--- title: "Informationsvisualisierung und Visual Analytics" tags: [IVVA] date: 2024-02-13 draft: false --- Eine Zusammenfassung der Inhalte der Vorlesung **Informationsvisualisierung und Visual Analytics** aus dem Wintersemester 2023/2024. Download **Inhalt:** 1. **Grundlagen der Informationsvisualisierung** - Visualisierung dient dazu, **Daten verständlich darzustellen und kognitive Prozesse zu unterstützen**. - **Anscombe’s Quartett** zeigt, dass numerische Daten ohne Visualisierung irreführend sein können. - Die richtige Wahl von **Visualisierungsformen** hängt von den Datenarten und Benutzerzielen ab. 2. **Datentypen und Visualisierungstechniken** - **Nominale Daten** (z. B. Kategorien, Namen) werden oft mit Farben oder Symbolen visualisiert. - **Ordinale Daten** (z. B. Rankings) können mit Balkendiagrammen dargestellt werden. - **Quantitative Daten** (z. B. Messwerte) werden durch Diagramme, Heatmaps oder Punktwolken visualisiert. 3. **Wahrnehmung und kognitive Prinzipien** - **Farbmodelle** wie **HSV** oder **CIE** beeinflussen die Wahrnehmung und Interpretation von Visualisierungen. - **Visuelle Hierarchien und Layouts** helfen, wichtige Informationen hervorzuheben. - **Regel Nr. 1**: Gute Visualisierungstechniken sind werkzeugartig und sollten zur Datennutzung passen. 4. **Interaktion in der Informationsvisualisierung** - Interaktionsmodi nach **Spence**: **Kontinuierliche, schrittweise, passive und gemischte Interaktion**. - **Shneiderman’s Mantra**: Überblick erhalten → Zoomen/Filtern → Details auf Anfrage. - **Brushing & Linking**: Mehrere Visualisierungen werden verknüpft, um verschiedene Perspektiven darzustellen. 5. **Visualisierung von großen und komplexen Datenmengen** - **Dimensionsreduktion**: PCA, LDA und MDS reduzieren komplexe Datensätze auf wesentliche Merkmale. - **Netzwerk- und Graphvisualisierung**: Knoten-Kanten-Diagramme, Force-Directed Layouts für komplexe Zusammenhänge. - **Heatmaps, Horizonplots und Small Multiples** helfen, Overplotting in Zeitserien zu vermeiden.