Visualization

Farbe kann als Label oder als Maßeinheit verwendet werden. Farbe kann auch die realität imitieren. Z.B. wird blau für Wasser und grün für Wiese verwendet. Zuletzt kann man Farbe als dekoratives mittel einsetzen.

• Farbe sollte einen angemessenen Kontrast zwischen Vorder- und Hintergrund bieten

• kanonische Farben lassen sich besser merken

• es sollte eine kleine Liste an Farben für das labeling verwendet werden

• große Flächen sollten weniger sättigung aufweisen als kleine Flächen

• rot/grün sollte im Zentrum der Grafik verwendet werden

• schwarz/weiß und gelb sollte mehr in den äußeren Regionen verwendet werden

• Farben sollten dazu verwendet werden Daten zu gruppieren bzw. suchen

Eine Farbskala ist eine Reihe von Farbtönen deren Abstände einheitlich sein sollten.

Vorteil: Die Sortierung der Farbsequenzen entspricht der der natürlichen Sinne

Nachteil: Es können nur zwischen 60 - 90 Farben wahrgenommen werden. Es kann zu Kontrastproblemen auf z.B. Projektoren kommen

• Regenbogen-Sequenz → contra: keine natürliche Sortierung, wahrnehmung von nicht gegebenen Grenzen

• Sättigung von niedrig nach noch

• Helligkeit von niedrig nach hoch

• rot nach grün

• neutrale Mitte und sättigung steigt zu den Enden an

• Die Repräsentation von Zahlen sollte proportional mit der verwendeten Maßeinheiten sein

• Es sollten klare, detaillierte und vollständige Beschriftungen verwendet werden

• Zeige variationen in den Daten nicht im Design

• es sollten nicht mehr Dimensionen dargestellt werden als in den Daten vorhanden

Als Chartjunk wird all dies in einem Diagramm bezeichnet was keinen Mehrwert bringt und eher stört.

• Muster als Hintergrund sorgt für Moire Effekt

• zu markante Gitterlinien die dafür sorgen dass Datenpunkte nicht abgelesen werden können

• The Duck - Die Grafik wurde so designed dass die Daten nebensächliche sind

Eine Serie an grafiken die die selbe Kombination an Variablen besitzen. Beispielsweise ein Matrix-Plot

• zwangsläufig vergleichbar

• Grafik mit hoher Dichte an Informationen

• effizient in der Interpretation

• n = 1, Univariat → Boxplot, Bargram, Pie-Chart, Line-Chart, Histogram

• n = 2, Bivariat → Scatter-Plot, Heatmap, 2D Histogram

• n = 3, Trivariat, 3D-Scatterplot, Scatter-Plot-Matrix (3 x 3 Plots), 2D Scatter-Plot with Glyphs

• n > 3, Multivariat, Scatter-Plot-Matrix (n x n Plots), Parallel Coordinate Plot, Star Glyphs

Ein Parallel Coordinate Plot kann für n-Dimensionale Daten verwendet werden, wobei jede Dimension eine Linie im Plot darstellt.

Bei vielen Dimensionen entsteht ein Wirrwar aus Linien. Durch Filtern / Brushing können die dargstellten Dimensionen minimiert werden.

Die visuelle Repräsentation von abstrakten Informationen und strukturen welche ein schnelles Verstehen erleichtern.

Es ist der Sinn mit der höchsten Bandbreite

(100 MBits/s e.g Ear < 100), schnell und parallel und es ist präattentiv.

Die vorbewusste, unterschwellige Wahrnehmung von Sinnesreizen

Usability, Daten so transformieren dass diese für den Betrachter nützlich sind, darstellung von Hochdimensionale Daten, Skalierung und Filterung von Daten

große Datensätze schlüssig machen, Informationen aus verschiedenen Blickwinkeln darstellen, Daten visuell vergleichbar machen, möglichst Geschichten mit den Daten erzählen

zeige Daten, vermeide Störung, viele Zahlen in wenig Raum bringen, große Datensätze schlüssig machen, das Auge ermutigen verschiedene Teile der Daten zu vergleichen

suche, überfliegen, analysieren (vergleichen, bewerten, kategorisieren) von Informationen

In SciVis ist die visuelle Darstellung meist schon anhand der Daten gegeben → Windkanal, MRT Daten. In InfoVis muss erstmal eine angemessene visuelle Darstellung entwickelt bzw. ausgedacht werden.

3 Stufen, kodieren, speichern und informationen Abrufen

• sensorisches Gedächtnis → Daten von Sensoren FIFO, bis zu 2 Sekunden verfügbar, Bsp. eine Uhr ablesen

• Kurzzeitgedächtnis → Hauptspeicher des Bewusstseins, kann bis zu 7 +- 2 Sachen behalten (Icon, Name, Term) z.B. Merken Sie sich die Telefonnummer

• Langzeitgedächtnis → Daten, Fakten, Modelle, Konzepte, Bilder, Verknüpfung und Schlussfolgerungen

Low-Level-Feature werden präattentiv wahrgenommen

• Form → Größe, Linienlänge, Linienorientierung, Linienbreite
• Farbe → Farbton, Sättigung
• Bewegung → Richtung, Flimmern

• Stufe 1 → präattentive Verarbeitung

  • Erkennung von Eigenschaften → Formen, räumliche Attribute, Orientierung, Farbe, Textur

  • parallele Verarbeitung → Milliarden neuronen extrahieren Informationen simultan

  • automatisches Eintreten → unabhängig vom Fokus

• Stufe 2 → langsame serielle Verarbeitung

  • Unterteilt ein visuelles Feld in kleinere Regionen und einfachere Muster z.B. Region mit der gleichen Farbe/Texture, gleichmäßige Umrisse

  • Objekterkennung

• Stufe 3

  • Informationsreduktion zu wenigen Objekten im visuellen Gedächtnis

  • wird genutzt zum Antworten und zu erstellen von visuellen Abfragen

  • Schnittstelle zu weiteren Untersystem → verknüpft mit Bildern o. Worten, Perception-to-Action

• Nachbarschaft → Elemente die näher aneinder sind, werden als zusammengehörig wargenommen
• Ähnlichkeit → Ähnliche Objekte werden eher als zusammengehörig erkannt als unähnlichere.  
• Geschlossenheit  → geschlossene Strukturen werden bevorzugt wahrgenommen
• Symmetrie   → symmetrische Strukturen werden bevorzugt wahrgenommen

Ist die Unfähigkeit änderungen festzustellen, wenn eine Szene unterbrochen wird (Stage 1 and Stage 3)