quartz/content/Elective/Visual/IVVA.md

title	tags	date	draft
Informationsvisualisierung und Visual Analytics	IVVA	2024-02-13	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.