mirror of
https://github.com/jackyzha0/quartz.git
synced 2025-12-27 23:04:05 -06:00
39 lines
2.3 KiB
Markdown
39 lines
2.3 KiB
Markdown
---
|
||
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.
|
||
|
||
<a href="./Elective/Visual/IVVA/JSN_IVVA_Summary.pdf" target="_blank">Download</a>
|
||
|
||
**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.
|
||
|
||
<div style="text-align: center;">
|
||
<iframe src="./Elective/Visual/IVVA/JSN_IVVA_Summary.pdf" width="100%" height="600px" style="border: none;"></iframe>
|
||
</div> |