective Wall
Jock D. Mackinlay, Georg G. Robertson, Stuart K. Card
Abb. 113 Perspective Wall [MIK 2003]
Die Perspective Wall repräsentiert eine sequentielle Darstellung von Dateien auf einer
Zeitachse, wobei sie eine detaillierte mit einer kontextuellen Sicht kombiniert. In der
Implementation wird die horizontale Dimension für die Zeit benutzt und die vertikale um
die Schichten in einem Informationsraum zu visualisieren. Beispiele hierfür sind
Visualisierungen von Dateien mit dem Änderungsdatum in der horizontalen Achse und
dem Dateityp in der vertikalen Achse. Die Perspective Wall stellt eine Variante eines
eindimensionalen Bifocal Displays dar, wobei diese im Gegensatz zum Bifocal Display für
die Bereiche ausserhalb des Fokus mit einer zunehmenden Verkleinerungsrate in der
Darstellung arbeitet. Der Benutzer hat die Möglichkeit, die Wand interaktiv zu
verschieben, so dass die Dokumente, des von ihm gewünschten Zeitabschnitts in den
Vordergrund geschoben werden.
Datentyp
Temporal
Anwendungsbereich(e)
Zeitliche Darstellung von Dokumenten
VizTechnik(en)
Tile-Graph 2D
Metapher
Wall-Metapher
Quelle(n)
[MRCa 1991]
173
SiZer
Stephen G. Eick, Todd L. Graves, Alan F. Karr, J.S. Marron, Audris Mockus
Abb. 114 SiZer [EGK 1999]
Der SiZer stellt den Schwierigkeitsgrad einer Änderung von Programmiercodeeinheiten
bei der Implementierung von neuen Softwaremodulen dar. Dabei werden verschieden
gewichtete Funktionen auf der Zeitachse übereinander dargestellt. Eine ineffiziente oder
sogar fatale Entwicklung des Gesamtproduktes lässt sich so schnell erkennen. Für jeden
neuen Gewichtungsfaktor erscheint eine neue Funktion in der Visualisierung. Trends
werden anhand der Anzahl veränderter Dateien über die gesamte Entwicklungszeit
ermittelt.
Datentyp
Temporal
Anwendungsbereich(e)
Code Decay – Change Management Data
VizTechnik(en)
Line-Graph 2D
Quelle(n)
[EGK 1999]
ThemeRiver
Susan Havre, Brth Hetzler, Lucy Nowell
Abb. 115 ThemeRiver [MIK 2003]
Die ThemeRiver Visualisierung unterstützt den Benutzer bei der Identifizierung zeitrelevanter Patterns, Trends und Beziehungen innerhalb einer großen Dokumentenmenge.
Die Themen innerhalb dieser Sammlung werden durch einen Fluß (River), welcher von
links nach rechts durch die Zeit fließt, repräsentiert. Der Fluß weitet oder verjüngt sich,
174
um Änderungen in der kollektiven Stärke der Themen, welche in den zugrunde liegenden
Dokumenten selektiert wurden, zu bezeichnen. Einzelne Themen werden werden als
kolorierte „Strömungen“ innerhalb des Flusses dargestellt. Diese Themenströmungen
weiten oder verjüngen sich, um zu jedem Zeitpunkt Änderungen in der jeweiligen
Themenstärke anzuzeigen.
Datentyp
Temporal
Anwendungsbereich(e)
Zeitliche Darstellung von Themenänderungen
VizTechnik(en)
Area-Graph 2D
Quelle(n)
[PNN 2004]
Bifocal Display
Robert Spence, M.D. Apperley
Abb. 116 Prinzip des Bifocal Display [Spe 2001] (li.)
und Bisfocal Display aus Sicht des Benutzers [Spe 2001] (re.)
Das Prinzip des Bifocal Displays kann man mit einem Papierstreifen, auf welchem
verschiedenartige Objekte (Bilder, Texte, etc.) dargestellt werden und welcher um zwei
Pfosten gezogen wurde, erklären (Abb. 116 links). Die Seiten des Papierstreifens müssen
jedoch immer noch zu sehen sein. Durch diese Vorgehensweise entsteht eine visuelle
Repräsentation, welche die Objekte im Zentrum der Darstellung unverzerrt und an den
Seiten rechts und links verzerrt darstellt (Abb. 116 rechts). Das Bifocal Display
verwendet, im Gegensatz zum Beispiel zur Perspective Wall, für die Bereiche ausserhalb
des Fokus eine konstante Verkleinerungsrate. Durch Interaktionsmöglichkeiten mit der
Darstellung ist es dem Benutzer möglich, die Darstellung zu „scrollen“ und so die für ihn
relevanten Objekte in den unverzerrten Fokusbereich zu schieben.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Exploration von mehrdimensionalen Datenbeständen
Quelle(n)
[Spe 2001], [SA 1982]
175
Circle Segments View (CSV) - VisMeB
Peter Klein, Harald Reiterer, Frank Müller, Tobias Limbach
Abb. 117 Circle Segments View [KRM 2003]
VisMeB (Visual Metadata Browser) stellt ein vielfach anwendbares Tool zur Explorationen
von Datenbeständen dar, welches auf den Ideen von INSYDER beruht. Dieser Javabasiert Browser lässt sich leicht auf die jeweilige Thematik anpassen, um dem Benutzer
das
Auffinden
relevanter
Informationen
innerhalb
von
großen
Datenmengen
zu
erleichtern. Er kombiniert verschiedene Visualisierungstechniken, um dem Benutzer
sowohl einen gesamten, als auch eine detaillierte Übersicht zu bieten. Eine der
Visualisierungen
ist
der
Circle
Segment
View
(CSV),
bei
welchem
zwei
Kreissegmentgrafiken von zwei mittels dem Boolschen Operator „AND“ verknüpften
Variablen (in Abb. 117 sind dies Servertyp und Sprache) nebeneinander dargestellt
werden. Der Benutzer kann somit leicht erkennen in welchen Kreisabschnitten, die
Kategorien darstellen, die jeweiligen Daten liegen. Mittels einem seitlichen Slider (in Abb.
117 für die Relevanz) und einem unter der Kreisgrafik liegendem Slider (in Abb. 117 für
die Jahreszahl) können interaktiv Bereiche für die Attribute, welche den Slidern
zugewiesen wurden, eingestellt werden, was zur einer Reduktion oder einem Zuwachs
der sichtbaren Datenpunkte führt.
Datentyp
Multidimensional
Anwendungsbereich(e)
Datenexploration
VizTechnik(en)
Bar-Graph 2D (polar)
Quelle(n)
[KRM 2003]
176
FilmFinder
Christopher Ahlberg, Ben Shneiderman
Abb. 118 FilmFinder [CMS 1999]
Der FilmFinder ermöglicht es Benutzern umfangreiche Filmdatenbanken zu durchforsten.
Er stellt Filme in Form von Punkten in einem Scatterplot dar, welcher durch User
Interface Slider und Radio Buttons erweitert wird. Diese Punkte kodieren farbig zusätzlich
die jeweiligen Filmkategorien, wie zum Beispiel „Action“ oder „Sience Fiction“. Mittels der
Interaktionstechnik der Dynamic Queries, ist es dem Benutzer möglich, mittels direkter
Manipulation eine Anfrage rasch zu spezifizieren. Durch Kopplung dieser Anfrage mit der
visuellen Darstellung, erhält er ein sofortiges visuelles Feedback.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Filmdatenbank
VizTechnik(en)
Point-Graph 2D, Scatterplot
Quelle(n)
[AS 1994a], [AS 1994b]
Influence Explorer
Lisa Tweedie, Robert Spence, Huw Dawkes, Hua Su
Abb. 119 Influence Explorer [MIK 2003]
177
Durch sogenannte Interactive Visualisation Artifacts (IVAs) können wichtige abstrakte
mathematische Modelle offen gelegt werden. Dies erfolgt dadurch, dass man Daten,
welche
durch
abstrakte
mathematische
Modelle
generiert
wurden,
in
einfachen
miteinander verlinkten Graphen darstellt. Der Influence Explorer stellt ein solches IVA
dar. In diesem Beispiel des Prozesses einer Glühbirnenproduktionsplanung werden links
zwei horizontale und rechts vier vertikale Histogrammen zu den darunter, bzw. links
daneben stehenden Parametern angezeigt. Dabei werden die Glühbirnen, welche für eine
Produktion noch in Frage kommen, visuell hervorgehoben. Die sechs Parameter können
vom Benutzer verändert und somit unter anderem der Zusammenhang zwischen
Helligkeit und Arbeitsumgebung interaktiv untersucht werden.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Produktionsplanung
VizTechnik(en)
Histobar-Graph 2D, Parallele Koordinaten
Quelle(n)
[TSD 1996]
libViewer
Andreas Rauber, Harald Bina
Abb. 120 libViewer [Lib 2004]
In der libViewer Anwendung, welche Teil des SOMlib Projektes ist, werden die
Suchergebnisse eines Suchsystems als dreidimensionale Bücher dargestellt, wobei die
Attribute der Bücher (Farbe, Größe, Typ, ...) die Metadaten der Dokumente kodieren.
libViewer
verwendet
ein
virtuelles
Bücherregal
um
die
Bücher
(Dokumente)
in
bestimmter Ordnung oder Gruppierung darzustellen. Die Bücher können so entweder
anhand der vorhandenen Metadaten, wie z.B. Größe oder Relevanz, angeordnet werden
oder mit Hilfe eines neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998],
welche Dokumente mit ähnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf
178
einem einzelnen Bücherbrett im Bücherregal dargestellt, welches mit Hilfe einer
sogenannten LabelSOM Technik beschriftet wird.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Dokumentenrecherche
Metapher
Book, Bookshelf
Quelle(n)
[RB 1999]
Rapid Serial Visual Presentation (RSVP)
Oscar de Brujin, Robert Spence
Experiment 2
New
Abb. 121 RSVP mit Abbildungen [Spe 2001]
Rapid Serial Visual Presentation oder RSVP entspricht der elektronischen Version des
„Durchblättern“ eines Buches um seinen Inhalt einschätzen zu können. RSVP eignet sich
vor allem sowohl für das Durchbrowsen als auch für die Suche elektronischer Information
auf kleinen Displays. Diese Information kann dabei aus Text- oder aus Bilddaten
bestehen. Im Beispiel der Abb. 121, ist es dem Benutzer möglich den Inhalt des Ordners
„New“ mittels RSVP zu erforschen. Ein Mausklick auf das Symbol des halbkreisförmigen
Bereichs auf dem Ordner aktiviert eine RSVP mit Abbildungen vom Inhalt. Dabei
erscheinen die Abbildungen auf der einen Seite des Ordners, laufen in einem Halbkreis
um den Ordner herum, um auf der anderen Seite wieder zu verschwinden. Das schwarze
Segment innerhalb des Symbols des Halbkreises zeigt dabei den Fortschritt der
Präsentation an. Ein zweiter Klick auf das Symbol stoppt das „Blättern“.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Browsen durch Text- und Bildinformation
VizTechnik(en)
Path-Graph 2D
Quelle(n)
[BSp 1999], [BSp 2000], [BSC 2001]
179
Starstruck
Beth Hetzler, Paul Whitney, Lou Martucci, Jim Thomas
Abb. 122 Starstruck [PNL 2004]
Die Starstruck-Visualisierung soll zwei Ziele erreichen: Erstens, verschiedene Levels von
Granularitäten innerhalb des Informationsraumes darstellen und zweitens der Form von
Clustern
innerhalb
des
Informationsraumes
eine
Bedeutung
beimessen.
In
der
Starstruck-Visualisierung wird jedes Dokument als eine Flächenexplosion von TopicStrahlen, welche an Sterne erinnert, dargestellt. Die Länge von jedem Strahl gibt die
Stärke der zugehörigen Topics oder Themen in diesem Dokument an. Die Reihenfolge der
Themen-Strahlen ab der 12-Uhr-Position in Richtung Uhrzeigersinn ist für jedes
Dokument gleich. Die Strahlen sind dabei so angeordnet, dass Themen, welche inhaltlich
miteinander zu tun haben, in der Flächenexplosion nahe aneinander liegen. Dies
ermöglicht dem Benutzer themenschwache und themenstarke Gebiete zu erkennen. Die
Visualisierung soll thematische Muster innerhalb einer Gruppe oder einem Cluster von
Dokumenten zeigen. Die einzelnen Flächenexplosionen für eine Gruppe sind entlang einer
unsichtbaren Linie in dem Raum ausgerichtet. Der Benutzer kann die Ansicht wechseln,
so dass alle Flächenexplosionen überlagert dargestellt werden und so die Verteilung der
Themen innerhalb dieser Gruppe in einer Gesamtansicht klar erkennbar ist. Indem der
Benutzer die Ansichtsrotation variiert, kann er von dieser Gesamtansicht der Gruppe zu
einer Ansicht der einzelnen Dokumente schwenken.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Dokumentenexploration
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[PNL 2004], [HWM 1998]
180
Super Table - VisMeB
Peter Klein, Harald Reiterer, Frank Müller, Tobias Limbach
Abb. 123 Supertable und 3D Scatterplot [KRM 2003]
Die Supertable gehört, wie auch die Circle Segments View zu den verschiedenen
Visualiserung von VisMeB (Visual Metadata Browser). Die Super Table, welche unter
anderem mit einem dreidimensionalen Scatterplot kombiniert werden kann (Abb. 123),
bietet dem Benutzer mittels Bar-Charts, im Text hervorgehobenen Worten und
Histogrammen eine Übersicht über den gesamten Datenbestand. Der 3D Scatterplot
erlaubt dem Benutzer über Rotation, Zooming und Selektieren der Datenobjekte, welche
in diesem 3D-Gitter als Würfel dargestellt werden, den durch zuvor eingestellte
Parameter reduzierten Datenbestand genauer im Detail zu erforschen.
Datentyp
Multidimensional
Anwendungsbereich(e)
Datenexploration
VizTechnik(en)
Point-Graph 3D, Scatterplot 3D, Histobar-Graph 2D,
Bar-Graph 2D
Quelle(n)
[KRM 2003]
Table Lens
Ramana Rao, Stuart Card
Abb. 124 Table Lens [RC 1994]
181
Die Table Lens ist eine Visualisierung für die Suche nach Patterns und Ausreißern in
multivariaten Datensätzen, welche sich besonders für numerische und kategorische
Daten geeignet. Die Table Lens bietet eine strukturierte grafische Repräsentation, welche
das Browsen durch große Mengen von Werten, Variablen und Cases unterstützt. Dabei
repräsentieren die Zeilen Cases und die Spalten Variablen. Durch Verwendung der
Fisheye-Technik ist es dem Benutzer möglich, eine oder mehrere Zeilen „zu öffnen“ um
zum Beispiel in Form von Text, detaillierte Informationen zu den einzelnen Werten zu
erhalten. Für die Repräsentation von Werten quantitativer Variablen wird eine grafische
Bar verwendet, welche stets an der linken Kante der Zelle verankert ist. Diese bezeichnet
entweder einen Minimalwert, Null oder eine untere Grenze. Die Länge der Bars verhält
sich proportional zu der relativen Größe des repräsentierten Wertes. Die Verwendung von
grafischen Repräsentationen bietet nicht nur einen Skalierungsvorteil, sondern bietet
ebenso einen Vorteil für die Exploration, da große Mengen von schmalen Bars vom
Benutzer wesentlich schneller überflogen werden können als eine vergleichbare Menge an
textuell repräsentierten Zahlen. Weitere wichtige Funktionen der Table Lens sind zum
Beispiel: das Sortieren einer Spalte anhand ihrer Werte (auf- oder absteigend) und das
Erzeugen einer neuen Spalte, welche anhand einer auf anderen Spalten basierenden
Formel errechnet wird.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
Baseball Statistiken
VizTechnik(en)
Tile-Graph 2D, Bar/Histobar-Graph 2D, Fisheye-Technik
Metapher
Lens-Metapher
Quelle(n)
[PR 1996], [RC 1994]
Web Forager
Stuart K. Card, George G. Robertson, William York
Abb. 125 Web Forager [CRY 1996] (li.) und
Bookshelf [CRY 1996] (re.)
182
Während das WebBook ein einzelnes Buch darstellt, ermöglicht Web Forager dem
Benutzer mit mehreren solcher WebBooks in einem Information Workspace zu arbeiten.
Web Forager ist Teil des Information Visualizer Systems [RCM 1993]. In einem
dreidimensionalen Raum werden WebBooks, bzw. einzelne HTML-Seiten dargestellt, mit
welchen der Benutzer interagieren kann (Links, Speichern, Einfügen von einzelnen Seiten
in WebBooks). Dieser Raum, in welchen der Benutzer auch „hineinfliegen“ kann, ist
hierarchisch geordnet. Die vorderste Ebene (großes Buch oder Seite) zeigt entweder eine
Seite, ein Buch oder ein geöffnetes Buch in voller Größe, welches dem Benutzer die
direkte Interaktion mit dem Inhalt ermöglicht. In der mittleren Ebene (Luftraum und
Tisch) können Seiten oder Bücher, wenn sie zwar verwendet, jedoch nicht im
unmittelbaren Fokus liegen, platziert werden. Die dritte Ebene (das Bücherregal)
ermöglicht die permanente Speicherung einer Vielzahl von Seiten und Bücher.
Datentyp
Multi-Dimensional
Anwendungsbereich(e)
HTML Seiten, WebBooks
VizTechnik(en)
Fisheye-Technik
Metapher
Book, Bookshelf
Quelle(n)
[CRY 1996], [PF 2003], [PFR 2002]
Cam Tree
Georg G. Robertson, Jock D. Mackinlay, Stuart K. Card
Abb. 126 Cam Tree [RMC 1991]
Cam Trees stellen ein alternatives Layout zu Cone Trees dar. Ihre Orientierung ist im
Gegensatz zu Cone Trees horizontal ausgerichtet. Dies hat den Vorteil, dass die einzelnen
Knoten mit Text beschriftet werden können. Davon abgesehen haben Cam Trees
dieselben Eigenschaften wie Cone Trees.
183
Datentyp
Tree
Anwendungsbereich(e)
Hierarchische Strukturen
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[RMC 1991], [Chi 2002]
Collapsible Cylindrical Tree (CCT)
Raimund Dachselt, Jürgen Ebert
Abb. 127 Collapsible Cylindrical Tree (CCT) [DE 2001]
Collapsible Cylindrical Trees eignen sich für die Visualisierung mittelgroßer Hierarchien.
Dabei werden die verschiedenen Topics, wie z.B. die Themenbereiche einer Webseite,
durch gleichgroße, verschiedenfarbige Zylinder repräsentiert. Die Unterpunkte zu den
jeweiligen Topics werden auf der Oberfläche der Zylinder, welche interaktiv vom
Benutzer
rotiert
werden
können,
dargestellt.
Durch
Auswahl
eines
bestimmten
Unterpunkts verkleinern sich alle übrigen Zylinder und eine weitere Hierachieebene fährt
in Form eines kleineren Zylinders teleskopartig aus dem ausgewählten Zylinder aus. Auf
der Oberfläche dieses Zylinders sind wiederum die zugehörigen Unterpunkte abgebildet.
Die Auswahl kann entsprechend fortgesetzt werden. Die Idee dahinter ist, nicht die
gesamte Baumhierarchie auf einmal darzustellen, sondern nur die ersten beiden Ebenen
eines Baums plus den gewählten Hierachiepfad in die unteren Ebenen. Durch das
dynamische Erscheinen und Verbergen soll eine sinnvolle Balance der Darstellung von
Details und Kontext erzielt werden. Ziel ist neben einer verständlichen dreidimensionalen
Visualisierung von Hierarchien, dem Benutzer eine schnelle und intuitive Interaktion mit
den Knoten zu ermöglichen. Lediglich ein Mausklick ist nötig, um jeden Knoten zu
erreichen und eine Aktion auf ihm auszulösen, wie z.B. die Darstellung einer Webseite.
Ursprünglich wurden die CCTs für die Darstellung von Webhierarchien entwickelt, jedoch
ist ihr Einsatz auch in anderen Bereichen denkbar.
184
Datentyp
Tree
Anwendungsbereich(e)
Webhierarchien
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[DE 2001]
Cone Tree
Georg G. Robertson, Jock D. Mackinlay, Stuart K. Card
Abb. 128 Cone Tree [RMC 1991]
Cone Trees sind Visualisierungen, welche die Darstellung von hierarchischen Strukturen hier eine Verzeichnisstruktur - in einem dreidimensionalen Raum ermöglichen. Die
Anordnung der Knoten, der einzelnen Hierarchieebenen erfolgt kegelförmig, wobei die
Kegel derselben Ebene stets dieselbe Höhe besitzen. Die Repräsentation der Knoten
erfolgt mittels Indexkarten. Wird ein Knoten vom Benutzer selektiert, dreht sich der Cone
Tree in solch eine Position, dass der entsprechende Knoten und alle Knoten in dem Pfad
in der Hierarchie über ihm, für den Benutzer zu sehen sind. Darüber hinaus wird der
entsprechende Pfad visuell hervorgehoben. Um durch die Hierarchie zu browsen, ist es
dem Benutzer möglich, den Cone Tree langsam zu drehen. Die Dreidimensionalität
ermöglicht die volle Ausnutzung des verfügbaren Bildschirmplatzes, so dass die gesamte
Struktur des Trees dargestellt werden kann. Cone Trees sind Teil des Information
Visualizer.
Datentyp
Tree
Anwendungsbereich(e)
Hierarchische Strukturen
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[RMC 1991], [Chi 2002]
185
Disk Tree
Ed H. Chi
Abb. 129 Disk Tree [Chi 2002]
Disk Trees stellen hierarische Informationen dar. Die Visualisierung repräsentiert im Fall
von Abb. 129 den Informationsgebrauch der 7588 Dokumente auf der Webseite
www.xerox.com innerhalb einer Woche. Das Zentrum des Disk Trees stellt die Startseite
dar und jede davon ausgehende Linie repäsentiert einen Link innerhalb dieser Seite zu
einer anderen Seite. Gelbe Linien repräsentieren Links zu gelöschtem Inhalt und rote
Links zu hinzugefügtem Inhalt. Je heller die grünen Links und je breiter die Linien sind,
um so häufiger wurde der Link benutzt. Links, welche nur einen Schritt entfernt sind,
liegen auf dem ersten konzentrischen Ring. Links, welche zwei Schritte entfernt sind,
liegen auf dem zweiten konzentrischen Ring, und so weiter. Für jeden Knoten auf den
einzelnen
konzentrischen
Ringen
belegt
der Basic
Disk Tree Algorithmus einen
winkelförmigen Raum, welcher sich zu der Anzahl der Kinder dieses Knotens proportional
verhält. Das System stellt an der Seite des Bildschirms zu jedem Knoten, welchen der
Benutzer mit der Maus überfährt, detaillierte Informationen über die Verwendung dar.
Der Benutzer hat so die Möglichkeit die Struktur des Disk Trees zu erforschen, um zu
verstehen, welche Webseite an welcher Stelle auf dem Disk Tree dargestellt wird.
Datentyp
Tree
Anwendungsbereich(e)
Webhierarchien
VizTechnik(en)
Link-Graph 2D
Quelle(n)
[Chi 2002]
186
Hyperbolic Tree
John Lamping, Ramana Rao and Peter Pirolli
Abb. 130 Hyperbolic Tree [MIK 2003]
Der Hyperbolic Tree nutzt für die Visualisierung und Manipulation großer Hierarchien eine
Fisheye-Technik. Diese Technik ordnet einem Teil der Hierarchie einen größeren
Darstellungsraum zu, während dieser nach wie vor noch in den Kontext der gesamten
Hierarchie eingebettet ist. Das Wesentliche dieses Schemas ist es, die Hierarchie auf
einheitliche Art und Weise auf einer hyperbolischen Ebene anzuordnen und diese Ebene
dann auf einen kreisförmigen Darstellungsbereich zu mappen. Durch Selektion (Mausklick
oder Drag and Drop) eines der Knoten einer tiefergelegenen Hierarchiebene, wird dieser
in den Fokusbereich gezogen und somit die gesamte Struktur des Hyperbolic Tree neu
ausgerichtet.
Datentyp
Tree
Anwendungsbereich(e)
Hierarchische Strukturen
VizTechnik(en)
Link-Graph 2D, Polar Tree, Fisheye-Technik
Quelle(n)
[LRP 1995]
Pad++
Benjamin B. Bederson, James D. Hollan
Abb. 131 Pad++ [Pad 2004] (li.), Zooming Site Map für die Pad++ Webseite [Pad 2004] (li.mi.),
Zweite Hierarchietiefe der Pad++ Webseite [Pad 2004] (re.mi.),
Dritte Hierarchietiefe der Pad++ Webseite mit Detailfenster [Pad 2004] (re.)
187
Pad++ ist ein so genanntes „Zooming Graphical Interface (ZUI)“, welches eine
Alternative zu traditionellen Window- und Icon-basierten Ansätzen des Interface Designs
darstellt. Es unterstützt die Erzeugung und Manipulation von mehrfach-skalierten
Objekten und die Navigation durch den Objektraum. Zu den Standardobjekten, welche
Pad++ unterstützt gehören Text, Textdateien, Hypertext, Grafiken und Bilder. Die
einzelnen Funktionen, wie „Zoom in“ oder „Zoom out“ erfolgen immer im Umkreis des
Kursors, so dass der Benutzer das Zooming durch dessen Positionierung dynamisch
kontrollieren kann. Pad++ nutzt so genanntes „Semantic Zooming“. Dabei bestimmt die
Größe des dargestellten Objektes immer die Art der Darstellung des Objektes. D.h. wird
ein Ordner sehr klein dargestellt, wird lediglich ein bloßes Rechteck angezeigt. Je weiter
der Benutzer hineinzoomt, desto größer wird dieser Ordner und enthüllt entsprechend
mehr Details, wie z.B. Beschriftung (Label) oder Inhalt.
Abb. 131 zeigt Ausschnitte aus einer Demonstration des ZUI, welche die Navigation
durch die Webseite von Pad++20 ermöglicht. Klickt der Benutzer auf ein farbiges Objekt,
wie z.B. dem pinkfarbenen Kreis links unten („In the press“), wird das entsprechende
Objekt herangezoomt und enthüllt dadurch die hierarchisch tieferliegenden Menuepunkte
(Abb. 131 mitte). Die eigentlichen Objekte, wie zum Beispiel Presseartikel, werden dann
in einem zusätzlichen Detailfenster angezeigt (Abb. 131 rechts). Möchte der Benutzer zu
höher liegenden Hierarchiebenen wieder zurückkehren, klickt er auf den Hintergrund des
jeweiligen Objektes.
Datentyp
Tree
Anwendungsbereich(e)
Hierarchische Strukturen (Webseiten)
VizTechnik(en)
Tile-Graph 2D
Quelle(n)
[BH 1994]
20
Demonstration des ZUIs anhand der Sitemap auf der Pad++ Projektseite
URL: http://www.cs.umd.edu/hcil/pad++/sitemap/
188
Treemaps
Brian Johnson, Ben Shneiderman
Abb. 132 Treemap [Dae 2003]
Treemaps
eignen
sich
für
die
Visualisierung
großer,
hierarchisch
organisierter
Informationsmengen. Dabei werden die verschiedenen Hierarchieebenen als ineinander
geschachtelte Rechtecke dargestellt. Treemaps ermöglichen die Visualisierung der
gesamten Hierarchie in einer einzelnen Darstellung. Abb. 132 zeigt die Visualisierung
eines kompletten Dateisystems. Jedes Verzeichnis und jede Datei wird als farbiges
Rechteck, dessen Größe sich proportional zur jeweiligen Verzeichnis- bzw. Dateigröße
verhält,
dargestellt.
Die
Farben
der
Rechtecke
kodieren
dabei
unterschiedliche
Dateitypen, wie z.B. Text, Bild, Applikation, etc. Klickt der Benutzer auf eine der farbigen
Flächen, erhält er nähere Informationen zu dieser Datei, wie z.B. Dateiname, Pfad,
Erstellungsdatum, etc.
Datentyp
Tree
Anwendungsbereich(e)
Hierarchische Daten
VizTechnik(en)
Tile-Graph 2D
Quelle(n)
[JoS 1991]
189
Grocery Purchasing Correlations
Stephen G. Eick
Abb. 133 Grocery Purchasing Correlations [Eic 1996]
Da es für viele Beziehungstypen kein natürliches Layout gibt, muss man sich auf
Layoutalgorithmen stützen, um Knoten, welche zueinander in Beziehung stehen zu
positionieren. Die Hauptidee hinter diesem Algorithmus ist, dass sich alle Knoten gleich
stark abstossen, wogegen die Beziehungen zwischen den Knoten eine anziehende
Wirkung haben. Die Daten aus Abb. 133 stammen aus einer Analyse von Warenkörben in
einem
Einkaufsmarkt.
Die
Knotengrößen
und
–farben
zeigen
die
Einkaufs-
wahrscheinlichkeit und die Verbindungen die Zusammenhänge zwischen den einzelnen
Waren an. Je größer und farbintensiver eine Verbindung ist, desto höher ist die
Wahrscheinlichkeit, dass diese beiden Waren zusammen gekauft werden. Im oberen
rechten Bereich sieht man die Waren „Hot-Dogs“, „Hot-Dog-Brötchen“ und „Chips“,
welche sehr häufig zusammen gelauft werden.
Datentyp
Network
Anwendungsbereich(e)
Netzwerk
VizTechnik(en)
Link-Graph 2D
Quelle(n)
[Eic 1996]
190
Hot Sauce
Apple Computer Incorporation
Abb. 134 Hot Sauce [Dae 2003]
Hotsauce ist eine visuelle Benutzerschnittstelle zur Exploration des Verlinkunsschemas
von Webseiten. In Form eines dreidimensionalen Informations- und Navigationssystems,
ermöglicht es dem Benutzer die interaktive Exploration von Webinhalten. Durch eine
einfache Fly-Through-Navigation kann der Benutzer tiefer in das Hyperlinkschema
vordringen. Durch diesen interaktiven Zoom erscheinen neue Unterkategorien, wogegen
andere Kategorien aus dem Sichtfeld verschwinden.
Datentyp
Network
Anwendungsbereich(e)
Verlinkungsschema von Webseiten
VizTechnik(en)
Link-Graph 2D
Quelle(n)
[Hot 2004]
Hyperspace (Narcissus)
R.J.Hendley, N.S.Drew, A.M.Wood & R.Beale
Abb. 135 Hyperspace (Narcissus) [Dae 2003]
Hyperspace
ermöglicht
es,
die
Hyperlinkstruktur
von
Teilbereichen
des
Webs
darzustellen. Die Anordnung der Webseiten im Informationsraum erfolgt so, dass
zusammengehörige, d.h. über Hyperlinks verbundene Webdokumente, räumlich nahe
beieinander positioniert werden. Andere Dokumente, welche nicht über Hyperlinks
191
verbunden sind, rücken dagegen weiter auseinander. Jede Webseite wird durch eine
Kugel repräsentiert, wobei die Größe einer Kugel die Anzahl von Hyperlinks kodiert,
welche von dieser Seite ausgehen. Die Hyperlinks werden in dieser Darstellung als
einfache Verbindungslinien dargestellt. Die Gesamtstruktur des Netzwerkes wird in einem
3D-Raum zufällig verteilt positioniert. Mit Hilfe nichtlinearer Optimierungsverfahren
können sich die Objekte im Raum selbst organisieren. Während sich Kugeln, also
Webseiten abstoßen, bewirken Links eine Anziehung. Nach Ablauf des iterativen
Verfahrens zeigen sich oftmals interessante Raumstrukturen. In Abb. 135 ist eine klare
Separation von Indexseiten zu erkennen, die optisch mit Stecknadelkissen verglichen
werden können.
Datentyp
Network
Anwendungsbereich(e)
Netzstruktur und Linkverhalten im Internet
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[Dae 2003]
Narcissus
R.J.Hendley, N.S.Drew, A.M.Wood & R.Beale
Abb. 136 Narcissus [HDW 1995] (li.) und Narcissus Variation [HDW 1995] (re.)
Durch die ständig wachsende Zahl an Internetdomains wird die Notwendigkeit, große
Datenmengen durch Visualisierungstechniken einfacher verständlich und handhabbar zu
machen immer größer. Das System Narcissus verwendet selbstorganisierende Systeme
und virtuelle Realitäten für die Darstellung solcher Daten. Die Kernidee dabei ist, Objekte
und deren Verhalten darzustellen. Dabei wird ein steter Prozess verwendet, welcher mit
verschiedenen Applikationen wie Webbrowsern oder Softwareprogrammumgebungen
über KQML (Knowledge Query and Manipulation Language) kommuniziert. Diese
Applikationen sind zumeist heterogen. Die ständige Veränderung in den Verhaltens192
mustern führt zu einer ständigen Veränderung in der Visualisierung. Hat sich ein gewisser
Zustand eingependelt spricht man von einer organisierten Struktur. Abb. 136 links zeigt
die Repräsentation einer Sammlung von Webseiten. In diesem Beispiel, welches mehrere
hundert Knoten repräsentiert, werden wichtige strukturelle Informationen deutlich. Zum
Beispiel stellt die Struktur auf der rechten Seite der Visualisierung eine Sammlung von
Seiten eines Handbuches und zugehörige Beispiele dar. Die großen Knoten sind dabei die
Indexverzeichnisse zu diesen Seiten, die Ball-ähnliche Struktur repräsentiert eine Gruppe
von querverlinkten Handbuchseiten und die Struktur darunter die zugehörigen Beispiele.
Mittels diverser Tools ist es dem Benutzer möglich, durch diese Objekte zu navigieren,
diese zu selektieren, manipulieren und einige Aspekte des Verhaltens dieser Objekte zu
kontrollieren. Abb. 136 rechts stellt eine Variation zu Abb. 136 links dar. In dieser
Visualisierung werden einzelne Knotenpunkte, welche durch Icons auf der Oberfläche
eines neuen fiktiven Knotens dargestellt werden, zusammengefasst. Dies soll dem
Benutzer eine übersichtlichere Darstellung der Struktur des Netzeswerkes bieten.
Datentyp
Network
Anwendungsbereich(e)
Netzwerkstruktur von Webseiten
VizTechnik(en)
Link-Graph 3D
Quelle(n)
[HDW 1995]
SeeNet
Kenneth C. Cox, Stephen G. Eick, Taosong He
Abb. 137 SeeNet [CEH 1996] (li.), SeeNet Helix [CEH 1996] (mi.), SeeNet Emailverkehr [CEH 1996] (re.)
Mittels SeeNet lassen sich Visualisierungen von Netzwerken erstellen, welche Benutzer
dabei unterstützen sollen, das Verhalten von Netzwerken zu verstehen. Die Haputidee
dabei ist, nicht nur die Struktur eines Netzwerkes, sondern vielmehr die mit diesem
Netzwerk assoziierten Daten zu visualisieren. Abb. 137 zeigt den Internettraffic zu und
aus den USA. Diese Darstellung ist vergleichbar mit den Speichen eines Rades. Die Größe
und Farbe der Links (Speichenden) symbolisiert den Traffic zu und von diesen Links.
193
Während die meisten Informationstypen als Grafik oder Netzwerk, dessen Knoten die
Objekte und deren Verbindungen die Beziehungen zwischen den Objekten symbolisieien,
nutzt diese Visualisierung die Vorteile einer dreidimensionalen Darstellung. Dies hat den
Vorteil, dass die Positionen der Links in Relation zu deren tatsächlichen geografischen
Lage dargestellt werden können.
Eine weitere Visualisierung von SeeNet, welche in Abb. 137 rechts zu sehen ist,
visualisiert den Emailverkehr zwischen verschiedenen Personen. Die Knoten stellen dabei
die einzelnen Personen dar und die Verbindungslinien zwischen den Knoten die
ausgetauschten Emails. Die Farbe und Dicke der Linien kodiert dabei die Intensität des
Emailverkehrs. Darüber hinaus kann der Benutzer aus der Darstellung die Anzahl der
Personen in den jeweiligen Regionen ersehen, welche sich am Emailverkehr beteiligen.
Datentyp
Network
Anwendungsbereich(e)
Netzwerkstrukturen (Internettraffic, Emailverkehr)
VizTechnik(en)
Link-Graph 2D, 3D
Quelle(n)
[CEH 1996]
194
4.4 Konzeptioneller Einsatz der Techniken
God is in the details.
[Mies van der Rohe]
The devil is in the details.
[Shultz]
Die Frage, welche sich bei der großen Vielzahl an Visualisierungstechniken stellt, ist:
„Wann wird welche Technik sinnvollerweise zum Einsatz gebracht?“ Idealerweise gäbe es
hierfür ein allgemeingültiges Konzept oder eine Liste - vergleichbar einem Telefonbuch in der man lediglich unter den bekannten Angaben, wie zum Beispiel den Ausgangsdaten,
nachsehen müsste und eine, bzw. eine Auswahl an Lösungen geliefert bekäme, welche
den sicheren Erfolg der Visualisierung garantieren könnte.
Tatsächlich ist der sinnvolle und damit erfolgreiche Einsatz einer Visualisierung jedoch
komplex und hängt von einer Vielzahl von Faktoren ab. Eine Pauschalisierung im Sinne
von: „Sind die vorliegenden Daten vom Typ X, dann nehme man Visualisierungstechnik
Y.“ ist fragwürdig. Sicherlich gibt es Visualisierungen, welche sich für manche Daten
mehr, für andere weniger eignen, jedoch hängt der Einsatz letztendlich immer von der
jeweiligen
individuellen
Situation
ab.
Nicht
ohne
Grund
bedienen
sich
viele
Visualisierungssysteme parallel einer Vielzahl von unterschiedlichen Techniken und
Interaktionsmöglichkeiten um dem Benutzer so die Möglichkeit zu geben, verschiedene
Sichten auf die Datenbasis zu erzeugen und diejenigen zu nutzen, welche ihm am
geeignesten erscheinen. Dies liegt mit darin begründet, dass häufig nicht alle Faktoren,
welche am Erfolg einer Visualisierung maßgeblich beteiligt sind, im Vorfeld bekannt sind.
Um eben dem entgegenzuwirken versuchen Visualisierungssysteme häufig dem Benutzer
ein möglichst breites Feld an Auswahl- und Interaktionsmöglichkeiten mit den Daten zu
bieten.
So identifizierte beispielsweise [Mar 1997] für den Prozess der Informationssuche eine
Reihe von Faktoren, welche diesen generell beeinflussen. Zu diesen Faktoren gehören der
Informationssuchende selbst mit seinem mentalen Modell und andere Faktoren, so wie
die eigentliche Aufgabe (Task), das Suchsystem oder der Anwendungsbereich.
195
4.4.1 5T-Environment
Dieser Ansatz, der „4T-Environment“ wurde von Thomas Mann und Harald Reiterer
zunächst als Klassifizierungsmodell für Visualisierungen vorgeschlagen und in einem
späteren Schritt um eine zusätzliche Dimension erweitert [MR 2000]. Dieser “5TEnvironment” zufolge gibt es somit insgesamt fünf Hauptfaktoren, welche den Nutzen,
bzw. Erfolg von Visualisierungen beeinflussen:
ƒ
Target user group
ƒ
Type and number of data
ƒ
Task to be done
ƒ
Technical possibilities
ƒ
Training
Target user group
Gemeint sind damit nicht nur Benutzergruppen kategorischer Art, wie zum Beispiel
Wissenschaftler oder Handwerker, sondern auch Unterschiede in der individuellen
Wahrnehmung und Verarbeitung von Information von einzelnen Personen. Diese hängt
zum Beispiel von der Art und Weise ab, wie Personen in räumlichen Dimensionen denken.
Für weitere Informationen siehe [Ega 1988], [Bor 1989], [Shn 1998] oder [Hea 1999].
[Man 2002]
Type and number of data
Nicht nur der Datentyp ist für die Wahl einer grafischen Repräsentation wichtig, sondern
auch die inhärente Ordnung der Daten selbst. Unterliegen die Daten beispielweise einer
hierarchischen Ordnung, so ist es sinnvoll diese für die Visualisierung zu nutzen. Außer
dem Datentyp ist auch die Anzahl der Daten relevant, da diese ebenso den Erfolg einer
Visualisierung
beeinflusst.
So
mag
sich
beispielsweise
das
Überprüfen
von
50
Dokumenten, welche als TileBars dargestellt werden, als sinnvoll erweisen, wären es
jedoch 5000 Dokumente, so wäre die Verwendung von TileBars an dieser Stelle sicherlich
für den Benutzer unzumutbar. [Man 2002]
196
Task to be done
Ein sehr wichtiger Faktor, welcher die Effektivität einer gewählten Visualisierung
beeinflusst, ist die Aufgabe (Task), welche erledigt werden soll. Es gibt eine beachtliche
Anzahl von Versuchen, Visualisierungen für verschiedene Formen der Aufgaben (Tasks)
zu klassifizieren oder zu bewerten, wobei die Definition von Tasks weit gefächert ist. Eine
gute Darlegung, wie wichtig der Aufgabentyp für den Erfolg einer bestimmten
Visualisierung ist, siehe [Cas 1991]. [Man 2002]
Technical possibilities
Die technischen Möglichkeiten gehören ebenfalls zu den bestimmenden Faktoren für die
Nützlichkeit und den Erfolg einer Visualisierungsidee. Beispiele für solche technischen
Faktoren sind, die Entscheidung ein Webbrowser basiertes User Interface oder einen
Computer mit nur geringer Rechenleistung zu verwenden.
Training
Training oder Erfahrung scheinen ebenso wichtige Faktoren zu sein, welche den Erfolg
von Visualisierungen beeinflussen. Wie für alle anderen User Interfaces, ist es wichtig,
die richtige Balance zwischen Erlernbarkeit und Effizienz zu finden [Nie 1998]. Jedoch ist
der Kompromiss zwischen Simplizität und Leistung [Hea 1999] nicht der einzige Faktor,
welcher hierbei relevant ist. Auch die Vertrautheit des Benutzers mit der Form einer
Repräsentation beeinflusst die Performanceergebnisse maßgeblich. [Man 2002]
Wie auch schon im Referenzmodell für Visualisierung von [CMS 1999] zu sehen (Kapitel
4.1), stellt vor allem die eigentliche Aufgabe (Task) des Benutzers den wichtigsten Faktor
dar, da sie den Visualisierungsprozess triggert. Somit hängt der eigentliche Nutzen der
Visualisierung immer von der Aufgabe des Benutzers ab, und nur zweitrangig von den
zugrundeliegenden Daten. Der Nutzen von Visualisierungen ist also stark kontextabhängig. Der Einsatz einer oder mehrerer Visualisierungstechniken muss daher immer
individuell geprüft und den gegebenen Anforderungen entsprechend angepasst werden.
Dabei liegt die Schwierigkeit und Herausforderung nicht darin, irgendeine Form der
Visualisierung für die Daten zu finden, sondern eine sinnvolle und damit für den Benutzer
auch nützliche Visualisierung. Dazu ist es erforderlich jede Situation auf ihre Faktoren hin
zu überprüfen und aus diesen Zusammenhängen heraus, eine oder mehrere geeignete
Visualisierungstechniken auszuwählen. Daher wird ein Konzept, welches lediglich die
einzelnen Visualisierungstechniken und ihre Daten berücksichtigt, also die einzelnen
Visualisierungstechniken vom ihrem Kontext trennt als kritisch betrachtet.
197
Eine Erstellung solch eines Konzeptes für den sinnvollen Einsatz von Visualisierungen mit
allgemeingültigen Charakter ist also an dieser Stelle in diesem Sinne nicht möglich.
Jedoch kann nicht generell ausgeschlossen werden, dass eine weitere Beschäftigung mit
der
Thematik
der
Visualisierung
von
Daten,
mehr
Zusammenhänge
zwischen
Visualisierungstechniken und sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln
bezüglich der Verwendung von Visualisierungstechniken ableiten zu können.
Als Hilfestellung bei der Auswahl von Visualisierungstechniken kann an dieser Stelle
bereits jedoch die Task by Data Type Taxonomy (TTT) for Information Visualization von
[Shn 1996] dienen. Kapitel 4.3.1 beinhaltet unter anderem eine tabellarische Übersicht
der sieben Datentypen mit jeweils zugehörigen Beispieldaten (Tab. 12). Anhand dieser
Klassifizierung
ist
es
möglich,
eigene
Ausgangsdaten
dem
jeweiligen
Datentyp
zuzuordnen. Da die Einteilung der Beispielvisualisierungen aus Kapitel 4.3.2 auf eben
dieser Klassifizierung beruht, beinhaltet dieses Kapitel sozusagen eine Reihe von
Visualisierungsmöglichkeiten für jeden Datentyp. Es gilt zu beachten, dass dies jedoch
kein Regelwerk darstellt. Die Einteilungen der Visualisierungen zu den einzelnen
Kategorien anhand der Datentypen ist, wie bereits erwähnt, nicht bindend. Mit der
entsprechenden Begründung können manche Visualisierungen auch anderen Kategorien
zugeordnet werden. Dennoch können diese Kategorisierungen und ihre entsprechenden
Visualisierungen als Orientierungshilfe bei der Suche und Auswahl von Visualisierungstechniken dienen.
198
5. Diskussion am Beispiel
In Teil 5 der Studie findet die Verknüpfung der theoretischen Rechercheergebnisse zum
Praxisbezug der MB Online-Welt statt. Anhand von drei ausgewählten Settings21 aus dem
Webauftritt von Mercedes-Benz Deutschland und Schweden werden verschiedene
Visualisierungsmöglichkeiten, welche in den vorangegangenen Kapiteln vorgestellt
wurden, diskutiert und bewertet. Die Auswahl der Visualisierungen findet anhand der
ebenfalls zuvor vorgestellten 5T-Environment statt, welche die Faktoren nennt, die am
erfolgreichen Einsatz von Visualisierungen maßgeblich beteiligt sind.
Zunächst werden die spezifischen Settings, bei denen es sich um die Repräsentation der
„Klassenwelt (PKW)“, der „Standard- und Sonderausstattungen (PKW)“ und um die
„Ergebnisdarstellung der Gebrauchtwagensuche (PKW)“ handelt, kurz in ihrer derzeitigen
Darstellungsform, also dem IST-Stand vorgestellt. Anschließend erfolgt die Betrachtung
der Settings bezüglich der fünf Faktoren der 5T-Environment - „Target User Group“,
„Type and number of data“, „Task to be done“, „Technical Possibilities“ und „Training“.
Basierend auf diesen Erkenntnissen werden dann eine Reihe von Visualisierungsmöglichkeiten diskutiert, welche den erforderlichen Bedingungen entsprechen.
5.1 IST-Stand der Settings
Setting 1 :: Klassenwelt (PKW)
Die Repräsentation der Klassenwelt (PKW) erfolgt, wie in Abb. 138 zu sehen, bisher
sowohl im deutschen als auch im schwedischen Car Konfigurator vorrangig in Form von
Listendarstellungen. Diese Listen bestehen sowohl aus Text- als auch aus Bildmaterial.
21
Die Auswahl der konkreten Settings fand bei einem Meeting am 04.02.04 durch MB statt.
199
Abb. 138 Darstellung der Klassenwelt (PKW) – Car Konfigurator de (oben) und se (unten)
Setting 2 :: Standard- und Sonderausstattungen (PKW)
Wie auch schon die Repräsentation der Klassenwelt (PKW), erfolgt die Darstellung der
Standard- und Sonderausstattungen (PKW) bisher sowohl im deutschen als auch im
schwedischen Car Konfigurator, in Form von vornehmlich textbasierten Listen. Die
deutsche Version des Car Konfigurators unterteilt die Listen streng nach Standard- und
Sonderausstattung (Abb. 139), in der schwedischen Version hat der Benutzer die
Möglichkeit, sich diese Ausstattungsmöglichkeiten auch in einer kombinierten Liste
darstellen zu lassen (Abb. 140). Die Repräsentation, der zu den Ausstattungsdetails
verfügbaren Bilder, erfolgt in einer getrennten Darstellung.
200
Abb. 139 Standard- (oben) und Sonderausstattung (unten) der S-Klasse Limousine S430
Car Konfigurator de
(hier „Design“) –
Abb. 140 Darstellung der Standard- und Sonderausstattung der S-Klasse Limousine S430 in einer kombinierten
Ansicht - Car Konfigurator se
201
Setting 3 :: Ergebnisdarstellung der Gebrauchtwagensuche (PKW)
Auch die Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW) erfolgt in
Listenform. Auch hier werden Text- und Bildmaterial miteinander kombiniert. Bei dieser
Repräsentation stellt das Bild jedoch ein integraler Bestandteil der Darstellung dar. Diese
Listendarstellung ermöglicht dem Benutzer zusätzlich die einzelnen Spalten interaktiv
auf- oder absteigend zu sortieren.
Abb. 141 Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW)
202
5.2 Analyse anhand der Faktoren der 5T-Environment
Target User Group
Die Zielgruppe (Target User Group) ist für alle drei Settings dieselbe – die Besucher der
Webseite von Mercedes-Benz. Da dies eine sehr große Gruppierung von Benutzern
darstellt, ist mit einer entsprechenden Heterogenität innerhalb der Gruppierung zu
rechnen. Entsprechend verschiedenartig werden die jeweiligen Vorkenntnisse und damit
einhergehend, die individuellen Fähigkeiten sein. Es empfiehlt sich also Visualisierungen
auszuwählen, welche sowohl Benutzer mit vielen „Vorkenntnissen“ zufrieden stellen als
auch Benutzer mit wenig „Vorkenntnissen“ nicht ausschließen. Mit Vorkenntnissen sind
an dieser Stelle sowohl technisches Knowhow in Bezug auf Anwendungen gemeint als
auch Knowhow bezüglich Mercedes-Benz spezifischer Belange, wie Typenbezeichnungen
von Fahrzeugen etc. Im vorliegenden Fall muss diese Entscheidung rein hypothetisch
getroffen werden, basierend auf der subjektiven Meinung der Autorin. Im Idealfall
werden
solche
Entscheidungen
mit
zusätzlichen
Hilfsmitteln,
wie
Evaluationen
unterstützt.
Type and number of data
Wie bereits erwähnt ist nicht nur der Datentyp an sich wichtig für die grafische
Repräsentation der Daten sondern auch die inhärente Ordnung der Daten selbst, wie zum
Beispiel Hierarchien. Darüber hinaus entscheidet auch die Anzahl der Daten inwieweit
Visualisierungen sich für den Benutzer effektiv verhalten.
Setting 1 :: Klassenwelt (PKW)
Die Daten der Klassenwelt (PKW) stellen nominale Variablen dar, d.h. sie besitzen eine
ungeordnete Gruppe von Werten22. Dies betrifft sowohl die Variable „Klassenwelt“ selbst
als auch auch die Variablen der Fahrzeugklassen, wie zum Beispiel „A-Klasse“ oder „CKlasse“. Die Werte von Variablen können, wie im vorliegenden Beispiel, selbst wieder
Variablen mit dazugehörigen Werten darstellen. Dadurch ergibt sich eine Schachtelung
der Daten. Die Anzahl der jeweiligen Werte der Klassenwelt ist verhältnismäßig gering
22
Diese Annahmen beruhen auf den Beobachtungen der derzeitigen Darstellung der Daten auf der Webseite
von Mercedes-Benz Deutschland. Es kann jedoch nicht ausgeschlossen werden, dass die Werte der Variablen
einer Ordnung unterliegen, welche der Autorin zum derzeitigen Zeitpunkt nicht bekannt ist.
203
(etwa zwischen eins bis zehn). Für die Daten der Klassenwelt ergibt sich somit die
folgende Notation:
Klassenwelt
{A-Klasse, C-Klasse, E-Klasse, S-Klasse, CLK-Klasse,
CL-Klasse, SLK-Klasse, SL-Klasse, M-Klasse, G-Klasse}
A-Klasse
{Limousinen mit Abbildung, Limousinen lang mit Abbildung}
C-Klasse
{Limousinen mit Abbildung, Coupés mit Abbildung, T-Modelle mit
Abbildung}
E-Klasse
{Limousinen mit Abbildung, T-Modelle mit Abbildung}
S-Klasse
{Limousinen mit Abbildung, Limousinen lang mit Abbildung}
CLK-Klasse
{Coupés mit Abbildung, Cabriolets mit Abbildung}
CL-Klasse
{Coupés mit Abbildung}
SLK-Klasse
{Roadster mit Abbildung}
SL-Klasse
{Roadster mit Abbildung}
M-Klasse
{Off Roader mit Abbildung}
G-Klasse
{Off Roader mit Abbildung, Cabriolets mit Abbildung, Off Roader
Lang mit Abbildung}
Setting 2 :: Standard- und Sonderausstattungen (PKW)
Die Daten der Standard- und Sonderausstattungen (PKW) bestehen aus ordinalen sowie
quantitativen
Variablen.
Die
Werte
der
Variablen
„Standardausstattung“
und
„Sonderausstattung“ unterliegen einer alphabetischen Ordnung, weshalb diese beiden
Variablen vom Typ „ordinal“ sind. Diese Werte, wie zum Beispiel „Design“ oder
„Klimatisierung“ stellen selbst wiederum Variablen dar, welche ebenfalls vom Typ
„ordinal“ sind, denn auch hier unterliegen die zugehörigen Werte einer alphabetischen
Ordnung. Weitere Hierarchieebenen finden sich bei der Variable „Sonderausstattungen“.
So stellen hier manche Werte wie zum Beispiel „Innraumzierteile“, aufgrund der
alphabetischen Ordnung ihrer Werte, wiederum ordinale Variablen dar. Im Gegensatz zu
den vorherigen Variablen sind die Werte dieser Variablen zwar selbst auch wieder
Variablen, sind aber vom Typ „quanitativ“, da sie einen numerischen Wert – nämlich den
Preis - enthalten. Insgesamt liegt die Anzahl der Werte der Daten der Standard- und
Sonderausstattungen, welche auf mehreren Hierarchieebenen organisiert sind, im
Verhältnis zur Klassenwelt wesentlich höher. Man würde die Anzahl aber immer noch im
mittleren Bereich anordnen. Die Anzahl der Werte der einzelnen Variablen kann jedoch
stark zueinander differieren. In der folgenden Notation wird die Schachtelung der
Variablen anhand des Beispiels einer S-Klasse Limousine S430 nochmals verdeutlicht.
204
Standardausstattung {Design, Klimatisierung, Komfort, Lenkung/Schaltung,
Radio/Kommunikation, Räder und Fahrwerk, Sicherheit, Sitze,
Technik}
Design {Ausstiegsleuchten in den Türen}
Klimatisierung {...}
...
Sonderausstattung
{Design, Klimatisierung, Komfort, Lenkung/Schaltung,
Radio/Kommunikation, Räder und Fahrwerk, Sicherheit, Sitze,
Technik}
Design {AMG Styling, Innraumzierteile, Wegfall Typkennzeichen auf Heckdeckel}
AMG Styling {4848,80 €}
Innenraumzierteile {Holzausführung Kastanie, Holzausführung
Wurzelnuss, Keine dieser Ausstattungen}
Holzausführung Kastanie {394,40 €}
Holzausführung Wurzelnuss {394,40 €}
Wegfall Typkennzeichen auf Heckdeckel {0 €}
Klimatisierung {...}
...
Setting 3 :: Ergebnisdarstellung der Gebrauchtwagensuche (PKW)
Die
Ergebnisliste
der
Gebrauchtwagensuche
beinhaltet
Variablen
von
allen
drei
Basistypen – nominal, ordinal und quantitativ. Dabei sind die Variablen „Bild“ und
„Garantie“ vom Typ „nominal“, die Variablen „Typ“, „Karosserieform“, „Farbe“, „PLZ“ und
„Ort“ dagegen ordinal. Die Ordnung der Werte erfolgt zum Beispiel alphabetisch oder
anhand von Zahlenwerten. Die Variable „Erstzulassung“ ist quantitativ (Time). Auch
„Kilometerstand“ und „Preis/Rate in EUR” stellen Variablen von Typ quantitativ dar.
Einige Variablen aus der Ergebnisdarstellung der Gebrauchtwagensuche haben sehr viele
Werte. Trotzdem gibt es auch Wertemengen von nur sehr geringer Größe. Die Anzahl der
205
Werte der einzelnen Variablen kann also stark zueinander differieren. Für die Daten der
Ergebnisdarstellung der Gebrauchtwagensuche ergibt sich die folgenden Notation.
Bild
{vorhanden, nicht vorhanden}
Typ
{190 D, 190 D 2.5,..., E 220}
Karosserieform
{Cabriolet/Roadster, Coupé, Geländewagen, Kombi, Limousine,
Van}
Farbe
{Blau, Braun, Gelb, Grau, ..., Weiss}
Erstzulassung
{1/1950, 04/2004}
Kilometerstand
{0, 100.000}
Preis/Rate in EUR {2500, 100.000}
PLZ
{0, 1, 2, 3, ... , 9}
Ort
{Ahrensburg, Albstadt, Aschersleben,..., Zwickau}
Garantie
{vorhanden, nicht vorhanden}
Task to be done
Wie bereits erwähnt, stellt die Aufgabe, die erledigt werden soll ein wichtiger Faktor dar,
welcher die Effektivität einer gewählten Visualisierung beeinflusst. Sie triggert so zu
sagen den Visualisierungsprozess. Die Definition von Aufgabe (Task) ist weit gefächert.
In der vorliegenden STAR wurden als Aufgaben die Tasks von [Shn 1996] definiert
(Kapitel 4.3.1), welche sich auf einem sehr hohem Abstraktionsniveau befinden. Zu
diesen Tasks gehören: „Overview“, „Zoom“, „Filter“, „Details-on-Demand“, „Relate“,
„History“
und
„Extract“.
Im
Fall
der
drei
Settings
sind
jedoch
die
genauen
Anwendungsszenarien der Visualisierungen bekannt. Somit lassen sich spezifischere
Angaben zu den Tasks, welche mit den Visualisierungen erfüllt werden sollen, machen.
Auch hier beruhen die Annahmen auf der subjektiven Meinung der Autorin. Eine
umfassendere und auch detailliertere Ermittlungen der Tasks, welche Benutzer mit den
jeweiligen Visualisierungen erledigen sollen, sollte erfolgen. Für diesen Fall wurden
jedoch die folgenden Annahmen getroffen: Die Klassenwelt soll sowohl den Einstieg in die
Produktwelt,
als
Fahrzeugklassen
auch
einen
ermöglichen.
Überblick
Bei
der
über
die
Darstellung
gesamte
der
„Produktpalette“
Standard-
und
der
Sonder-
ausstattungen soll ein umfassender Überblick über die verfügbaren Ausstattungsdetails,
206
weiterführende Informationen dazu und Vergleichsmöglichkeiten geboten werden. Auch
bei der Darstellung der Ergebnisse der Gebrauchtwagensuche soll ein gesamtheitlicher
und aussagekräftiger Überblick über die Suchtreffer geboten werden. Jedoch sind an
dieser Stelle auch vergleichende Darstellungen, sowie Darstellungen von Details
wünschenswert.
Technical Possibilities
Zu den technischen Faktoren gehört zum Beispiel, wie im vorliegenden Fall, die
Entscheidung ob eine Visualisierung den Benutzern über das Web angeboten werden soll.
Auch die Art der Benutzergruppe ist in diesem Fall relevant, da bei einem Zugang über
das
Web mit
unterschiedliche
einer
großen Benutzergruppe
technische
Ausstattung
zu
verfügt.
rechnen
Die
ist,
welche
Orientierung
zu
über
sehr
geringen
technischen Anforderungen wäre in diesem Fall also erstrebenswert. In dem vorliegenden
Fall wird dieser Faktor jedoch etwas vernachlässigt, da eine detaillierte Überprüfung der
einzelnen Visualisierungen nicht stattgefunden hat. Dennoch wurde bei dieser Auswahl
vor allem Visualisierungen berücksichtigt, welche bereits heute schon als Webversion
vorliegen, bzw. vorgesehen sind. Damit entsprechen zumindest diese Visualisierungen
den erforderlichen Kriterien.
Training
Auch die Trainingsmöglichkeiten oder die Erfahrung gehören zu den Faktoren, welche bei
der Auswahl von Visualisierungen berücksichtigt werden muss. Hierbei muss die richtige
Balance zwischen Erlernbarkeit und Effizienz gefunden werden, wobei vor allem auch der
Grad der Vertrautheit mit einer Darstellung für die Effizienz relevant ist. Da in diesem Fall
kein vorangehendes Training der Benutzer erfolgen kann, ist es wichtig, dass die
Visualisierungen intuitiv zu handhaben und leicht zu „erlernen“ sind. Die Erfordernisse
einer Hilfefunktion für die Handhabung dürfen nicht gegeben sein. Auch technisch wenig
vertraute Benutzer müssen die Möglichkeit haben, die Visualisierung ohne größere
Schwierigkeiten benutzen zu können. Dies wirkt auf die Auswahl der Visualisierungen
stark restringierend, da viele Visualisierungen einen verhältnismäßig hohen Grad an
Erklärungsbedarf besitzen. Visualisierungen, welche nahezu ohne Erklärungsbedarf
auskommen kommen nicht häufig vor. Die Auswahl der Visualisierungen, aufgrund dieser
Kriterien, findet an dieser Stelle wie auch schon zuvor, anhand meiner subjektiven
Meinung statt. Wünschenswert für diesen Faktor wäre jedoch, wie auch schon im Fall der
„Target User Group“, die Durchführung von Evaluationen und Tests mit Benutzern um
207
eine konkrete Auswahl an Visualisierungen hinsichtlich der Selbsterklärungsfähigkeit zu
überprüfen.
5.3 Visualisierungsmöglichkeiten
Nach der Betrachtung der Ausgangsituation erfolgt nun die Diskussion verschiedener
Visualisierungsmöglichkeiten. Dabei wurde zunächst eine Reihe von Visualisierungen
hinsichtlich der Anforderungen, welche mittels der Faktoren der 5T-Environment ermittelt
wurden, überprüft. Diese Auswahl von Visualisierungen wurde dann in einem weiteren
Schritt hinsichtlich ihrer Eignung in Bezug auf die ausgewählten Settings aus der MB
Online-Welt beurteilt, woraus sich auch Empfehlungen hinsichtlich der aktuellen
Designstudien der MB Online-Welt ergaben. In dem folgenden Abschnitt werden nun
einige dieser Visualisierungsmöglichkeiten aus dieser Auswahl exemplarisch vorgestellt
und diskutiert. Ziel dabei ist es, einen Eindruck zu vermitteln, wie der Einsatz von
Visualisierungen in der MB Online-Welt möglicherweise aussehen könnte.
Zu den im folgenden Abschnitt diskutierten Visualisierungen gehören: Hyperbolic Tree,
Collapsible Cylindrical Tree (CCT), Venn Diagramme / Pad++, Cam Tree, FisheyeTechnik, Rapid Serial Visual Presentation (RSVP), Date Lens, VisMeB, Table Lens, SnapTogether-Visualization, Dynamic Queries, Scatterplot und Circle Segments.
5.3.1 Klassenwelt (PKW)
Es existieren eine Reihe von Möglichkeiten, die Daten der Klassenwelt (PKW) in eine
visuelle Darstellung zu mappen. Die nachfolgenden Darstellungen sollen hierfür einige
Beispiele zeigen. Zu den in diesem Abschnitt behandelten Visualisierungen gehören:
Hyperbolic Tree, Collapsible Cylindrical Tree (CCT), VennDiagramme / Pad++, FisheyeTechnik, Rapid Serial Visual Presentation (RSVP), Date Lens und Dynamic Queries.
Wie die Analyse der Daten gezeigt hat, unterliegen die Daten der Klassenwelt einer
inhärenten Ordnung: sie sind hierarchisch geordnet. Aufgrund dieser hierarchischen
Ordnung werden zuerst einige Möglichkeiten einer Tree-Darstellung besprochen, da dies
die naheliegendste Visualisierungsform darstellt. Da die Datenmenge insgesamt gesehen
jedoch relativ gering ist, werden anschließend auch andere Visualisierungsformen in
Betracht gezogen.
208
Es gibt, wie bereits in Kapitel 4.3 gesehen, unterschiedliche Darstellungsmöglichkeiten
von Baumstrukturen. Unter Berücksichtigung der Analyse aus Kapitel 5.2 bieten sich für
die Visualisierung der Klassenwelt beispielsweise die folgenden Visualisierungsformen an:
„Hyperbolic Tree“, „Collapsible Cylindrical Tree“ oder auch „Venn Diagramme“. Der
Hyperbolic Tree ermöglicht dem Benutzer einen guten Gesamtüberblick über die Daten
der Klassenwelt, ermöglicht ein schnelles Browsing und bietet ihm eine leichte und
intuitive Navigation. Aufgrund seiner hyperbolischen Form werden die Daten äußerst
platzsparend repräsentiert, wodurch im Zentrum des Trees ein größerer Darstellungsraum entsteht, welcher sich für die detailliertere Darstellung eines Knotens eignet, ohne
dass dem Benutzer dadurch der Kontext zu der gesamten Hierarchie verloren geht
(Fokus + Kontext (Fisheye) Technik). Abb. 142 zeigt schematisch, wie das Mapping der
Daten in einen Hyperbolischen Tree für die C-, E- und S-Klasse aussehen könnte. Die
Klassenwelt selbst stellt den Root Knoten dar, welcher sich weiter aufteilt in die einzelnen
Fahrzeugklassen. Auf der zweiten Hierarchieebene sind die zugehörigen Karosserieformen angeordnet. Die Knoten des Trees können dabei sowohl aus Text- als auch aus
Bildmaterial oder aus einer Kombination von beidem bestehen. Abb. 142 zeigt dies
beispielhaft: C-Klasse (textuell), E-Klasse (Kombination: Text / Bild) und S-Klasse (Bild).
Klickt der Benutzer auf einen gewünschten Knoten, so bewegt sich dieser interaktiv in
das Zentrum des Trees und nimmt eine detailliertere Darstellung an. Die übrigen Knoten
passen sich entsprechend der veränderten Darstellung an.
Limousinen
Coupés
T-Modelle
Hyperbolic Tree
G-Klasse
A-Klasse
Limousinen
C-Klasse
T-Modelle
M-Klasse
E-Klasse
Klassenwelt
SL-Klasse
S-Klasse
CLK-Klasse
SLK-Klasse
CL-Klasse
Abb. 142 Schematische Darstellung der Klassenwelt mittels eines Hyperbolic Trees
209
Eigentlich werden Hyperbolic Trees für die Visualisierung und Manipulation großer
Hierarchien verwendet, jedoch sind sie, wie auch hier für kleinere Datenmengen
einsetzbar.
Insbesondere
bei
der
Verwendung
von
Bildmaterial,
welches
sich
raumintensiver verhält als Textdarstellungen. Eine geringe Hierarchietiefe des Hyperbolic
Trees kommt auch eher ungeübten Benutzern entgegen. Hyperbolic Trees werden, wie
zum Beispiel bei Inxight23, bereits als Webapplikationen eingesetzt.
Auch der Collapsible Cylindrical Tree (CCT) ist eine übersichtliche und intuitiv zu
handhabende Visualisierung und würde sich daher ebenfalls für eine visuelle Darstellung
der Daten der Klassenwelt eignen. Aufgrund seiner horizontalen Ausrichtung eignet er
sich aber vorrangig für die Darstellung von Text. Da in diesem Zusammenhang jedoch
die Verwendung von Bildmaterial als sinnvoll erachtet wird, wäre dies eher von Nachteil.
Baumstrukturen lassen sich ebenfalls durch Venn Diagramme, wie sie zum Beispiel in der
Pad++ Visualisierung eingesetzt werden, darstellen. Diese zeichnen sich ebenfalls durch
intuitive Navigationsmöglichkeiten und eine übersichtliche Darstellung der Inhalte aus.
Jedoch empfiehlt sich ihr Einsatz nur bei kleineren Hierarchien. Abb. 143 zeigt
schematisch am Beispiel der A- und E-Klasse, wie der Einsatz dieser Visualisierung für die
Klassenwelt aussehen könnte. Die einzelnen Klassen stellen die geometrischen Objekte
innerhalb der Grundfläche (Klassenwelt) dar. Die Karosserieformen erscheinen in Form
von Icons oder Images innerhalb der jeweiligen Klassen. Dies vermittelt dem Benutzer
einen ersten Eindruck über ihre Inhalte. Durch Klick auf ein geometrisches Objekt (hier:
Fahrzeugklasse)
gelangt
der
Benutzer
zu
einer
tiefergelegenen
Ebene
in
der
hierarchischen Struktur. Dieses lässt sich theoretisch gesehen beliebig fortsetzen. Ein
zusätzliches Detailfenster könnte dem Benutzer, ähnlich wie im Pad++ System,
detaillierte Informationen über die jeweiligen Objekte anbieten. Auch diese Visualisierung
existiert bereits, zum Beispiel als Sitemap auf der Pad++ Webseite24, als Webapplikation.
23
Webseite von Inxight
URL: http://www.inxight.com/map
24
Sitemap der Webseite Pad++
URL: http://www.cs.umd.edu/hcil/pad++/sitemap/
210
A-Klasse
Pad++
E-Klasse
Klassenwelt
Abb. 143 Schematische Darstellung der Klassenwelt in Anlehnung an die Pad++ Visualisierung
Da die Hierarchie innerhalb der Daten der Klassenwelt nicht besonders ausgeprägt, bzw.
die
Datenmenge
der
Klassenwelt
nur
sehr
gering
ist,
kommen
auch
andere
Visualisierungsmöglichkeiten in Frage, wie zum Beispiel die Rapid Serial Visual
Presentation (RSVP) von Oscar de Brujin und Robert Spence. Durch die sequentielle
Anordnung in der RSVP geht die Hierarchie der Daten in der Klassenwelt zwar verloren,
jedoch muss dies nicht zwangsläufig von Nachteil sein. RSVP ermöglicht dem Benutzer
schnell und intuitiv durch eine größere Anzahl von Objekten zu browsen, wobei diese
Objekte sowohl aus Bild- als auch aus Textmaterial bestehen können. Mittels dieser
Visualisierung ist es möglich, problemlos viele Objekte auf kleinem Raum darzustellen.
RSVP wurde bereits erfolgreich bei VisMeB eingesetzt und hat sich daher ebenfalls als
webtauglich erwiesen.
Der Einsatz dieser Technik für die Daten der Klassenwelt ist in unterschiedlichen
Variationen denkbar. Abb. 144 zeigt zum Beispiel eine Kombination aus RSVP und
Fisheye-Technik. Die Bilder laufen in Form eines perspektivisch verzerrten Bildbandes um
ein Objekt herum. Im Zentrum der Frontseite werden die Bilder unverzerrt dargestellt,
wobei
die
verzerrten
Bilder
an
der
Seite
dem
Benutzer
zusätzlich
eine
Art
Vorschaufunktion bieten. Im Fall der Klassenwelt könnte das Bildband aus den
Abbildungen der verschiedenen Fahrzeugentypen bestehen - wie A-Klasse Limousinen, AKlasse Limousinen Lang, C-Klasse Limousinen, C-Klasse Coupés, usw. - und das Objekt
in der Mitte des Bildbandes aus einer dreidimensionalen Darstellung eines Fahrzeugs. Die
Kategorisierung
der
unterschiedlichen
Fahrzeugklassen
sollte
für
eine
bessere
Orientierung des Benutzers zusätzlich, beispielsweise durch Farbe, visuell hervorgehoben
werden. Dieses Bildband lässt sich mittels des Cursors interaktiv um das Fahrzeug in der
211
Mitte herum drehen. Mittels der Fisheye-Technik ist es möglich, das Bildband nach hinten
hin stark zu verkleinern, wogegen das Bild im Zentrum der Frontseite vergrößert
dargestellt wird und daher genügend Platz für eine detailreichere Darstellung bietet. Ein
zusätzliches Detailfenster für Zusatzinformationen in Form von Text wäre denkbar. Ein
Mausklick auf die Abbildung im Zentrum des Bildbandes löst die Auswahl des Fahrzeugs
aus und lässt die dreidimensionale Abbildung in der Mitte in das soeben ausgewählte
Fahrzeug morphen. Im Idealfall lässt sich diese Abbildung durch den Benutzer interaktiv
um 360 Grad drehen um ihm so einen besseren Eindruck von dem jeweiligen Fahrzeug
zu vermitteln.
RSVP
Experiment 2
New
RSVP
Details
E-Klasse
Limousine
Abb. 144 Schematische Darstellung der Klassenwelt in Anlehnung an RSVP
Um die Produktwelt PKW von Mercedes-Benz komplett abzubilden, bietet sich auch eine
Matrixdarstellung
an,
mit
den
verschiedenen
Klassen
auf
der
einen
und
den
Karosserietypen auf der anderen Achse. Die Darstellung kann dabei rein textuell, mittels
Abbildungen oder aus einer Kombination von beidem bestehen. So kann der Benutzer auf
einen Blick sämtliche verfügbaren Fahrzeugtypen erkennen. Auch diese Visualisierung
berücksichtigt nicht, ähnlich wie die RSVP-Visualisierung zuvor, die ursprünglich
hierarchische Ordnung der Daten. Doch auch hier wirkt sich dies nicht nachteilig auf die
Darstellung der Daten aus. Da eine solche Darstellung aufgrund der Größe der
Produktwelt PKW von Mercedes-Benz und insbesondere bei der Verwendung von
Bildmaterial nur sehr gedrängt ausfallen würde, empfiehlt es sich die Matrix-Darstellung
mit einer Fisheye-Technik zu kombinieren, ganz nach dem Vorbild der DateLens von
Bederson,
Clamage,
Czerwinski
und
Robertson.
Diese
bietet
neben
einem
Gesamtüberblick über den Inhalt, auch die Möglichkeit, durch Auswahl einer bestimmten
Zelle innerhalb der Matrix, graduell in diese Zelle hineinzuzoomen, um so eine detaillierte
212
Ansicht des Zelleninhalts zu erhalten. Alle übrigen Zellen verkleinern sich entsprechend.
Diese Detailansicht kann Abbildungen des Fahrzeugtyps, textuelle Informationen oder
auch Links zu weiteren Funktionen der MB Online-Welt enthalten. Durch einen weiteren
Klick auf die Zelle schließt sich diese wieder und der Benutzer kehrt zur ursprünglichen
Matrix-Ansicht zurück. Auch diese Technik, wie schon die anderen zuvor, ermöglicht die
parallele Darstellung vieler Objekte auf kleinem Raum mit der Möglichkeit, Details zu den
jeweiligen Objekten abzurufen, ohne dass der Benutzer den Zusammenhang zu den
übrigen Daten verliert (Fokus + Kontext). Durch die Erweiterung dieser Technik mit
anderen Funktionen, wie Suchanfragen oder Filtermöglichkeiten, zum Beispiel in Form
von Dynamic Queries, entsteht so eine übersichtliche Darstellung der Produktwelt PKW,
mit
welcher
der
Benutzer
intuitiv
interagieren
kann.
Auch
der
Wechsel
der
Achsenbelegung, wie zum Beispiel in Fahrzeugklasse und Preis, kann eine neue Sicht auf
die Daten erzeugen. Abb. 145 zeigt eine schematische Darstellung, wie eine solche
Matrix-Visualisierung für die A-, E-, S- und CL-Klasse der Klassenwelt aussehen könnte.
Die vertikale Achse ist dabei mit den einzelnen Fahrzeugklassen belegt, die horizontale
mit den Karosserieformen. Die Zellen der so entstandenen Matrix enthalten alle
Fahrzeugtypen, welche die MB PKW-Welt zu bieten hat.
Date Lens
Limousinen
Limousinen
Lang
Coupés
T-Modelle
A-Klasse
E-Klasse
S-Klasse
CL-Klasse
Abb. 145 Schematische Darstellung der Klassenwelt in Anlehnung an die Date Lens
213
5.3.2 Standard- und Sonderausstattungen (PKW)
Geeignete Visualisierungen für die Standard- und Sonderausstattungen zu finden, erweist
sich als schwieriger als bei dem Setting der Klassenwelt. Dies liegt zum einen daran, dass
die Datenmenge der Standard- und Sonderausstattungen um einiges umfangreicher ist
und zum anderen an der Aufbereitung der Daten selbst. Sicherlich finden sich auch hier,
nicht
zuletzt
aufgrund
der
hierarchischen
Struktur
der
Daten,
verschiedene
Visualisierungsmöglichkeiten, wie zum Beispiel Tree-Visualisierungen. Dennoch bedarf es
bei den Standard- und Sonderausstattungen einer weiterführenden Betrachtung des
Settings. Zu den in diesem Abschnitt behandelten Visualisierungen gehören: Hyperbolic
Tree, Cam Tree, Collapsible Cylindrical Tree, Fisheye-Technik, Venn Diagramme, RSVP,
VisMeB, Table Lens und Snap-Together-Visualization.
Hyperbolic Trees oder Cam Trees eignen sich, wie bereits erwähnt, für die Visualisierung
größerer Hierarchien, weshalb sie prinzipiell auch für die Visualisierung der Standardund Sonderausstattungen geeignet wären. Bei einer rein textuellen Darstellung, wie dies
derzeit auf der Webseite von Mercedes-Benz der Fall ist, ist das Mapping der Daten zu
einem Hyperbolic Tree oder einem Cam Tree unproblematisch. Abb. 146 und Abb. 147
zeigen schematische Darstellungen solcher Trees für die Beispieldaten aus Kapitel 5.2.
AMG-Styling
Innraumzierteile
Wegfall Typenkennz.
Sitze
Hyperbolic Tree
Technik
Design
Sicherheit
Klimatisierung
Sonder-
ausstattung
Räder
und Fahrwerk
Radio/
Kommunikation
Komfort
Lenkung/
Schaltung
Abb. 146 Schematische Darstellung der Sonderausstattungen in Form eines Hyperbolic Trees
214
Cam Tree
Abb. 147 Schematische Darstellung der Standardausstattungen in Form eines Cam Trees
Weitere Tree-Visualisierungen, wie zum Beispiel der Collapsible Cylindrical Tree wären
ebenfalls denkbar, müssten aber konkret für jede einzelne Hierarchieebene der Daten
geprüft werden, da die Nutzung eines CCT bei zu vielen Daten auf einer Ebene,
Darstellungsschwierigkeiten auf der Oberfläche der Zylinder erzeugt. Venn Diagramme
eignen sich eher für kleinere Hierarchien, sind also hier prinzipiell ungeeignet.
Allein
das
Mapping
der
textuellen
Ausgangsdaten
der
Standard-
und
Sonder-
ausstattungen in eine Visualisierung wird nicht als ausreichend erachtet. Dies zeigt auch
schon, die für den Benutzer unbefriedigende derzeitige Darstellung der Daten auf der
Webseite von Mercedes-Benz. Diese Unzufriedenheit hängt nicht nur allein mit der
Listendarstellung an sich zusammen, sondern auch mit den angebotenen Daten selbst.
Dadurch führt ein bloßes Mapping der Ausgangsdaten in eine Visualisierung zu keinem
befriedigenden Ergebnis. Bei der vorangegangenen Ermittlung der Tasks in Kapitel 5.2
hat sich gezeigt, dass die Aufgaben, welche mit dieser Darstellung erfüllt werden sollen,
vielfältiger Natur sind. So lassen diese sich in die folgenden Tasks grob zusammenfassen:
„Überblick verschaffen“, „Informieren“ und „Vergleichen“. Aufgrund der verschiedenartigen Tasks, ist zu überlegen, ob diese tatsächlich mit einer einzelnen Visualisierung
abgedeckt werden können, bzw. überhaupt sollen.
„Überblick verschaffen“ bezieht sich auf die Gesamtheit der Ausstattungsmöglichkeiten;
also
welche
Ausstattungsmöglichkeiten
gibt
es
überhaupt,
welche
sind
bereits
standardmäßig vorhanden (Standardausstattungen) und welche können hinzu gewählt
werden (Sonderausstattungen). „Informieren“ bedeutet, dass der Benutzer zu den
jeweiligen Ausstattungsmerkmalen umfassende und detaillierte Informationen erhält,
sowohl in Form von Text- als auch von Bildmaterial. Aufgrund dieser Hintergrund215
informationen
findet
die
Entscheidungsfindung
des
Benutzers
bezüglich
der
Ausstattungsmerkmale statt. Ohne diese Informationen ist er in seiner Entscheidungsfindung beeinträchtigt. Auch das „Vergleichen“ ist eine wichtige Task in diesem
Zusammenhang. Das Schaffen von Vergleichsmöglichkeiten, vor allem zwischen den
einzelnen Ausstattungsmöglichkeiten, soll den Benutzer bei seiner Entscheidungsfindung
bestmöglich unterstützen. Diese grundsätzlichen Tasks sind in verschiedene Szenarien im
Zusammenhang mit den Standard- und Sonderausstattungen eingebunden und können
somit von unterschiedlichen Situationen aus aufgerufen werden.
Die Frage stellt sich nun nach der Darstellung, bzw. Visualisierung der unterschiedlichen
Daten der Standard- und Sonderausstattungen im Hinblick auf die verschiedenen Tasks.
Im Rahmen dieser Arbeit kann an dieser Stelle sicherlich keine Universallösung
präsentiert werden, da dies aufgrund der Komplexität der Problematik über den Rahmen
dieser Arbeit hinausginge. Dennoch sollen an dieser Stelle einige Visualisierungsmöglichkeiten angedacht werden.
Grundlegend wichtig ist in erster Linie eine übersichtliche Darstellung, welche dem
Benutzer auf komprimierte Weise zeigt, über welche Ausstattungsmerkmale das
Fahrzeug überhaupt verfügt und welche Merkmale prinzipiell hinzugenommen werden
können. Dies kann beispielsweise in Form einer Listen- oder Matrixdarstellung erfolgen,
welche sowohl Text als auch Thumbnails oder Symboldarstellungen enthalten kann. Ziel
einer solchen Übersicht ist es, dem Benutzer einen schematischen Überblick zu bieten,
welcher auf knappe Weise darstellt, welche Ausstattungsmerkmale es zu diesem
Fahrzeug überhaupt gibt und von welchem Typ (Standard- oder Sonderausstattung) sie
sind. Eine weitere Funktion, welche dem Benutzer ebenfalls einen Überblick über die
jeweiligen Ausstattungsmerkmale verschaffen würde, jedoch einen anderen Ansatz
verfolgt, wäre der Einsatz einer Rapid Serial Visual Presentation (RSVP). Während eine
Listen- oder Matrixdarstellung einen eher analytischen Ansatz verfolgt, bietet das RSVP
dem Benutzer die Möglichkeit, interaktiv durch den Katalog der Ausstattungsmerkmale,
z.B. in Form von ID-Cards, welche detailliertere Informationen und Abbildungen zu dem
jeweiligen Ausstattungsmerkmal beinhalten (vgl. VisMeB), zu browsen. Aufgrund der
grundlegend verschiedenen Ansätze, wäre eine parallele Nutzung der beiden Techniken
für
das
Setting
der
Standard-
und
Sonderausstattungen
denkbar
und
sogar
wünschenswert, da dies dem Benutzer mehrere Möglichkeiten bieten würde, sich einen
Überblick über die Welt der Ausstattungsmerkmale zu verschaffen. Die beiden Techniken
würden somit ergänzend aufeinander einwirken.
216
Grundlegend ist es sicherlich sinnvoll, die jeweiligen Ausstattungsmerkmale in Bezug zum
jeweiligen Fahrzeug zu setzen, wie dies zum Beispiel im Designentwurf II25 durch die
Verlinkung der Text- und Bilddaten erfolgt. Ziel ist es, den Abstraktionsgrad der Inhalte
der Daten zu verringern, indem diese bei ihrer Auswahl durch den Benutzer am Fahrzeug
visuell dargestellt werden. D.h., wählt der Benutzer ein Ausstattungsmerkmal aus einer
textuellen Liste aus, so wird das entsprechende Detail in einer dreidimensionalen,
interaktiv
schwenkbaren
Abbildung
des
Fahrzeugs
visuell
hervorgehoben.
Dies
funktioniert auch in der entgegengesetzten Richtung. Abstraktere Ausstattungsmerkmale
erfordern diesbezüglich eine kreative Lösung, wie zum Beispiel die Verwendung von
Symbolen, Animationen oder ähnlichem. Zusätzliche Informationen über das jeweilige
Ausstattungsmerkmal könnten dem Benutzer, wie bereits oben erwähnt, in Form von IDCards
angeboten
detaillierte
werden.
Informationen
Diese
und
beinhalten
ausreichendes
in
einer
übersichtlichen
Bildmaterial,
wodurch
Darstellung
der
Benutzer
umfassende Hintergrundinformationen über die von ihm gewünschten Ausstattungsmerkmale erhält. Diese ID-Cards könnten sowohl zu jedem Ausstattungsmerkmal einzeln
aufgerufen und wieder geschlossen werden oder, wie bereits oben erwähnt, mittels der
RSVP komplett durchbrowst werden. Darüber hinaus sollte es dem Benutzer möglich sein
entsprechende Ausstattungsmerkmale untereinander zu vergleichen. Dies kann auf einer
analytischen Ebene, wie der von textuellen Auflistungen oder auch von einfachen
„Analysetools“, wie zum Beispiel Tabellen mit Bargrafiken (vgl. Table Lens), erfolgen oder
aber auf einer semantischen Ebene, wie der von ID-Cards, zum Beispiel mit SnapTogether-Technik.
Für
die
Visualisierung
der
Beziehungen
zwischen
bestimmten
Ausstattungsmerkmalen, wäre zum Beispiel der Einsatz von Tree-Visualisierungen, wie
dem Hyperbolic Tree, denkbar. Dies könnte sich auch nur auf die Darstellung von
Teilbäumen beschränken. Abb. 148 zeigt eine schematische Darstellung einer solchen
Visualisierungsform für die Daten der Sonderausstattungen aus Kapitel 5.2. Der
Rootknoten der Hierarchie („Sonderausstattung“) befindet sich in einem Navigationspfad
oberhalb der eigentlichen Tree-Darstellung. Die folgende Hierarchieebene wird in
kreisförmiger Form um das Fahrzeug herum angeordnet. Die Daten dieser Ebene, hier die
Kategorien der Ausstattungsmerkmale – „Design“,
„Klimatisierung“, „Komfort“, usw. –
können in Form von Text, Symbolen oder Abbildungen dargestellt werden. Die dritte
Hierarchieebene könnte in einer Art Vorschau bereits als Knoten eines Trees dargestellt
werden. Diese Knoten könnten entweder permanent zu sehen sein, vergleichbar mit
einem
Hyperbolic
Tree
mit
Fisheye-Technik
oder
aufgrund
einer
Benutzeraktion
erscheinen. Durch solch eine Aktion, wie zum Beispiel einen Mausklick oder einen MausOver-Effekt könnte diese Hierarchieebene ein- oder ausgefahren werden. Eine weitere
25
Designerntwurf II wurde von Alan Ross im Rahmen des BEST-Projektes (Kooperation Daimler Chrysler und
Universität Konstanz) entwickelt.
217
Möglichkeit wäre, durch die Verwendung der RSVP-Technik die gesamte zweite
Hierarchieebene („Design“, „Klimatisierung“, etc.) interaktiv um das Fahrzeug zu
rotieren, um so einen bestimmten Knoten in einen festgelegten Fokus-Bereich zu drehen.
In diesem Bereich würden dann mehr Details, wie zum Beispiel Unterknoten dargestellt
werden.
Knoten,
hervorgehoben
welche
werden.
über
Weitere
weitere
Unterknoten
Vorschaueffekte
verfügen,
könnten
durch
könnten
ein
visuell
zusätzliches
separates Detailfenster erreicht werden, welches weitere Informationen zu den jeweiligen
Knoten enthält, vgl. ID-Cards. Würde nun ein Knoten der zweiten Hierarchieebene
ausgewählt, wie z.B. in diesem Beispiel „Innenraumzierteile“, so würde der Name des
hierarchisch höher liegenden Knotens („Design“) dem Navigationspfad hinzugefügt
werden („Sonderausstattungen“ > „Design“) und die Hierarchieebene gewissermaßen
eins nach oben aufrutschen. D.h. die Knoten „AMG-Styling“, „Innenraumzierteile“ und
„Wegfall Typenkennzeichen“ würden kreisförmig um das Fahrzeug angeordnet werden,
wobei sich bei dem Knoten „Innenraumzierteile“ eine weitere Ebene mit den Knoten
„Holzausführung Kastanie“ bzw. „Holzausführung Wurzelnuss“, erscheinen würde. Die
Navigation zu höher gelegenen Knoten erfolgt über den Navigationspfad. Der Bezug der
Ausstattungsmerkmale
zum
Fahrzeug,
könnte
zum
Beispiel
bei
Aktivierung
der
Detailansicht durch die visuelle Hervorhebung der entsprechenden Ausstattungsdetails im
und am Fahrzeug hergestellt werden.
Sonderaustattung
>
AMG-Styling
Innenraumzierteile
Wegfall Typenkennz.
...
Sicherheit
Design
Details
Räder
und Fahrwerk
Klimatisierung
Komfort
Radio /
Kommunikation
Lenkung /
Schaltung
Abb. 148 Schematische Darstellung eines Teilbaums für die Daten der Sonderausstattungen
218
Die Ausführungen zu den obigen Visualisierungsmöglichkeiten sollen als Anregung dienen
und sind daher rein exemplarischer Art. Inwieweit sich eine solche Visualisierung
überhaupt auf die gesamten Daten der Standard- und Sonderausstattungen übertragen
lässt, bleibt zu prüfen.
Wie bereits erwähnt, wurden in diesem Abschnitt verschiedene Lösungen für die
Darstellung der Standard- und Sonderausstattungen und der damit zusammenhängenden
Problematik angedacht. Prinzipiell gibt es für dieselbe Problemstellung meistens mehrere
Visualisierungsmöglichkeiten. Eine universelle Lösung in diesem Zusammenhang würde
über
den
Rahmen
dieser
Arbeit
hinausgehen,
da
dies
eine
intensivere
Auseinandersetzung mit dieser relativ komplexen Thematik erfordert hätte. Idealerweise
beinhaltet
eine
Darstellung
der
Standard-
und
Sonderausstattungen,
wie
oben
beschrieben, mehrere Visualisierungsansätze, welche aufeinander abgestimmt und
miteinander verlinkt sind. Dem Benutzer darf sich eine solche Kombination von
verschiedenartigen Visualisierungen nicht als Konglomerat darstellen, sondern als ein
Visualisierungssystem, welches ihn bei der Auswahl der Ausstattungsmerkmale seines
Fahrzeugs bestmöglichst unterstützt.
5.3.3 Ergebnisdarstellung der Gebrauchtwagensuche (PKW)
Die Ergebnisdarstellung der Gebrauchtwagensuche (PKW) hängt stark mit der Suchanfrage selbst zusammen. Sicherlich gibt es auch Möglichkeiten, lediglich die Darstellung
der Ergebnisse in eine andere Visualisierungsform zu mappen, jedoch bietet es sich auch
an, die Suchanfrage stärker mit der Ergebnisdarstellung zu verknüpfen und somit für den
Benutzer einfach handhabbar zu machen. Zu den in diesem Abschnitt diskutierten
Visualisierungen gehören: Table Lens, VisMeB, Dynamic Queries, Scatterplot, FilmFinder,
Circle Segments und RSVP.
Die tabellarische Darstellung von Suchergebnissen bietet aufgrund ihres komprimierten
und stark strukturierten Erscheinungsbildes durchaus Vorteile für den Benutzer. Jedoch
stellt sie einen eher analytischen Ansatz dar, mit dem Ziel bestimmte Schlüsse, bzw.
konkrete Suchergebnisse aus der Treffermenge ziehen zu können. Die Visualisierungsform der Table Lens, welche auch bei VisMeB verwendet wird und somit webtauglich ist,
stellt für den Benutzer eine bequeme Möglichkeit dar, die übersichtliche Struktur einer
Tabelle in Kombination mit Detailansichten der einzelnen Treffer nutzen zu können
(Fokus + Kontext). Diese Technik würde sich auch für eine tabellarische Visualisierung
der Ergebnisse der Gebrauchtwagensuche von Mercedes-Benz eignen. Wie die Analyse
der Daten der Ergebnisdarstellung der Gebrauchtwagensuche gezeigt hat, bestehen die
219
Daten aus verschiedenen Variablentypen. So eignet sich zum Beispiel für quantitative
Werte
die
Darstellung
Symboldarstellungen.
in
Abb.
Form
149
eines
zeigt
Balkens
eine
oder
für
schematische
kategorische
Darstellung,
Daten
wie
die
Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine Table Lens aussähe.
Dabei könnte beispielweise die Variable „Erstzulassung“ umgewandelt werden in eine
Variable namens „Alter“, um so eine sinnvolle Balkendarstellung verwenden zu können.
Die Balken stellen Wertebereiche dar, wobei die jeweiligen Enddaten klar definiert sein
müssen. Zusätzlich mit der Sortierfunktion der einzelnen Spalten - welche bereits in der
Ergebnisliste
der
Gebrauchtwagensuche
auf
der
Webseite
von
Mercedes-Benz
Deutschland eingesetzt wird - ergibt sich so eine bequeme Möglichkeit für den Benutzer
durch die Suchtreffer zu browsen und Tendenzen in der Treffermenge ablesen zu können.
Mittels der Fisheye-Technik ist es ihm möglich, bestimmte Treffer zu lokalisieren und
konkrete Daten über das jeweilige Fahrzeug abzurufen. Ähnlich wie in VisMeB, wäre es
sinnvoll die Markierung von einzelnen Zeilen, also Suchtreffern zuzulassen, um dem
Benutzer so die Möglichkeit zu geben für ihn interessante Treffer zu markieren und somit
später auch wieder zufinden. Darüber hinaus ergäbe sich auch die Möglichkeit, in
Anlehnung an das Granularitätskonzept von VisMeB, markierte Treffer in eine weitere
Granularitätsstufe zu überführen, um so eine weitere Verfeinerung der Treffermenge
vornehmen zu können. In dieser nächsten Granularitätsstufe könnte eine detailliertere
Darstellung der Suchtreffer dem Benutzer mehr Informationen zu den einzelnen
Fahrzeugen bieten, um ihm so die weitere Auswahl und Verfeinerung der Treffermenge
zu erleichtern. Denkbar wären auch weitere Verfeinerungsschritte, welche dann nach
dem gleichen Prinzip funktionieren würden. Ziel ist es, am Ende des Prozesses zu einem
Fahrzeug zu gelangen, welches den Vorstellungen des Benutzers entspricht. Zusätzlich
könnten die einzelnen Granularitätsstufen, ebenso wie in VisMeB von einem Detailfenster
unterstützt werden, welches bei der Markierung eines Fahrzeugs in der Tabelle die
gesamten Informationen zu dem jeweiligen Fahrzeug zeigt (Vorschaufunktion).
220
Table Lens
Bild
Typ
Karosserie
Farbe
230 CE
COUPÉ
BLAU
Alter in Mtn.
(Erstzulass. )
184 (01/89)
km
Preis/Rate
225.000
5.900,-
PLZ
Ort
G
54 290
TRIER
-
Abb. 149 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine
Table Lens.
Prinzipiell ist es jedoch auch möglich, den Prozess der Suchanfrage dynamisch in die
Datenexploration
mit
einzubinden.
Eine
Trennung
der
Suchanfrage
von
der
Ergebnisdarstellung inklusive ihrer Verfeinerungsschritte, wie beim obigen Beispiel
beschrieben, findet dabei nicht statt. Eine Visualisierungstechnik, welche dafür bekannt
geworden ist, sind die Dynamic Queries, wie sie beispielsweise auch beim FilmFinder von
Christopher Ahlberg und Ben Shneiderman eingesetzt werden. Diese ermöglichen die
direkte und dynamische Manipulation der Visualisierung der Treffermenge mittels User
Interface Slidern und Radio Buttons. Im Falle des FilmFinders handelt es sich bei der
Visualisierung um einen zweidimensionalen Scatterplot, jedoch lässt sich diese Technik
auch mit anderen Visualisierungen kombinieren, wie zum Beispiel der Matrix-Darstellung
aus Setting 1 oder auch Circle Segments, wie in VisMeB. Mit Hilfe der Technik der
Dynamic Queries ist es dem Benutzer möglich, die Anfrage dynamisch nach seinen
individuellen Wünschen formulieren zu können. D.h. er hat die Möglichkeit die Anfrage zu
stellen und sie gegebenenfalls aufgrund des sofortigen Feedbacks über die Visualisierung,
nochmals umformulieren zu können. Diese Technik wäre auch für die Gebrauchtwagensuche
(PKW)
von
Mercedes-Benz
geeignet,
da
sie
über
eine
intuitive
Benutzerführung verfügt und den Suchprozess für den Benutzer wesentlich vereinfacht,
indem sie die Anfrage direkt mit der Ergebnisdarstellung kombiniert. Abb. 150 zeigt eine
schematische
Darstellung
der
Gebrauchtwagensuche,
inkl.
Ergebnisdarstellung
in
Anlehnung an den FilmFinder. Die Achsenbelegung des Scatterplots kann variabel
221
gestaltet werden. In dieser Darstellung ist die x-Achse mit der kategorischen Variable
„Karosserieform“ und die y-Achse mit der kategorischen Variablen „Fahrzeugklassen“
belegt, wodurch die Objekte der Ergebnismenge auf einem Gitter zu liegen kommen. Die
Werte der quantitativen Variablen, wie „Preis / Rate“, „Erstzulassung“ und „Kilometer“
lassen sich, da sie eine Range darstellen, mittels eines User Interface Sliders bestimmen.
Denkbar wäre auch der Einsatz von Double Slidern, welche die Definition eines ganzen
Wertebereichs durch den Benutzer ermöglichen. Kategorische Variablen, wie zum Beispiel
„Farbe“ lassen sich mittels Check Boxes auswählen. Über solche Check Boxes können
auch weitere Auswahlkriterien vom Benutzer zu- oder abgewählt werden. Wählt der
Benutzer einen der Datenpunkte im Scatterplot aus, so werden ihm die Daten zu dem
von ihm ausgewählten Objekt in einem zusätzlichen Detailfenster gezeigt. Dies können
zum Beispiel alle von ihm in der Suchanfrage definierten Kriterien sein, sowie zusätzliche
Informationen, wie Händler oder Bildmaterial. Im Fall von Multidata-Points, also
Datenpunkte, auf denen mehrere Objekte zu liegen kommen, können Techniken, wie
zum Beispiel RSVP eingesetzt werden, um diese Wertemenge zu durchbrowsen.
Preis / Rate
FilmFinder
100.000
500
Erstzulassung
1/1950
Fahrzeugklasse
4/2004
Kilometer
0
100.000
Farbe
...
blau
E-Klasse
rot
weiß
...
CE Coupé
C-Klasse
Garantie
A-Klasse
Limousine
Limousine
Lang
Coupé
...
Karosserie
Abb. 150 Systematische Darstellung der Gebrauchtwagensuche inkl. Ergebnisdarstellung in Anlehnung an den
FilmFinder
222
Eine Variation zum Scatterplot, stellt die Kombination von Dynamic Queries und Circle
Segments dar. Abb. 151 zeigt eine schematische Darstellung der Ergebnisdarstellung der
Gebrauchtwagensuche in Anlehnung an Circle Segments. Auch hier kann, ähnlich wie
beim obigen Beispiel die Ergebnismenge mittels Dynamic Queries vom Benutzer
beeinflusst werden. Die Menge der gefundenen Fahrzeuge wird prozentual zum Beispiel
nach Fahrzeugklassen auf einen Kreis gemappt, wobei die einzelnen Treffer (Objekte) als
Punkte dargestellt werden. Auch hier kann es wieder zur Bildung von Multidata-Points
kommen, welche dann wie oben besprochen behandelt werden. Zusätzlich ist es möglich,
den Kreis von innen nach außen zum Beispiel nach Karosserieformen aufzuteilen. So
lägen zum Beispiel die Limousinen im Innenkreis und die Limousinen Lang im
darauffolgenden Ring. Theoretisch ist auch hier ein Wechsel der Einteilungen denkbar.
Die einzelnen Kreissegmente könnten auch Karosserieformen kodieren und Ringe eine
quantitative Variable, wie zum Beispiel „Preis“. Mittels Beschränkung der Suchbereiche
bei der Anfrage, wie z.B. „Preis“, würde sich auch die Darstellung der Circle Segments
entsprechend anpassen.
Circle Segments
(VisMeB)
G-Klasse
M-Klasse
A-Klasse
SLK-Klasse
C-Klasse
SLK-Klasse
E-Klasse
CL-Klasse
S-Klasse
CLK-Klasse
Abb. 151 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche
in Anlehnung an Circle Segments
223
Das
vorangegangene
Kapitel
hat
gezeigt,
dass
es
oftmals
unterschiedliche
Visualisierungsmöglichkeiten für denselben Datensatz gibt. Außer den hier vorgestellten
Visualisierungsmöglichkeiten für die definierten Settings aus der MB Online-Welt
existieren sicherlich noch zahlreiche weitere, welche sich ebenfalls für die Visualisierung
dieser Daten geeignet hätten. Jede Visualisierungsform birgt sowohl Vor- als auch
Nachteile in sich. Wie in der Diskussion gesehen, gibt es oftmals nicht „die“ richtige
Lösung. Vielmehr existieren häufig mehrere durchaus sinnvolle Möglichkeiten Daten zu
visualisieren. Die Faktoren der 5T-Environment helfen zwar Visualisierungen auszuschließen, führen aber nicht zwangsläufig zu einer einzelnen Lösung. Wie bereits
erwähnt, empfiehlt es sich die Festlegung auf eine bestimmte Visualisierungsform anhand
mehrerer Faktoren, wie die der 5T-Environment, abzuwägen und mittels Benutzerumfragen und –tests die Entscheidung zusätzlich zu unterstützen.
224
6. Zusammenfassung
In diesem Kapitel werden die Inhalte der State-of-the-Art Analyse „Visualisierung von
Daten“ für die DaimlerChrysler AG nochmals reflektiert und die Erkenntnisse überblickartig zusammengefasst.
Information ist keine Erfindung unserer heutigen Zeit. Die Verwendung von Information
und damit auch das Information Design haben eine lange Historie in der Geschichte der
Menschheit. Im Vergleich zu früher hat sich die Menge an produzierter Information mit
ihren
verschiedenen
Ausprägungen
jedoch
wesentlich
erhöht
und
ihre
nahezu
permanente Verfügbarkeit erzeugt einen Effekt, welcher unter dem populären Schlagwort
der „Informationsüberflutung“ bekannt geworden ist. Aufgrund dieses neuen Stellenwertes der Information und der Tatsache, dass sich bestimmte Formen von Medien, wie
die visuelle Repräsentation, besonders für die Darstellung von Information eignen,
entwickelten sich eigenständige Forschungsdisziplinen und Arbeitsbereiche, welche sich
speziell mit dem Umgang und der visuellen Repräsentation von Information und damit
auch
von
Daten
beschäftigen.
Diese
Disziplinen,
zu
denen
beispielsweise
die
Computergrafik, die Statistische Grafik, die Scientific oder auch Information Visualization
gehören, machen sich die Tatsache zu nutze, dass das menschliche Wahrnehmungssystem extrem an die Verarbeitung von visuell kodierten Informationen angepasst ist. Da
die innere mentale Aktion und die externe wahrnehmbare Interaktion (externe
Wahrnehmung) beim Menschen stark miteinander verknüpft sind, kommt externen
Hilfsmitteln, auch genannt „Artefakte“, allgemein eine bedeutende Rolle zu. Diese
Artefakte, zu deren wichtigsten mit Abstand jedoch die grafischen oder auch visuellen
Hilfsmittel
zählen, erweitern die kognitiven Fähigkeiten eines Menschen, welche
wiederum für die Aneignung oder Verwendung von Wissen verantwortlich sind. Bei den
visuellen
Artefakten
lassen
sich
zwei
verschiedene
Zwecke
unterscheiden:
die
Kommunikation einer Idee („A picture is worth ten thousand words.“) und die
Entwicklung einer Idee („Using vision to think.“). Das menschliche visuelle System ist
speziell darauf ausgerichtet Informationen aus unserer Welt, mit ihren ganz bestimmten
physikalischen Eigenschaften zu extrahieren und Muster in seiner Umgebung zu suchen
und wiederzuerkennen. Die Visualisierung von Daten macht sich dies bereits seit
Jahrhunderten zu nutze. Bis vor einiger Zeit bedeutete der Begriff „Visualization“ laut
dem Shorter Oxford English Dictionary jedoch noch: „constructing a visual image in the
mind“. In einem späteren Verständnis verstand man dann unter „Visualization“: „a
graphical prepresentation of data or concepts“. Demnach wandelte sich Visualisierung
von einem internen Konstrukt des Verstandes zu einem externen Artefakt, welches der
Erweiterung des menschlichen Verstandes dient. Mit der Entwicklung von Computern
225
änderte sich wiederum das Verständnis vom Begriff der Visualisierung. Mit Hilfe des
Mediums Computer war es nun möglich, grafische Darstellungen automatisch zu
erzeugen, welche aus Tausenden von Datenobjekten bestanden und interaktiv von
Benutzern modifiziert werden konnten. D.h. Visualisierungen waren nicht länger statisch
sondern konnten nun interaktiv vom Benutzer beeinflusst werden: „use of computerbased, interactive visual representations of data to amplify cognition“. Die Revolution
bestand darin, dass sich der Betrachter einer Visualisierung zu deren Autor wandelte. Der
Benutzer war nicht mehr länger abhängig von einer einmal getroffenen Entscheidung
über die Art der Repräsentation der Daten, sondern konnte – im Rahmen der Freiheiten,
welche ihm das Visualisierungstool bot – diese Entscheidung nun selbst kontrollieren und
wieder interaktiv modifizieren. „A graphic is no longer ‚drawn’ once and for all: it is
constructed and reconstructed (manipulated) … a graphic is never an end in itself: it is a
moment in the process of decision making. Bertin (1981).
Entsprechend der Verwendung von visuellen Artefakten hat die Visualisierung von Daten
grundsätzlich zwei Facetten: Datenpräsentation und Datenexploration. Der Fokus der
Betrachtung von Datenrepräsentationen ist die Kommunikation von bereits bekannten
Fakten durch geeignete Repräsentationsformen. Bei der Datenexploration geht es
dagegen darum, mittels angemessener Visualisierungen unbekannte Verknüpfungen
zwischen Thematiken aufzudecken, auch genannt „Visual Data Mining“. Im Fall der
Präsentation steht die Kommunikation im Vordergrund, im Fall der Exploration ist es die
Entdeckung. Aufgrund des hohen Potentials der Visualisierung von Daten beschäftigen
sich mit dieser Thematik zahlreiche verschiedenartige Disziplinen. Speziell seit den 80er
Jahren wurden die Konzepte der Datenvisualisierung zu vielen anderen Bereichen
transferiert. Zu dieser Zeit wurden computerbasierte Visualisierungen vor allem im
Bereich der Wissenschaft angewandt, was die Entwicklung des Bereichs der „Scientific
Visualization“ zur Folge hatte. Seit den 90er Jahren kommen diese Visualisierungen auch
zunehmend in allgemeineren Bereichen, wie Firmen oder Ausbildung zur Anwendung.
Diese
allgemeinere
Anwendung
wird
„Information
Visualization“
oder
auch
„Informationsvisualisierung“ genannt, aus deren Sicht auch die vorliegende State-of-theArt Analyse der Visualisierung von Daten entstanden ist. Im Gegensatz zur „Scientific
Visualization“ deren Visualisierungen zumeist physische Daten, wie Gebäude oder
Naturphänomene, zugrunde liegen, beschäftigt sich die „Information Visualization“ mit
der Visualisierung abstrakter, nicht-physischer Daten. D.h. Daten ohne ersichtlichen
räumlichen Bezug. Auch die Ziele der beiden Disziplinen unterscheiden sich voneinander
grundlegend. So ist das primäre Ziel der „Scientific Visualization“ die möglichst getreue
Nachbildung eines physischen Objektes, um dieses eingehend erforschen zu können,
wobei
hierbei
auch
zunehmend
Techniken,
wie
Virtual
Reality
oder
Immersive
Environments ihre Anwendung finden. Ziel der „Information Visualization“ dagegen ist es
226
Muster, Clusterungen, Lücken oder Sonderfälle in den Daten identifizieren zu können,
wobei die Abbildung der Daten selbst dabei eher zweitrangig ist. Auch wenn sich diese
beiden Bereiche grundsätzlich voneinander unterscheiden, so kann es doch in manchen
Visualisierungen zu Überschneidungen der beiden Bereiche kommen, also einem
Zusammenspiel aus physischen und abstrakten Daten innerhalb einer Visualisierung. In
einem historischen Abriss wird nochmals kurz die geschichtliche Entwicklung der
„Visualisierung von Daten“ mit ihren prominentesten Entwicklern, Errungenschaften und
Initiativen und den zugehörigen chronologischen Eckdaten aufgeführt. Da sich mit der
Visualisierung
von
Daten
unterschiedliche
Disziplinen
beschäftigen,
ist
auch
die
verwendete Terminologie nicht einheitlich. So können je nach Disziplin unterschiedliche
Begriffe für prinzipiell gleiche Konzepte verwendet werden. Jedoch ist auch die
Verwendung
von
Begrifflichkeiten
innerhalb
einer
Disziplin,
wie
der
Information
Visualization nicht einheitlich. Die Anführungen einiger Definitionen aus dem Bereich der
Visualisierung von Daten und die damit in Verbindung stehenden Konzepte sollen helfen
die einzelnen Begriffe klar voneinander abzugrenzen.
Die bloße Tatsache, dass eine Visualisierung für die Darstellung von Daten verwendet
wurde, ist noch kein Garant für eine qualitativ hochwertige Darstellung. Die Beispiele der
„Cholera Epidemie in London“ und des „Space Shuttle Challenger“ Unglücks haben
gezeigt, dass sich die Verwendung einer Visualisierung, je nach ihrer Qualität und
Aussagekraft, ebenso positiv wie auch negativ auswirken kann. D.h. Visualisierungen
können bei unsachgemäßer Verwendung die relevanten Inhalte der Daten verschleiern,
subjektiv wiedergeben oder, wie in weiteren Beispielen gezeigt, sogar verfälschen.
Visualisierungen sind durchaus in der Lage, allein durch ein spezifisches Mapping der
Daten zu einer Visualisierung, wahre Gegebenheiten oder Tatsachen zu verfälschen,
obwohl sie auf einer korrekten Datenbasis erstellt wurden. Ob eine Visualisierung nutzt
oder eventuell sogar schaden kann, hängt prinzipiell davon ab, wie geeignet sie für den
jeweiligen Kontext ist. Dementsprechend liegt die Herausforderung bei der Visualisierung
von Daten grundsätzlich darin, eine adäquate Visualisierung, bzw. ein geeignetes
visuelles Mapping für die jeweilige Datenwelt und den damit verbundenen kontextspezifischen Aufgaben zu finden. Darüber hinaus hängt der erfolgreiche Einsatz einer
Visualisierung noch von einer Reihe weiterer Faktoren ab, jedoch ist das Hauptziel einer
jeden Visualisierung stets der Nutzen für den Benutzer; unabhängig davon wie dieser im
Einzelfall definiert wird.
Die Betrachtung der Ausgangssituation, d.h. in wie weit Visualisierungen bei den
derzeitigen Webauftritten der Automobilbranche bereits eingesetzt werden, hat gezeigt,
dass die Thematik der Visualisierung von Daten in diesem Bereich insgesamt gesehen,
bisher noch eine auffallend untergeordnete Rolle spielt. So fanden sich auf den
analysierten
Webseiten,
zu
denen
sowohl
Mercedes-Benz
Deutschland
als
auch
227
Mercedes-Benz Schweden gehörten, sowie einige andere Automobilkonzerne, bis auf
einige wenige Ausnahmen, kaum Visualisierungstechniken. Entsprechend leitet sich die
Legitimation für die Thematik der Visualisierung von Daten in diesem Zusammenhang ab.
Ein kurzer Überblick über einschlägige Literatur, Konferenzen, Institutionen und
Wissenschaftler gibt Auskunft wer sich auf wissenschaftlicher Ebene mit der Thematik der
Visualisierung von Daten beschäftigt.
Der eigentliche fachliche Diskurs zum Thema Visualisierung enthält verschiedene
Themenbereiche, wie die Vorstellung eines Modells für die Visualisierung von Daten,
diverse Visualisierungstechniken, Einsatz von Metaphern bei Visualisierungen, eine
Taxonomie für die Klassifizierung von Visualisierungen, Beispielvisualisierungen, sowie
Ausführungen zum konzeptionellen Einsatz von Visualisierungen.
Um eine einheitliche Basis für die Präsentation und die spätere Diskussion der
Visualisierungen zu schaffen wurde zunächst das Referenzmodell für Visualisierung von
Card, Mackinlay und Shneiderman vorgestellt. Dieses beschreibt konzeptionell den
Transformationsprozess der Umwandlung von Daten in eine visuelle Repräsentation. Das
Modell enthält zum einen den Datenfluss, welcher vom Input der originären Daten
(Rohdaten) über insgesamt drei Transformationsschritte bis zu den endgültigen visuellen
Darstellungen verläuft, sowie eine Reihe von Interaktionsmöglichkeiten, welche es dem
Benutzer ermöglichen auf diese Transformationen einzuwirken. Auch die Vorstellung von
grundlegenden Visualisierungstechniken dient dem Aufbau von Basiswissen im Bereich
der Visualisierung von Daten. Die Beschreibungen dieser allgemeingültigen Techniken
wurden dem Bereich der Statistischen Grafik entnommen, da im Bereich der Information
Visualization
diesen
grundlegenden
Techniken
keine
gesonderte
Aufmerksamkeit
zukommt sondern in der Regel als gegeben vorausgesetzt werden. Ziel dieses Kapitels ist
es, dass der Benutzer mit Hilfe dieses Basiswissens die immense Fülle an verschiedenen
existenten Visualisierungen besser klassifizieren und somit die grundlegenden Techniken
von einander unterscheiden kann. Oftmals lassen sich mit diesem Wissen scheinbar
unterschiedliche Visualisierungen auf dieselbe und ähnlich aussehende Visualisierungen
auf völlig unterschiedliche Visualisierungstechniken zurückführen. Diese grundlegenden
Techniken werden anhand der „Grammar of Graphics“, welche Leland Wilkinson
entwickelte,
erläutert.
Diese
trennt
grundsätzlich
die
mathematischen
von
den
ästhetischen Regeln, welche für die Erzeugung einer Grafik verwendet werden. Somit
lassen sich Grafiken im Wesentlichen in die folgenden Grundelemente zerlegen: ihre
Geometrie (Graphentypen), ihre ästhetischen Attribute (Farbe, Form, etc.), ihre
statistischen Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie
eingebettet sind. Grafiken können dabei entweder aus einer einzelnen Grafik bestehen
oder aus so genannten Facetten, welche aus vielen kleinen Grafiken bestehen, die
228
Variationen einer einzelnen Grafik darstellen. Durch Kombination der verschiedenartigen
Ausprägungen der einzelnen Grundelemente - wie zum Beispiel „Line-Graphic“, „Blau“,
etc. - lässt sich so eine große Vielzahl an unterschiedlichen Grafiken erzeugen. Auf Basis
der „erlernten“ Grammatik können so auch neuartig erscheinende Grafiken richtig
klassifizieren werden. Auch für Entwickler von Visualisierungen kann dieser Ansatz
interessant sein, da die Kenntnis der Grundelemente von Grafiken zu neuartigen
Kombinationsmöglichkeiten oder zu der Entwicklung bisher noch nicht existenter
Elemente führen kann. Ähnlich einem Baukastensystem, ist die Vielzahl der möglichen
Kombinationen und somit Ausprägungen höher, wenn man bei deren Zusammenbau die
eigentlichen
Grundelemente
miteinander
kombiniert,
anstatt
bereits
vorgefertigte
Komponenten zu nutzen.
Visualisierungen nutzen zuweilen so genannte Metaphern um das User Interface und die
damit zusammenhängende Funktionalität besser darzulegen. Die Idee dabei ist, anhand
von spezifischem Wissen, welches der Benutzer zu einem früheren Zeitpunkt in anderen
Bereichen erworben hat, die Komplexität des User Interfaces zu reduzieren. Dabei kann
eine Metapher einem System, bzw. einer Visualisierung entweder global oder partiell, in
Form von oftmals mehreren miteinander kombinierten Metaphern, zugrunde liegen.
Die Präsentation von praktischen und/oder exemplarischen Beispielen für Visualisierungen soll die Einsatzmöglichkeiten von Visualisierungstechniken im Bereich der
Wissenschaft und Wirtschaft aufzeigen. Aufgrund der immensen Vielzahl an existenten
Visualisierungen und ihren unterschiedlichen Ausprägungen war es im Rahmen dieser
STAR jedoch nur möglich einen kleinen Einblick in die Welt der Visualisierungen zu
gewähren. Für weiterführende Informationen wird auf die Hinweise innerhalb des Kapitels
verwiesen.
Diese
beinhalten
zum
Beispiel
Links
zu
„Online-Sammlungen“
für
Visualisierungen, wie „MIKY“ oder „OLIVE“. Um die Visualisierungen nicht nur im Detail
darstellen zu können, sondern auch um einen konzeptionellen Überblick zu vermitteln, ist
es erforderlich deren Darstellung sinnvoll zu strukturieren. Ein oftmals verwendeter
Ansatz hierfür, ist die Klassifizierung anhand der zugrundeliegenden Daten der jeweiligen
Visualisierung. Daten, die visualisiert werden sollen, können sehr ungleich sein. Dabei
kann es sich ebenso um Messdaten bezüglich der jährlichen Flächenreduktion der
Polarkappen, um die Verbraucherdaten einer großen Handelskette als auch um das
Netzwerk der Pariser Metro oder die Baukomponenten eines Fahrzeugs handeln. Da
Visualisierungen Daten in visuelle Formate transformieren, ist es hilfreich in diesem
Zusammenhang einige Datentypen zu definieren, anhand derer die Klassifizierung
vorgenommen werden kann. Die Task by Data Type Taxonomy for Information
Visualization von Shneiderman unterscheidet insgesamt sieben mögliche Datentypen:
Ein-, Zwei-, Dreidimensional, Temporal, Multi-Dimensional, Tree und Network. Anhand
dieser Klassifizierung erfolgte die kurzgefasste Präsentation ausgesuchter Beispiele für
229
Visualisierungen, um die Einsatzmöglichkeiten von Visualisierungstechniken aufzuzeigen.
Die Auswahl der an dieser Stelle vorgestellten Visualisierungen fand dabei aufgrund des
Bekanntheitsgrades der jeweiligen Visualisierung, bzw. aufgrund der darin enthaltenen
Technik statt.
Der
Diskurs
zum
Thema
Visualisierung
schließt
mit
den
Ausführungen
zum
konzeptionellen Einsatz von Visualisierungstechniken. Wie bereits erwähnt, ist das
grundlegende Ziel von Visualisierungen der Nutzen für den Benutzer. Dieser hängt jedoch
individuell von der jeweiligen Situation ab, in welcher die Visualisierung eingesetzt wird
und ist demnach stark kontextspezifisch. Entsprechend ist der erfolgreiche Einsatz einer
Visualisierung mit einer Reihe von Faktoren verbunden. Mann und Reiterer identifizierten
in der 5T-Environment insgesamt fünf Hauptfaktoren, welche den Nutzen bzw. Erfolg von
Visualisierungen beeinflussen. Diese sind: „Target user group“, „Type and number of
data“, „Task to be done“, „Technical possibilities“ und „Training“. Der Einsatz von
Visualisierungstechniken muss daher immer für jede Situation hinsichtlich der genannten
Faktoren individuell geprüft und den gegebenen Anforderungen entsprechend angepasst
werden. Ein Konzept, welches jedoch lediglich die einzelnen Visualisierungstechniken und
ihre Daten berücksichtigt - also die einzelnen Visualisierungstechniken vom ihrem
Kontext trennt - wird daher als kritisch betrachtet. Die Erstellung eines solchen
Konzeptes für den sinnvollen Einsatz von Visualisierungen mit allgemeingültigem
Charakter war an dieser Stelle und in diesem Sinne also nicht möglich. Jedoch kann nicht
generell ausgeschlossen werden, dass eine weitere Beschäftigung mit der Thematik der
Visualisierung von Daten, mehr Zusammenhänge zwischen Visualisierungstechniken und
sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln bezüglich der Verwendung von
Visualisierungstechniken ableiten zu können.
Eine Hilfestellung bei der Auswahl von Visualisierungstechniken kann jedoch bereits jetzt
schon anhand der Task by Data Type Taxonomy (TTT) for Information Visualization von
Shneiderman und der darauf basierenden Präsentation der Beispielvisualisierungen
gegeben werden. Demnach kann durch Zuordnung der Ausgangsdaten zu dem
entsprechenden Datentyp, die Auflistung der Beispielvisualisierungen, welche basierend
auf dieser Klassifizierung erstellt wurde, gewissermaßen als Orientierungshilfe für die
Auswahl von Visualisierungstechniken dienen.
Die Verknüpfung der theoretischen Rechercheergebnisse zum Praxisbezug der MB OnlineWelt erfolgt anhand einer Diskussion hinsichtlich diverser Visualisierungsmöglichkeiten
dreier ausgesuchter Settings aus dem Webauftritt von Mercedes-Benz Deutschland.
Dabei
werden
zunächst
die
spezifischen
Settings,
bei
denen
es
sich
um
die
Repräsentation der „Klassenwelt (PKW)“, der „Standard- und Sonderausstattungen
(PKW)“ und um die „Ergebnisdarstellung der Gebrauchtwagensuche (PKW)“ handelt, kurz
in ihrer derzeitigen Darstellungsform, also dem Ist-Stand vorgestellt. Anschließend
230
erfolgt die Analyse der Settings hinsichtlich der fünf Faktoren der 5T-Environment,
welche bereits zuvor für den Erfolg einer Visualisierung als maßgeblich verantwortlich
identifiziert wurden. Basierend auf diesen Erkenntnissen wurde zunächst eine Reihe von
Visualisierungen hinsichtlich der ermittelten Anforderungen überprüft. Diese Auswahl von
Visualisierungen wurde dann in einem weiteren Schritt hinsichtlich ihrer Eignung in Bezug
auf die ausgewählten Settings aus der MB Online-Welt beurteilt, woraus sich auch
Empfehlungen hinsichtlich der aktuellen Designstudien der MB Online-Welt ergaben. Da
im Rahmen dieser STAR nicht alle Visualisierungsmöglichkeiten präsentiert werden
können, wurden einige aus dieser Auswahl exemplarisch vorgestellt und diskutiert. Ziel
dabei ist es, einen Eindruck zu vermitteln, wie der Einsatz von Visualisierungen in der MB
Online-Welt möglicherweise aussehen könnte. Die Diskussion hat gezeigt, dass es
oftmals eine Vielzahl an Visualisierungsmöglichkeiten für ein und denselben Datensatz
gibt. Dabei birgt jede Visualisierungsform sowohl Vor- als auch Nachteile in sich. Häufig
gibt es nicht „die“ richtige Lösung an sich. Vielmehr existieren oftmals mehrere, durchaus
sinnvolle Möglichkeiten, einen Datensatz zu visualisieren. Die Faktoren der 5TEnvironment helfen zwar Visualisierungen auszuschließen, führen aber nicht zwangsläufig
zu einer einzelnen Lösung. Daher empfiehlt es sich, die Festlegung auf eine bestimmte
Visualisierungsform anhand mehrerer Faktoren, wie die der 5T-Environment, abzuwägen
und mittels Benutzerumfragen und –tests die Entscheidung zusätzlich zu unterstützen.
231
7. Ausblick
„The real voyage of discovery consists not in seeking new landscapes
but in having new eyes.“
[Proust]
Der abschließende Teil der STAR beinhaltet, basierend auf den Erkenntnissen der
vorangegangenen Recherchen, Prognosen über zukünftige Entwicklungen und Tendenzen
im Bereich der Visualisierung von Daten.
Wie in der State-of-the-Art Analyse gezeigt, stellt die Thematik der Visualisierung von
Daten
schon
heute
einen
sehr
umfassenden
Bereich
mit
verschiedenartigsten
Ausprägungen dar. Information hat es schon immer gegeben und wird es immer geben.
Stellt sich also die Frage, wie sieht die Darstellung von Information in Zukunft aus und
entsprechend, wie entwickelt sich der Bereich der Visualisierung von Daten weiter.
Maßgeblich beteiligt an der Fortentwicklung von Visualisierungen ist sicherlich die
technologische Komponente. So werden neue Formen von Displays, wie zum Beispiel von
PDAs oder Mobilfunktelefonen, Computer mit mehr Rechenleistung und höheren
Speicherkapazitäten oder auch höhere Datenübertragungsraten einen starken Einfluss
auf kommende Generationen von Visualisierungen haben. Auch neuartige Technologien
wie Virtual Reality oder Immersive Environments eröffnen neue Möglichkeiten für die
Visualisierung von Daten. Bislang ist die Entwicklung von Visualisierungen jedoch noch
weitestgehend auf den Sektor der wissenschaftlichen Forschung beschränkt, wenn auch
auf mehrere Disziplinen. In Zukunft wird sich dies sicherlich ändern. Visualisierungen
dringen in immer mehr Anwendungsbereiche vor und eröffnen sich damit auch
zunehmend dem Normalverbraucher. Damit wandeln sich Visualisierungen von den
Fachanwendungen zum Konsumgut, wodurch sich ein großer Markt an potentiellen
Nutzern eröffnet. Entsprechend dringen auch immer mehr Firmen, welche sich mit der
Visualisierung von Daten beschäftigen in den Markt vor. Die Folge davon ist, dass sich die
Entwicklung von Visualisierungen zunehmend aus dem theoretischen, Prototyp-basierten
Forschungsbereich in anwendbare Applikationen hinausbewegt. Dabei werden vermehrt
bereits existierende Techniken zur Visualisierung von Daten verwendet und neue im
Zusammenhang mit bestimmten Applikationen entwickelt. Wie auch in der STAR
gesehen, existiert bereits eine immense Vielzahl an verschiedenartigen Techniken zur
Visualisierung
von
Daten.
Diese
stellen
sozusagen
einen
großen
Pool
an
Visualisierungsideen dar, welche wiederum für andere Visualisierungen eingesetzt werden
können (vgl. VizBox). Die Fokussierung auf Applikationen hilft dabei fehlende Techniken
232
zu ermitteln und den Wert bestehender zu bestimmen. Auch der kombinierte Einsatz von
verschiedenartigen Visualisierungstechniken in einer Applikation ermöglicht es eine breite
Benutzerbasis zu erreichen. [CMS 1999] Diese Öffnung zur breiten Masse bringt aber
auch eine Veränderung der Visualisierungen selbst mit sich. Denn entsprechend der
Äußerung von Edward Tufte: „The world is complex, dynamic, multidimensional...” stellt
sich auch die Welt der Visualisierungen als komplex, dynamisch und multidimensional
dar. D.h. es gibt aufgrund der großen Vielfalt an verschiedenartigen Visualisierungen
auch
entsprechend
viele
unterschiedliche
Schwierigkeitsgrade
hinsichtlich
der
Komplexität der Visualisierungen. So äußerte sich auch Colin Ware: „It can be just as
hard to learn to read some diagrams as it is to learn to read written language.“ Da der
der
Fokus
der
Entwicklung
von
Visualisierungen
zukünftig
vermehrt
auf
dem
Normalverbraucher liegen wird, hat dies auch Einfluss auf die Komplexität der
Visualisierungen. Dennoch muss man auch beachten, dass ein vermehrter Einsatz von
Visualisierungen im alltäglichen Umfeld auch die Vertrautheit mit Visualisierungen erhöht.
Visuelle Repräsentationen von Information mögen anfangs ungewohnt und nur schwer
verständlich erscheinen, können sich aber bei regelmäßigem Gebrauch nahtlos in den
Alltag integrieren. So stellt selbst Schrift nichts weiter als visuell kodierte Information
dar. Ist sie einmal erlernt, fügt sie sich nahtlos in den alltäglichen Gebrauch ein und ihre
Verwendung wird als selbstverständlich erachtet. Die Dekodierung der Schriftzeichen
stellt lediglich eine Frage des Gewohnheitsfaktors dar, unabhängig davon, um welche
Sprache es sich dabei handelt.
Die Thematik der Visualisierung von Daten birgt also auch zukünftig ein hohes Potential.
Doch worin liegt das Ziel zukünftiger Visualisierungen? Die essentielle Frage, welche sich
laut [CMS 1999] stellt, heißt: „What new things could we now do with this technology
that were previously unthinkable?“ Denn ebenso wichtig, wie die technologischen Details
von Visualisierungstechniken zu kennen ist es, die Natur informationsintensiver Aufgaben
(Tasks) zu verstehen. Ohne Berücksichtigung des Kontexts würden Visualisierungen zu
ihrem bloßen Selbstzweck entwickelt. Der Bereich der Information Visualization würde
sich so zu einer Ansammlungen von Techniken entwickeln, welcher zwar nette Bilder
erzeugt, für diese dann aber erst nach einer Verwendung suchen muss. Wahrer
Fortschritt bei der Visualisierung von Daten entsteht laut [CMS 1999] nur durch ein
tiefgreifendes Verständnis dafür, wie bestimmte Aktivitäten entscheidend unterstützt
werden können, bzw. durch ein tiefgreifendes Verständnis für die Interaktion zwischen
externer Kognition, Information und menschlicher (innerer) Kognition. [CMS 1999]
233
In einer Welt, welche bereits heute schon aus einem gewaltigen Netzwerk aus
Information und ihren verschiedenartigen Medien besteht, wird die Visualisierung von
Daten und respektive die Information Visualization in Zukunft ein Herzstück der neuen
Technologie für Human Interfaces darstellen. Die Information Visualization trägt das
Potential in sich die mentale Vorstellungskraft des Menschen durch Visionen um ein
Vielfaches zu erweitern. [CMS 1999]
“A picture is worth ten thousand nodes.”
[Stuart Card, Jock Mackinlay, Ben Shneiderman]
234
8. Quellenverzeichnis
[AB 1998]
Alonso, O.; Baeza-Yates, R. A. (1998): A model for visualizing large
answers in WWW retrieval. In: Proceedings SCCC’98. 18th
International Conference of the Chilean Society of Computer
Science. Conference: Antofogasta, Chile, November 9-14 1998. Los
Alamitos, CA (IEEE Comput. Soc.) 1998. p. 2-7.
[And 1995]
Andrews, K. (1995): Visualising Cyberspace: Information
Visualisation in the Harmony Internet Browser. In: Gershon,
Nahum; Eick, Stephen G. (Eds.): Proceedings of IEEE Information
Visualization 1995. Conference: Atlanta, GA, October 30-31 1995.
Los Alamitos, CA (IEEE Computer Soc. Press) 1995. p. 97-104.
[AS 1994a]
Ahlberg, C.; Shneiderman, B. (1994): Visual Information Seeking
Using the Filmfinder. Conference Companion of CHI`94, ACM
Conference on Human Factors in Computing Systems. 433.
[AS 1994b]
Ahlberg, C.; Shneiderman, B. (1994): Visual Information Seeking:
Tight Coupling of Dynamic Query Filters with Starfield Displays.
Proceedings of CHI’94, ACM Conference on Human Factors in
Computing Systems, New York. 313-317.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/3131html/3131.html (April 2004)
[Bae 1996]
Baeza-Yates, R.A. (1996): Visualizing large answers in text
databases. In: AVI 1996: International Workshop on Advanced
Visual Interfaces. Conference: Gubio, Italy, May 27-29 1996. New
York (ACM Press) 1996. p. 101-107.
[BC 1987]
Becker, R.A.; Cleveland, W.S. (1987): Brushing Scatterplots.
Technometrics, 29, 127-142.
[BCC 2004]
Bederson, B.B.; Clamage, A.D.; Czerwinski, M.P.; Robertson, G.R.
(2004): DateLens: A Fisheye Calendar Interface for PDAs. ACM
TOCHI 2004.
235
[BCR 2002]
Bederson, B.B.; Czerwinski, M.P.; Robertson, G.R. (2002): A
Fisheye Calendar Interface for PDAs: Providing Overviews for Small
Displays. HCIL Tech Report #HCIL-2002-09.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/2002-09html/2002-09.pdf (April 2004)
[BCS 1996]
Becker, R.A.; Cleveland, W.S.; Shyu, M-J (1996): The design and
control of Trellis display. Journal of Computational and Statistical
Graphics, 5, 123-155.
[Bek 1999]
Bekavac, B. (1999): Hypertextgerechte Suche und Orientierung im
WWW. Ein Ansatz unter Berücksichtigung hypertextspezifischer
Struktur- und Kontextinformation. Universität Konstanz, Fachgruppe
Informatik und Informationswissenschaft, Dissertation 1999.
[Ber 1967]
Bertin, J. (1967): Sémiologie Graphique. Paris: Editions GauthierVillars. Deutsche Übersetzung von Jensch, G.; Schade, D.; Scharfe,
W.: Graphische Semiologie.Diagramme – Netze - Karten. Berlin:
Walter de Gruyter, 1974.
[Ber 1977]
Bertin, J. (1977): La Graphique et le Traitement Graphique de
l’Information. Paris: Flammarion. Deutsche Übersetzung von Scharf,
W.: Graphische Darstellungen. Graphische Verarbeitung von
Information. Berlin: New York: de Gruyter, 1982.
[BFL 1985]
Bly, S.A.; Frysinger, S.P.; Lunnery, D.; Mansur, D.L.; Mezrich, J.J.;
Morrison, R.C. (1985): Communication with sound. Human Factors
in Computing Systems: CHI 85 Conference Proceedings. New York:
ACM Press, 115-119.
[BFO 1984]
Breiman, L. ; Friedman, J.H.; Olshen, R.A.; Stone, J.C. (1984):
Classification and Regression Trees. Belmont, CA: Wadsworth.
[BH 1994]
Bederson, B.B.; Hollan, J. D. (1994): PAD++: A zooming graphical
user interface for exploring alternate interface physics In: UIST 94:
7th ACM Symposium on User Interface Software and Technology
New York (ACM press) 1994. p. 17-27.
URL: http://www.cs.umd.edu/hcil/pad++/papers/uist-94-pad/uist94-pad.pdf (April 2004)
236
[BHP 1996]
Bederson, B.B.; Hollan, J. D.; Perlin, K. (1996): Pad++: A zoomable
graphical sketchpad for exploring alternate interface physics. In:
Journal of Visual Languages and Computing, 7 (1996) 1, p. 3-31.
[BG 2000]
Bryan, D.; Gershman, A. (2000): The Aquarium: A Novel User
Interface Metaphor for Large, Online Stores. In: Tjoa, A Min;
Wagner, Roland R.; Al-Zobaidie, Ala (Eds.): Proceedings 11th
International Workshop on Database and Expert Systems
Applications. Conference: Greenwich, London, United Kingdom,
September 4-8 2000. Los Alamitos, CA (IEEE Computer Society)
2000. p. 601-607.
[Bly 1983]
Bly, S.A. (1983): Interactive Tools for data exploration. Computer
Science and Statistics: Proceedings of the 15th Symposium on the
Interface, 255-259.
[Bor 1989]
Borgman, C.L. (1989): All users of information systems are not
created equal: An exploration into individual differences. In:
Information Processing & Management, 25 (1989) 3, p. 237-252.
[Brg 1990]
Bregman, A.S. (1990): Auditory Scene Analysis: The Perceptual
Organization of Sound. Cambrifge, MA: MIT Press.
[Bre 1994]
Brewer, C.A. (1994): Color use guidelines for mapping and
visualization. In A.M. MacEachren and D.R.F. Taylor (eds.),
Visualization in Modern Cartography, pp. 123-147. Oxford:
Pergamon Press.
[Bre 1996]
Brewer, C.A. (1996): Guidelines for selecting colors for diverging
schemes on maps. The Cartographic Journal, 33, 79-86.
[Bru 1978]
Bruckner, L.A. (1978): On Chernoff Faces. In P.C.C. Wang (Ed.),
Graphical Representation of Multivariate Data. New York: Academic
Press, pp. 93-121.
[BS 2003]
Bederson, B.B.; Shneiderman, B. (2003): The Craft of Information
Visualization. Readings and Reflections. San Francisco, CA (Morgan
Kaufmann) 2003.
[BSC 2001]
de Bruijn, O.; Spence, R.; Chong M.Y. (2001): RSVP Browser: Web
Browsing on Small Screen Devices. In Proceedings of the IHM-HCI
2001 workshop on Human Computer Interaction with Mobile
Devices: Mobile HCI'01 (Lille, September 2001).
237
[BSh 1995]
Brown, M.H.; Shillner, R.A. (1995): A New Paradigm for Browsing
the Web. Short Papers. In: Katz, Irvin R.; Mack, Robert L.; Marks,
Linn et al. (Eds.): CHI 1995: Conference Proceedings Human
Factors in Computing Systems. Conference: Denver, CO, May 7-11
1995. New York (ACM Press) 1995. p. 320-321.
[BSF 1994]
Bier, E.A.; Stone, M.C.; Fishkin, K. et al. (1994): A Taxonomy of
See-Through Tools. In: Adelson, B.; Dumais, S.; Olson, J. S. (Eds.):
CHI 1994: Conference Proceedings Human Factors in Computing
Systems. Conference: Boston, MA, April 24-28 1994. New York
(ACM Press) 1994. p. 358-364.
[BSG 1989]
Blattner, M.; Sumikawa, D.; Greenberg, R. (1989): Earcons and
icons: Theirstructure and common design principles. HumanComputer-Interaction, 4, 11-44.
[BSp 1999]
de Bruijn, O.; Spence, R. (1999): Rapid Serial Visual Presentation.
Video Production 1401, Imperial College Television Studio, London,
Imperial College.
URL: http://www.iis.ee.ic.ac.uk/~o.debruijn/rsvp.pdf (April 2004)
[BSp 2000]
de Bruijn, O.; Spence, R. (2000): Rapid Serial Visual Presentation:
A space-time trade-off in information presentation. In Proceedings
of Advanced Visual Interfaces, AVI’2000 (Palermo, Italy, May 2000).
URL: http://www.iis.ee.ic.ac.uk/~o.debruijn/avi2000.pdf
(April 2004)
[BP 1989]
Butler, D.M.; Pendley, M.H. (1989): A visualization model based on
the mathematics of fibre bundles. Computers in Physics, 3, 45-51.
[Car 1994]
Carr, D.B. (1994): Converting Tables to Plots. Technical Report No.
101, Center of Computational Statistics. Fairfax, VA: Georg Mason
University.
[Card 2003]
Card, S. (2003): Information Visualization. In: The humancomputer interaction handbook: fundamentals, evolving
technologies and emerging applications, Lawrence Erlbaum
Associates, Inc., p.544-582.
[Cas 1991]
Casner, S. M. (1991): A Task-Analytic Approach to the Automated
Design of Graphic Presentations. In: ACM Transactions on Graphics,
10 (1991) 2, p. 111-151.
238
[Cha 1993]
Chalmers, M. (1993): Using a Landscape to represent a corpus of
documents. In: Frank, A.; Caspari, I. (Eds.): Spatial Information
Theory. Proceedings of COSIT’93, European Conference on Spatial
Information Theory. Elba, Italy, September 1993 Berlin (Springer)
1993. p. 377-390.
[Cha 1995]
Chalmers, M. (1995): Design Perspectives in Visualising Complex
Information. In: Spaccapietra, Stefano; Jain, Ramesh (Eds.): Proc
3rd IFIP Visual Databases Conference (VDB.3). London (Chapman &
Hall) 1995. p. 103-111.
[Chi 2002]
Chi, E. H. (2002): Improving Web Usability Through Visualization.
IEEE Internet Computing: 64-71.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200205-Chi-IEEEIC-WebUsabilityViz.pdf (April 2004)
[CCF 1997]
Carpendale, M.S.T.; Cowperthwaite, D.J; Fracchia, F.D. (1997):
Extending distorsion viewing from 2D to 3D. IEEE Computer
Graphics and Applikations, 17, 42-51.
[CCK 1983]
Chambers, J.M.; Cleveland, W.S.; Kleiner, B.; Tukey, P.A. (1983):
Graphical Methods for Data Analysis. Monterey, CA: Wadsworth.
[CEH 1996]
Cox, K. C.; Eick, S. G.; He, T. (1996): 3D Geographic Network
Display. In: Sigmond Record, Volume 24, Number 4, December
1996.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
3D_copyright.pdf (April 2004)
[Che 1973]
Chernoff, H. (1973): The use of faces to represent points in kdimensional space graphically. Journal of the American Statistical
Association, 68, 361-368.
[Cle 1985]
Cleveland, W.S. (1985): The Elements of Graphing Data. Summit,
NJ: Hobart Press.
[Cle 1993]
Cleveland, W.S. (1993): A model of studing display methods of
statistical graphics (with discussion). Journal of Computational and
Graphical Statistics, 2, 323-343.
[Cle 1995]
Cleveland, W.S. (1995): Visualizing Data. Summit, NJ: Hobart
Press.
239
[CM 1988]
Cleveland, W.S.; McGill, M.E. (1988): Dynamic Graphics for
Statistics. Belmont, CA: Wadsworth.
[CMK 1988]
Carroll, J.M.; Mack, R.L.; Kellogg, W.A. (1988): Interface Metaphors
and User interface Design. In: Helander, Martin (Ed.): Handbook of
Human-Computer Interaction Amsterdam (North-Holland) 1988. p.
67-85.
[CMS 1999]
Card, S.K.; Mackinlay, J.D.; Shneiderman, B. (1999): Readings in
Information Visualization. Using Vision to Think. San Francisco, CA
(Morgan Kaufmann) 1999.
[COC 1998]
Carr, D.B.; Olsen, A.R.; Courbois, J-Y.P.; Pierson, S.M.; Carr, D.A.
(1998): Linked micromap plots: Named and described. Statistical
Computing & Statistical Graphics Newsletter, 9, 24-32.
[COW 1992]
Carr, D.B. ; Olsen, A.R. ; White, D. (1992): Hexagon mosaic maps
for display of univariate and bivariate geographical data.
Cartography and geographic Information systems, 19, 228-236.
[Cox 1986]
Cox, P.R. (1986): Population pyramid. In S.Kotz and N.L. Johnson
(Eds.), Encyclopedia of Statistical Scienes, Vol.7. New York: John
Wiley & Sons, 113-116.
[CRY 1996]
Card, S.K.; Robertson, G.G.; York, W. (1996): The WebBook and
the Web Forager: An Information Workspace in the World Wide
Web. In: Tauber, M. J.; Bellotti, V.; Jeffries, R. et al. (Eds.): CHI
1996: Conference Proceedings Human Factors in Computing
Systems. Conference: Vancouver, BC, Canada, April 13-18 1998.
New York (ACM Press) 1996. p. 111-117.
URL: http://www.acm.org/sigchi/chi96/proceedings/papers/
Card/skc1txt.html (April 2004)
[CSC 1996]
Cowperthwaite, D.J.; Sheelagh, M.; Carpendale, T.; Fracchia, F.D.
(1996): Visual Access for 3D Data. CHI 96. Electronic Proceedings.
URL: http://www.acm.org/sigchi/chi96/proceedings/shortpap/
Cowperthwaite/djc.htm (April 2004)
[CW 1994]
Cook, R.D; Weisberg, S. (1994): An Introduction to Regression
Graphics. New York: John Wiley & Sons.
240
[CY 2000]
Chi, Ed H. (2000): A Taxonomy of Visualization Techniques Using
the Data State Reference Model. In: Roth, Steven F.; Keim, Daniel
A. (Eds.): Proceedings of IEEE Information Visualization 2000.
Conference: Salt Lake City, UT, October 9-10 2000. Los Alamitos,
CA (IEEE Computer Soc. Press) 2000. p. 69 -75.
[Dat 2004]
Projekt-Homepage der DateLens (2004)
URL: http://www.cs.umd.edu/hcil/datelens/ (April 2004)
[Dae 2003]
Däßler, R. (1999): Informationsvisualisierung. Stand, Kritik und
Perspektiven. In: Methoden/Strategien der Visualisierung in Medien,
Wissenschaft und Kunst, Wissenschaftlicher Verlag Trier (WVT).
URL: http://fabdp.fh-potsdam.de/daessler/paper/InfoVis99.pdf
(April 2004)
[DE 2001]
Dachselt, R.; Ebert, J. (2001): Collapsible Cylindrical Trees: A Fast
Hierarchical Navigation Technique. Proceedings of the IEEE
Symposium on Information Visualization (InfoVis 2001), San Diego,
Oktober 2001.
[DF 1977]
Dallal, G.; Finseth, K. (1977): Couble dual histograms. The
American Statistician, 31, 39-41.
[DFr 1998]
Dieberger, A.; Frank, A.U. (1998): A city metaphor for supporting
navigation in complex information spaces. In: Journal of Visual
Languages and Computing, 9 (1998) 6, p. 597-622.
[Die 1994]
Dieberger, A. (1994): Navigation in Spatial Information
Environments: User Interface Design Issues for Hypertext and VR
Systems. In: ECHT 94: European Conference on Hypertext
Technology. Conference: September 19-23 1994, Edinburgh,
Scotland.
http://www.mindspring.com/~juggle5/Archive/ECHT94.Poster.hand
out.html (April 2004)
[Ega 1988]
Egan, D.E. (1988): Individual differences in human-computer
interaction. In: Helander, Martin (Ed.): Handbook of HumanComputer Interaction Amsterdam (North-Holland) 1988. p. 543568.
241
[EGK 1999]
Eick, S.G.; Graves, T.L., Karr, A.F.; Marron, J.S.; Mockus, A.
(1999): Does Code Decay? Assessing the Evidence from Change
Management Data. IEEE Transactions of Software Engineering,
Vol.X, 100-111.
[Eic 1996]
Eick, S.G. (1996): Aspects of Networks Visualization. In: Computer
Graphics and Applications, Vol.16, No.2, pages 69-72, März 1996.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
netvis_copyright.pdf (April 2004)
[EK 1997]
Elzer, P.F.; Krohn, U. (1997): Visualisierung zur Unterstützung der
Suche in komplexen Datenbeständen. In: Fuhr, Norbert; Dittrich,
Gisbert; Tochtermann, Klaus (Eds.): Hypertext - Information
Retrieval - Multimedia 97: Theorien, Modelle und
Implementierungen integrierter elektronischer Informationssysteme.
Conference: Dortmund, Germany, October 29 - November 2 1997.
Konstanz (Universitätsverlag Konstanz) 1997. p. 27-38.
[ERG 1989]
Egan, D.E.; Remde, J.R.; Gomez, L.M. (1989): Formative DesignEvaluation of SuperBook. In: ACM Transactions on Information
Systems, 7 (1989) 1, p. 30-57.
[EW 1993]
Earnshaw, R.A.; Watson, D. (1993): Animation und Scientific
Visualization: Tools and Applications. New York: Academic Press.
[Fie 1979]
Fienberg, S. (1979): Graphical methods in statistics. The American
Statistician, 33, 165-178.
[Fis 1994]
Fisher, P.F. (1994): Animation and sound for the visualization of
uncertain spatial information. In H.H. Hearnshaw and D.J. Unwin
(Eds.), Visualization in geographical information systems. New York:
John Wiley & Sons, Inc., 181-185.
[FS 1995]
Fishkin, K.; Stone, M.C. (1995): Enhanced Dynamic Queries via
Movable Filters. In: Katz, Irvin R.; Mack, Robert L.; Marks, Linn et
al. (Eds.): CHI 1995: Conference Proceedings Human Factors in
Computing Systems. Conference: Denver, CO, May 7-11 1995. New
York (ACM Press) 1995. p. 23-29.
[Fur 1986]
Furnas, G.W. (1986): Generalized fisheye views. Human Factors in
Computing Systems: CHI 86 Conference Proceedings. New York:
ACM Press, 16-23.
242
[Gol 1997]
Golovchinsky, G. (1997): Queries? Links? Is there a Difference? In:
CHI 1997: Conference Proceedings Human Factors in Computing
Systems. Conference: Atlanta, GA, March 22-27 1997. New York
(ACM Press) 1997. p. 407-413.
[GC 1997]
Golovchinsky, G.; Chignell, M.H. (1997): The Newspaper as an
Information Exploration Metaphor In: Journal of Information
Processing & Management, 33 (1997) 5, p. 663-683.
[Gol 1997a]
Golovchinsky, G. (1997): From Information Retrieval to Hypertext
and Back Again: The Role of Interaction in the Information
Exploration Interface. University of Toronto, Graduate Department
of Mechanical and Industrial Engineering, PhD Thesis 1997.
[Gol 1997b]
Golovchinsky, G. (1997): What the Query Told the Link: The
Integration of Hypertext and Information Retrieval. In: Bernstein,
Mark; Carr, Les; Østerbye, Kasper (Eds.): Hypertext 1997:
Proceedings of the Eigth ACM Conference on Hypertext. Conference:
University of Southampton, United Kingdom, April 6-11 1997. New
York (ACM Press) 1997. S. 67-74.
[GS 1992]
Guinan, C.; Smeaton, A.F. (1992): Information Retrieval from
Hypertext using Dynamically Planned Guided Tours. In: Hypertext
1992 / ECHT 1992: European Conference on Hypertext Technology.
Conference: Milan, Italy, November 30 - December 4 1992. New
York (ACM Press) 1992. p. 122-130.
[HA 1987]
Hammond, N.V.; Allinson, L.J. (1987): The travel Metaphor as
design principle and training aid for navigating around complex
systems. In: Diaper, D.; Winder, R. (Eds.): HCI ‚87, People and
Computers III (=British Computer Society Conference Series.)
p. 75-90.
[Har 1972]
Hartigan, J.A. (1972): Direct Clustering of a data matrix. Journal of
the American Statistical Association, 67, 123-129.
[Har 1975]
Hartigan, J.A. (1975): Printer graphics for clustering. Journal of
Statistical Computation and Simulation, 4, 187-213.
[HDW 1995]
Hendley, R.J.; Drew, N.S.; Wood, A.M.; Beale, R. (1995): Narcissus:
Visualising Information.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
narcissus.pdf (April 2004)
243
[Hea 1995]
Hearst, M.A. (1995): TileBars: Visualization of Term Distribution
Information in Full Text Information Access. CHI 95 Conference
Proceedings.
URL: http://www.acm.org/sigchi/chi95/Electronic/documnts/
papers/mah_bdy.htm (April 2004)
[Hea 1999]
Hearst, M.A. (1999): User Interfaces and Visualization. In: BaezaYates, Ricardo A.; Ribeiro-Neto, Berthier (Eds.): Modern Information
Retrieval. Reading, MA (Addison Wesley Longman) 1999. p. 257324.
[HC 1986]
Henderson, D. A.; Card, S.K. (1986): Rooms: The Use of Multiple
Workspaces to Reduce Space Contention in a Window-Based
Graphical User Interface. In: ACM Transactions on Graphics, 5
(1986) 3, p. 211-243.
[HHH 1998]
Hetzler, B; Harris, W. M.; Havre, S.; Whitney, P. (1998): Visualizing
the Full Spectrum of Document Relationships. In: Structures and
Relations in Knowledge Organization. Proc. 5th Int. ISKO Conf.
Wurzburg: ERGON Verlag, 1998. pp. 168-175.
URL: http://www.pnl.gov/infoviz/isko.pdf (April 2004)
[HK 1981]
Hartigan, J.A.; Kleiner, B. (1981): Mosaics for contingency tables. In
Computer Science and Statistics: Proceedings of the 13th
Symposium on the Interface, 268-273.
[HK 1984]
Hartigan, J.A.; Kleiner, B. (1984): A mosaic of television ratings.
The American Statistician, 38, 32-35.
[HM 1990]
Haber, R.B.; McNabb, D.A. (1990): Visualization idioms: A
conceptual model for scientific visualization systems. In
G.M.Nielson, B.D. Shriver, and L.J. Rosenblum, (Eds.), Visualization
in scientific Computing, pp. 75-93. Los Alamitos, CA: IEEE Computer
Society Press.
[Hol 1994]
Hollander, A.J. (1994): An exploration of virtual auditory shape
perception. Unpublished Master’ thesis, Engineering, University of
Washington.
[Hot 2004]
Projekt Homepage von Hot Sauce (2004)
URL: http://www.eastgate.com/squirrel/HotSauce.html (April 2004)
244
[Hub 1972]
Huber, P.J. (1972): Robust statistics: A review. Annals of
Mathematical Statistics, 43, 1041-1067.
[HWM 1998]
Hetzler, B.; Whitney, P.; Martucci, L., Thomas, J. (1998): Multifaceted Insight Through Interoperable Visual Information Analysis
Paradigms. In Proceedings of IEEE Symposium on Information
Visualization, InfoVis '98, October 19-20, 1998, Research Triangle
Park, North Carolina. pp.137-144.
URL: http://www.pnl.gov/infoviz/insight.pdf (April 2004)
[Ins 1984]
Inselberg, A. (1984): The plane with parallel coordinates. The Visual
Computer, 1, 69-91.
[JL 1966]
Julesz, B.; Levitt, H. (1966): Spatial chords. Journal of the
Acoustical Society of America, 40, 1253.
[JS 1995]
Jog, N.K. (1995); Shneiderman, B. (1995): Starfield Information
Visualization with Interactive Smooth Zooming. Aus: Spaccapietra,
Stefano; Jain, Ramesh (Eds.): Visual Database Systems 3, Visual
Information Management, Proceedings of the third IFIP 2.6 working
conference on visual database systems. Conference: Lausanne,
Switzerland, March 27-29 1995. London (Chapman & Hall) 1995.
p. 3-14.
[JoS 1991]
Johnson, B., Shneiderman, B. (1991): Treemaps: a space-filling
approach to the visualization of hierarchical information structures.
Proc. of the 2nd International IEEE Visualization Conference (San
Diego, Oct. 1991) 284-291. Also Sparks of Innovation in HumanComputer Interaction, Shneiderman, B., Ed., Ablex (June 1993)
309-322. CS-TR-2657 , CAR-TR-552, SRC-92-62.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/91-06html/91-06.html (April 2004)
[Jul 1965]
Julesz, B. (1965): Texture and visual perception. Scientific
American, 212, 38-48.
[Jul 1971]
Julesz, B. (1971): Foundations of Cyclopean Perception. Chicago:
University of Chicago Press.
[Jul 1975]
Julesz, B. (1975): Experiments in the visual perception of texture.
Scientific American, 232, 34-43.
245
[Jul 1981]
Julesz, B. (1981): Figure and ground perception in briefly presented
isodipole textures. In M. Kubovy and J.R. Pomerantz (Eds.),
Perceptual Organization, pp. 119-139. Hillsdale, NJ: Lawrence
Erlbaum.
[Koh 1998]
Kohonen, T. (1998): Self-organization of very large document
collections: State of the art. In: Niklasson, Lars; Bodén, Mikael;
Ziemke, Tom (Eds.): Proceedings of ICANN98, the 8th International
Conference on Artificial Neural Networks. Conference: Skövde,
Sweden, 1998 September 2-4 Springer (London) 1998. p. 65-74,
vol. 1.
[Kos 1994]
Kosslyn, S.M. (1994): Elements of Graph Design. New York: W.H.
Freeman.
[Kos 1985]
Kosslyn, S.M. (1985): Graphics and human information processing:
A review of five books. Journal of the American Statistical
Association, 80, 499-512.
[Kra 1994]
Kramer, G. (Ed.) (1994): Auditory Display: Sonification, Ausification
and Auditory Interfaces. Reading: MA: Addison-Wesley.
[KRM 2003]
Klein P., Reiterer H., Müller, F., Limbach, T. (2003): Metadata
Visualization with VisMeB. 2003 IV03, 7th Intenational Conference
on Information Visualization.
URL: http://hci.uni-konstanz.de/downloads/pk-hr-fm-tl_iv_2003.pdf
(April 2004)
[Kro 1995]
Krohn, U. (1995): Visualization of navigation retrieval in virtual
information spaces. In: CIKM 1995: Conference on Information and
Knowledge Management. Workshop on New Paradigms in
Information Visualization and Manipulation. Conference: Baltimore,
MD, December 2 1995.
http://www.cs.umbc.edu/~cikm/1995/npiv/uwe/paper.ps
(April 2004)
[Kru 1979]
Krumhansl, C.L. (1979): The psychological representation of musical
pitch in a tonal context. Cognitive Psychology, 11, 346-374.
[Kry 1994]
Krygier, J.B. (1994): Sound and Geographic Visualization. In Alan
McEachren and D.R.F. Taylor (Eds.), Visualization in Modern
Cartography, New York: Pergamon Press, 149-166.
246
[LA 1994]
Leung, Y.K.; Apperly, M.D. (1994): A review and taxonomy of
distorsion-oriented presentation techniques. ACM Transactions on
CHI, 1, 126-160.
[Len 1974]
Lenstra, J.K. (1974): Clustering a data array and the traveling
salesman problem. Operations Research, 22, 413-414.
[Lib 2004]
Projekt-Homepage libViewer (2004)
URL: http://www.ifs.tuwien.ac.at/~andi/somlib/libviewer.html
(April 2004)
[Lin 1998]
Lin, X. (1998): “Information Visualization: Ten Years in Review”.
URL: http://research.cis.drexel.edu/~xlin/presentations/iv.ppt
(April 2004)
[Ling 1973]
Ling, R.F. (1973): A computer generated aid for cluster analysis.
Communications of the ACM, 16, 355-361.
[LS 1989]
Lewandowsky, S.; Spence, I. (1989): Discriminating strata in
scatterplots. Journal of the American Statistical Association, 84,
682-688.
[LRP 1995]
Lamping, J.; Rao, R.; Pirolli, P. (1995): A Focus + Context
Technique Based on Hyperbolic Geometry for Visualizing Large
Hierarchies. ACM Conference on Human Factors in Computing
Systems (CHI '95), Denver, Colorado.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/
UIR-1995-04-Lamping-CHI95-FocusContext.pdf (April 2004)
[LS 1991]
Levine, M.W. ; Shefner, J.M. (1991): Fundamentals of Sensation
and Perception (2nd ed.). Belmont, CA: Brooks/Cole.
[LSp 1997]
Lam, K.; Spence, R. (1997 ): Image Browsing – a space-time trade
off. Proceedings INTERACT’97, pp. 611-612.
[Mac 1995]
MacEachren, A.M. (1995): How Maps Work. New York: The guilford
Press.
[Mal 1992]
Maling, D.H. (1992): Coordinate Systems and Map Projections.
Oxford: Pergamon Press.
247
[Man 2002]
Mann, T.M. (2002): Visualization of search results from the World
Wide Web. (Dissertation, Universität Konstanz)
URL: http://www.ub.uni-konstanz.de/kops/volltexte/2002/751/
(April 2004)
[Mar 1997]
Marchionini, G. (1997): Information Seeking in Electronic
Environments. Cambridge (Cambridge University Press) 1997.
[MFS 1984]
Mezrich, J.J.; Frysinger, S.; Slivjanovski, R. (1984): Dynamic
representation of multivariate time series data. Journal of the
American Statistical Association, 79, 34-40.
[MIK 2003]
Online-Sammlung für Visualisierungen (2003)
URL: http://www.imv.is.ocha.ac.jp/~miky/ (November 2003)
[ML 1997]
Morse, E.L.; Lewis, M. (1997): Why Information Retrieval
Visualizations Sometimes Fail. In: Proceedings of IEEE Conference
on Systems Man and Cybernetics 1997
http://www.itl.nist.gov/iaui/vvrg/emorse/papers/smc97.html
(April 2004)
[MR 2000]
Mann, T.M.; Reiterer, H. (2000): Evaluation of Different
Visualization of WWW Search Results. In: Tjoa, A Min; Wagner,
Roland R.; Al-Zobaidie, Ala (Eds.): Proceedings 11th International
Workshop on Database and Expert Systems Applications.
Conference: Greenwich, London, United Kingdom, September 4-8
2000. Los Alamitos, CA (IEEE Computer Society) 2000. p. 586-590.
URL: http://hci.uni-konstanz.de/downloads/
mann_reiterer_webvis00.pdf (April 2004)
[MRCa 1991]
Mackinlay, J.D.; Robertson, G.G.; Card, S.K. (1991): The
Perspective Wall: Detail and Context Smoothly Integrated. In:
Robertson, S. P.; Olson, G. M.; Olson, J. S. (Eds.): CHI 1991:
Conference Proceedings Human Factors in Computing Systems.
Conference: New Orleans, LA, April 27 - May 2 1991. New York
(ACM Press) 1991. p. 173-179.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199103-Mackinlay-CHI91-PerspectiveWall.pdf (April 2004)
248
[MRC 1995]
Mackinlay, J.D.; Rao, R.; Card, S.K. (1995): An organic user
interface for searching citation links. In: Katz, Irvin R.; Mack, Robert
L.; Marks, Linn et al. (Eds.): CHI 1995: Conference Proceedings
Human Factors in Computing Systems. Conference: Denver, CO,
May 7-11 1995. New York (ACM Press) 1995. p. 67-73.
[MSW 1992]
Mander, R.; Salomon, G.; Wong, Y.Y. (1992): ‚Pile’ metaphor for
supporting casual organization of information. In: Bauersfeld, P.;
Bennett, J.; Lynch, G. (Eds.): CHI 1992: Conference Proceedings
Human Factors in Computing Systems. Conference: Monterey, CA,
May 3-7 1992. New York (ACM Press) 1992. p. 627-634.
[Nie 1998]
Nielsen, J. (1998): Usability engineering. Boston, MA (AP
Professional) 1998.
[Nu 1991]
Nonogaki, H.; Ueda, H. (1991): FRIEND21 project: A construction of
21st century human interface. In: Robertson, S. P.; Olson, G. M.;
Olson, J. S. (Eds.): CHI 1991: Conference Proceedings Human
Factors in Computing Systems. Conference: New Orleans, LA, April
27 - May 2 1991. New York (ACM Press) 1991. p. 407-414.
[OB 1997]
Olson, J.M.; Brewer C.A. (1997): An evaluation of color selections to
accomodate map users with color-vision impairments. Annals of the
association of American Geographers, 87, 103-134.
[OLI 2003]
On-line Library of Information Visualization Environments (OLIVE),
University of Maryland (November 2003)
URL: http://otal.umd.edu/Olive/ (15.09.03)
[Pad 2004]
Projekt-Homepage Pad++ (2004)
URL: http://www.cs.umd.edu/hcil/pad++/ (April 2004)
[Pej 1989]
Pejtersen, A..M. (1989): A Library System for Information Retrieval
Based on a Cognitive Task Analysis and Supported by an Icon-Based
Interface. In: Belkin, Nicholas J.; van Rijsbergen, Cornelis J. (Eds.):
SIGIR 1989: Proceedings of the 12th International Conference on
Research and Development in Information Retrieval. Conference:
Cambridge, MA, June 25-28 1989. New York (ACM Press) 1989. p.
40-47.
249
[PF 2003]
Pirolli, P.; Fu, W.-T. (2003): SNIF-ACT: A model of information
foraging on the world wide web. Ninth International Conference on
User Modeling, Johnstown, PA.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200302-Pirolli-UM-SNIFACT.pdf (April 2004)
[PFR 2002]
Pirolli, P.; Fu, W.-T.; Reeder, R.; Card, S. K. (2002): A User-Tracing
Architecture for Modeling Interaction with the World Wide Web.
Advanced Visual Interfaces, Trento, Italy.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200207-Pirolli-AVI-UserTrace.pdf (April 2004)
[PNN 2004]
Homepage des Pacific Northwest National Laboratory (PNNL) (2004)
URL: http://www.pnl.gov/infoviz/ (April 2004)
[PR 1996]
Pirolli, P.; Rao, R. (1996): Table Lens as a Tool for Making Sense of
Data. Advanced Visual Interfaces Workshop, AVI '96, Gubbio, Italy.
URL: http://www2.parc.com/istl/projects/uir/pubs/
items/UIR-1996-06-Pirolli-AVI96-TableLens.pdf (April 2004)
[RC 1994]
Rao, R.; Card, S. (1994): The Table Lens: Merging Graphical
and Symbolic Representations in an Interactive Focus +
Context Visualization for Tabular Information. ACM
Conference on Human Factors in Software (CHI '94), Boston,
Massachusetts.
URL: http://www2.parc.com/istl/projects/uir/pubs/
items/UIR-1994-07-Rao-CHI94-TableLens.pdf (April 2004)
[RCL 1998]
Robertson, G.G.; Czerwinski, M.P.; Larson, K. et al. (1998):
Data mountain: using spatial memory for document
management. In: UIST 98: 11th ACM Symposium on User
Interface Software and Technology New York (ACM Press)
1998. p. 153-162.
[RA 1990]
Rogers, D.F.; Adams, J.A. (1990): Mathematical Elements for
Computer Graphics (2nd ed.). New York: McGraw-Hill.
[RIS 1994]
Resnick, P.; Iacovou, N.; Suchak, M. et al. (1994): GroupLens: An
open architecture for collaborative filtering of netnews. In: CSCW
94. Proceedings of the conference on Computer supported
cooperative work New York (ACM press) 1994. p. 175-186.
250
[RB 1999]
Rauber, A.; Bina, H. (1999): A Metaphor Graphics Based
Representation of Digital Libraries on the World Wide Web: Using
the libViewer to Make Metadata Visible In: Cammelli, Antonio; Tjoa,
A Min; Wagner, Roland R. (Eds.): Proceedings Tenth International
Workshop on Database and Expert Systems Applications.
Conference: Florence, Italy, September 1-3 1999. Los Alamitos, CA
(IEEE Computer Society) 1999. p. 286-290.
[RC 1994]
Rao, R.; Card, S.K. (1994): The Table Lens. Merging graphical and
symbolic representations in an interactive focus + context
visualization for tabular information. In: Adelson, B.; Dumais, S.;
Olson, J. S. (Eds.): CHI 1994: Conference Proceedings Human
Factors in Computing Systems. Conference: Boston, MA, April 24-28
1994. New York (ACM Press) 1994. p. 318-322.
[RCM 1993]
Robertson, G.G.; Card, S.K.; Mackinlay, J.D. (1993): Information
Visualization Using 3-D Interactive Animation. In: Communications
of the ACM, 36 (1993) 4, p. 56-71.
[RCM 1993a]
Robertson, G.G.; Card, S.K.; Mackinlay, J.D. (1993): Information
Visualization Using 3-D Interactive Animation. In: Communications
of the ACM, 36 (1993) 4, p. 56-71.
[RM 1993]
Robertson, G.G.; Mackinlay, J.D. (1993): The Document Lens. In:
UIST 93: 6th ACM Symposium on User Interface Software and
Technology. New York (ACM press) 1993. p. 101-108.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199308-Robertson-UIST93-DocumentLens.pdf (April 2004)
[RMC 1991]
Robertson, G.G.; Mackinlay; J.D.; Card, S.K. (1991): Cone Trees:
Animated 3D Visualizations of Hierarchical Information. ACM
Conference on Human Factors in Computing Systems (CHI '91) 189194.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199106-Robertson-CHI91-Cone.pdf (April 2004)
[RMO 1993]
Rose, D.E.; Mander, R.; Oren, T. et al. (1993): Content Awareness
in a File System Interface: Implementing the ‚Pile’ Metaphor for
Organizing Information. In: Korfhage, Robert R.; Rasmussen, Edie
M.; Willett, Peter (Eds.): SIGIR 1993: Proceedings of the 16th
Annual International ACM-SIGIR Conference on Research and
251
Development in Information Retrieval. Conference: Pittsburgh, PA,
June 27 - July 1 1993. New York (ACM Press) 1993. p. 260-269.
[SA 1982]
Spence, R.; Apperley, M..D. (1982): Data base navigation: An office
environment for the professional. In: Behavior and Information
Technology, 1 (1982) 1, p. 43-54.
[SB 1994]
Sarkar, M.; Brown, M.H. (1994): Graphical fisheye views.
Communications of the ACM, 37, 73-83.
[SBG 1990]
Smith, S.; Bergeron, R.; Grinstein, G. (1990): Stereophonic and
Surface sound Generation for Exploratory Data Analysis. Human
Factors in Computing Systems: CHI 85 Conference Proceedings.
New York: ACM Press, 125-132.
[SCB 1998]
Swayne, D.F.; Cook, D.; Buja, A. (1998): Xgobi: Interactive
dynamic data visualization in the X Window system. Journal of
Computational and Graphical Statistics, 7, 113-130.
[SCH 1975]
Slagel, J.R.; Chang, C.L.; Heller, S.R. (1975): A clustering and data
reorganization algorithm. IEEE Transactions on Systems, Man, and
Cybernetics, 5, 125-128.
[SFB 1994]
Stone, M..C.; Fishkin, K.; Bier, E.A. (1994): The Movable Filter as a
User Interface Tool. In: Adelson, B.; Dumais, S.; Olson, J. S. (Eds.):
CHI 1994: Conference Proceedings Human Factors in Computing
Systems. Conference: Boston, MA, April 24-28 1994. New York
(ACM Press) 1994. p. 306-312.
[She 1964]
Shepard, R.N. (1964): Circularity in judgments of relative pitch. The
Journal of the Acoustical Society of America, 36, 2346-2353.
[Shn 1991]
Shneiderman, Ben (1991): Visual User Interfaces for Information
Exploration. In: Proceeding of the 4th Annual Meeting of The
American Society for Information Sciences. Conference:
Washington, DC, October 27-31 1991. p. 379-384.
[Shn 1996]
Shneiderman, B. (1996): The Eyes Have It: A Task by Data Type
Taxonomy for Information Visualization. Proc. 1996 IEEE Conference
on Visual Languages, Boulder, Colo. (Sept. 3-6, 1996), 336-343.
[Shn 1998]
Shneiderman, Ben (1998): Designing the User Interface. Strategies
for Effective Human-Computer Interaction. 3rd edition Reading, MA
(Addison-Wesley) 1998.
252
[Shn 2001]
Shneiderman, B. (2001): Supporting Creativity with Advanced
nformation-Abundant User Interfaces. In Earnshaw, R., Guedj, R.,
Van Dam, A., Vince J. (eds.), Human-Centred Computing, Online
Communities, and Virtual Environments, Springer-Verlag, London
(2001), 469-480.
[SL 1991]
Spence, I.; Lewandowsky, S. (1991): Displaying proportions and
percentages. Applied Cognitive Psychology, 5, 61-77.
[Sny 1989]
Snyder, J.P. (1989): An album of map projections. US Geological
Survey: Professional Paper 1453.
[Spe 2001]
Spence, R. (2001): Information Visualization. Harlow, ACM Press
(Addison-Wesley) 2001.
[Stu 1998]
Stubblefield, W.A. (1998): Patterns of change in design metaphor a case study. In: Karat, Clare-Marie; Karat, John; Horrocks, Ian
(Eds.): CHI 1998: Conference Proceedings Human Factors in
Computing Systems. Conference: Los Angeles, CA, April 21-23
1998. New York (Addison-Wesley) 1998. p. 73-80.
[Tra 1991]
Travis, D. (1991): Effective Color Displays: Theory and Practice.
New York: Academic Press.
[TS 1992]
Tesler, J.D.; Strasnick, S..L. (1992): FSN: The 3D File System
Navigator. FSN (pronounced fusion) 3D File System Navigator for
IRIX developped 1992 by Joel D. Tesler and Steven L. Strasnick
from Silicon Graphics, Inc. Available via anonymous ftp at
ftp.sgi.com/~ftp/sgi/fsn (April 2004).;
http://www.sgi.com/fun/freeware/3d_navigator.html (April 2004)
[TSD 1996]
Tweedie, L.; Spence, R.; Dawkes, H.; Su, H. (1996): Externalising
Abstract Mathematical Models. CHI 96 Electronic Proceedings.
URL: http://www.acm.org/sigs/sigchi/chi96/proceedings/papers/
Tweedie/lt1txt.htm (April 2004)
[Tuf 1983]
Tufte, E.R. (1983): The Visual Display of Quanititive Information.
Cheshire, CT (Graphics Press) 1983.
[Tuf 1990]
Tufte, E.R. (1990): Envisioning Information. Cheshire, CT (Graphics
Press) 1990.
[Tuf 1997]
Tufte, E.R. (1997): Visual Explanations. Cheshire, CT (Graphics
Press) 1997.
253
[Tuk 1974]
Tukey, J.W. (1974): Mathematics and the picturing of data.
Proceedings of the InternationalCongress of Mathematicians.
Vancouver: BC., pp.523-531.
[Tuk 1977]
Tukey, J.W. (1977): Exploratory Data Analysis. Reading, MA:
Addison-Wesley.
[Wai 1997]
Wainer, H. (1979): Visual Relevations: Graphical Tales of Fate and
Deception from Napoleon Bonaparte to Ross Perot. New York:
Springer-Verlag.
[War 1999]
Ware, C. (1999): Information Visualization. Perception for Design.
San Francisco, CA (Morgan Kaufmann) 1999.
[Weg 1990]
Wegmann, E.J. (1990): Hyperdimensional data analysis using
parallel coordinates. Journal of the American Statistical Association,
85, 664-675.
[Wil 1979]
Wilkinson, L. (1979): Permuting a matrix to a simple pattern.
Proceedings of the Statistical Computing Section of the American
Statistical Association, 409-412.
[Wil 1999]
Wilkinson, L. (1999): The Grammar of Graphics. New York:
Springer, 1999.
[Wis 1999]
Wise, J.A. (1999): The Ecological Approach to Text Visualization. In:
Journal of the American Society for Information Science (JASIS), 50
(1999) 13, p. 1224-1233.
[WTP 1995]
Wise, J.A.; Thomas, J.J.; Pennock, K. et al. (1995): Visualizing the
Nonvisual: Spatial Analysis and Interaction with Information from
Text Documents. In: Gershon, Nahum; Eick, Stephen G. (Eds.):
Proceedings of IEEE Information Visualization 1995. Conference:
Atlanta, GA, October 30-31 1995. Los Alamitos, CA (IEEE Computer
Soc. Press) 1995. p. 51-58.
[YHM 1997]
Yamaguchi, T.; Hosomi, I.; Miyashita, T. (1997): WebStage: An
Active Media Enhanced World Wide Web Browser In: CHI 1997:
Conference Proceedings Human Factors in Computing Systems.
Conference: Atlanta, GA, March 22-27 1997. New York (ACM Press)
1997. p. 391-398.
254
[YS 1993]
Young, D.; Shneiderman, B. (1993): A graphical filter / flow model
for Boolean queries: An implementation and experiment. In: Journal
of the American Society for Information Science (JASIS), 44 (1993)
6, p. 327-339.
255