Informationsvisualisierung Flashcards

1
Q

Definition Informationsvisualisierung

A

Die Benutzung von Computer gestützten, interaktiven, visuellen Repräsentation von abstrakten Daten zur Erhöhung des Verständnis

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Abstrakte Daten

A

Daten, die keine inhärente räumliche Struktur haben und deswegen kein direktes Mapping zu geometrischen Formen ermöglicht

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Informationsdesign

A

Wie können wir abstrakte Daten in visuelle Repräsentation umwandeln, sodass wir immer noch die Bedeutung behalten und neue Informationen enthüllen?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Datentypen

A
  • 1D
  • Zeitreihen
  • 2D
  • 3D, multi-dimensionale/multivariante Daten
  • Hierarchien/Bäume
  • Netzwerke/Graphen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Visualisierungen für 1D

A
  • Kuchendiagramm
  • Balkendiagramm
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Kuchendiagramm Eigenschaften

A
  • Beliebt für Anteiledaten
  • Werte werden als Größe abgebildet, Größe der Teile - Winkel der Teile
  • Objekte als Farben abgebildet
  • Wertunterschiede schlecht erkennbar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Balkendiagramm Eigenschaften

A
  • Gut zum Werte vergleichen und abbilden
  • Werte werden auf die Größe abgebildet
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Zeitreihen Visualisierungen

A

Liniengraphik

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Liniengraphik Eigenschaften

A
  • Visualisierung von zeitbezogenen Daten
  • Klassische Visualisierung: Liniengraphik
  • Problem: Viele Zeitreihen
    -> Lösung: Wertefilter
  • Problem: Lange Zeitreihen
    -> Lösung: Zeitfilter
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Scatterplot Eigenschaften

A
  • Daten werden abgebildet auf Position X/Y Achse, Größe, Farbe
  • intuitiv, leicht lesbar
  • Probleme: Overplotting
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Multidimensionale Daten

A
  • 3,..,n Spalten mit Datenwerten
  • Werte über Objekte (Befragungen, Produktdaten)
  • Technik: Scatterplotmatrix, Parallele Koordinaten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Scatterplot Matrix

A
  • Alle Paare der Dimensionen als Scatterplots
  • Sind in Matrix nach abgebildeten Dimensionen angeordnet
  • Gut für paarweise Korrelationen/Abhängigkeiten
  • Beliebt in Statistik
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Scatterplot Matrix Probleme

A
  • Viele Dimensionen
  • Limitierter Platz für einzelne Scatterplots
  • Nur paarweise Abhängigkeiten sichtbar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Parallele Koordinaten Eigenschaften

A
  • Ideal: Koordinaten parallel zueinander (aus Punkt im Scatterplot wird eine Linie in parallelen Koordinaten)
  • Mehrere Dimensionen nebeneinander abgebildet
    -> Abhängigkeiten leicht sichtbar
  • Daten bei falscher (Achsen-)Anordnung nicht identifizierbar
  • Overplotting
    -> Lösung: Filter
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hierarchien Eigenschaften

A
  • Natürliche Art, Daten zu strukturieren bzw. zu organisieren
  • Graphen
  • Visualisierung: Node-Link Diagramm, Treemaps
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Node Link Diagramm Eigenschaften

A
  • Jeder Knoten 1 Punkt
  • Beziehungen als Linien
  • Horizontale Ebenen
  • Problem: Begrenzte Anzahl an Knoten und Ebenen (Positionierung)
    -> Lösungsansatz: Kreisangeordnete Knoten
17
Q

Eigenschaften Treemap - Slice and Dice Algorithmus

A
  • Rekursive Aufteilung eines Rechtecks anhand der Baumstruktur
    -> Beginnend mit der Wurzel
    -> Teile anhand der Teilbaumgrößen
    -> Alterniere zwischen horizontaler und vertikaler Aufteilung
18
Q

Eigenschaften Graphen/Netzwerke

A
  • Besteht aus Knoten und Kanten
  • Visualisierung: Node-Link Diagramm
19
Q

Eigenschaften Knoten Link Diagramm

A
  • Jeder Knoten 1 Punkt
  • Beziehung als Linie
  • Klassische intuitive Graphdarstellung
  • Gut um Pfade zu verfolgen
  • Herausforderung: Graph Layout
  • Kriterien:
    -> Wenig Kantenüberschneidung, möglichst gleich große Kanten, wenig Knotenüberlappung, klar deutliche Strukturen, große Graphen, Überlappungen von Kanten und Knoten bei großen Graphen
20
Q

Interaktionstechniken - View Transformations

A
  • Örtliche Anordnung von Informationen ändern
  • Navigieren
    -> Zooming, Panning, Reorganisation von Objekten auf dem Bildschirm
  • Highlighting
21
Q

Interaktionstechniken - Visual Mapping Änderungen

A
  • Datenauswahl für Abbildung
  • Farbschemaänderung
22
Q

Interaktionstechniken - Datentransformation

A
  • Daten hinzufügen
  • Daten filtrieren
  • Änderung der Datennormalisierung
  • Dateneditieren
23
Q

Interaktion

A
  • Erlaubt dem Benutzer die Daten aus verschiedenen Perspektiven zu sehen
  • Greift in die Schritte der Informationsvisualisierungspipeline ein
  • Visualisierung kann durch Nutzer angepasst und so auf sein Problem zugeschnitten werden