c2b_default

Visualisierung & Benutzerinteraktion

HLS

HLS

40
0.0 (0)
M. B.
Lernen
M. B.
Diese Lernkarten bieten einen umfassenden Überblick über die Visualisierung und Benutzerinteraktion auf Universitätsniveau. Sie decken Themen wie Datenvisualisierung, Interface Design und Benutzerzentriertes Design ab, wobei Schwerpunkte auf Visualisierungstechniken, Datentransformationen und der Erstellung effektiver Benutzeroberflächen liegen. Besonders hilfreich sind sie für Studierende und Fachleute, die lernen möchten, wie man komplexe Daten verständlich darstellt und nutzerfreundliche Interfaces gestaltet.
Karten
40
Lernende
1
Sprache
Deutsch
Kategorie
Informatik
Stufe
Universität
Erstellt / Aktualisiert
05.01.2020 / 13.01.2020
  • 1  / 40

Lernkarten

1. Was sind die Probleme der Datenvisualisierung?

  • Grosse Mengen komplexer Daten wachsen schneller als wir fähig sind sie zu analysieren
  • Wir wissen wie man Daten sammelt und speichert, aber wie bekommen wir etwas dabei raus?
  • Herausforderung: Daten effektiv verstehen und verwenden können

2. Was für verschiedene Visualisierungen von Wissen gibt es?

  • Data Visualization (Subject: Data)
    • Scientific Visualization (Data: space-time)
    • Information Visualization (Data: abstract)
  • Knowledge Visualization (Subject: ideas, concepts)

3. Wofür gibt es Data Visualization?

Analysis (Verstehen von unbekannten Dingen)

  • Erforschen, Hypothesen generieren, Wissen erweitern
  • Bestätigung: Hypothesen bestätigen, unsichtbares Sichtbar machen

Kommunikation (Bekannte Dinge kommunitieren)

  • Findings klar, präzise und effizient kommunizieren

4. Was ist Information Design?

  • Information so vorbereiten, dass sie effizient und effektiv von Menschen verwendet werden können
  • Der Fokus ist nicht dabei die Daten attraktiv zu präsentieren

5. Was ist wichtig beim Data Visualisieren? (Edward Tufte)

  • Above all, show the data
  • Reduce non-data ink
  • Maximize data to ink ration
  • Show data with clarity and precision

6. Was ist beim Interface Design wichtig?

Ein Interface kreieren, das die Benutzerinteraktion so einfach und effizient macht um ans Ziel zu kommen

7. Was ist die Visualization Pipeline?

Der Weg wie man von Daten zu einem Bild kommt

  • Transformation (Konvertieren der Daten in Grafik-Primitiven und dann in Bilder)
  • Repräsentation (Interne Datenstrukturen und Grafik-Primitiven)

8. Die 8 Schritte der Visualization Pipeline?

  1. Data Creation (Messen, simuliere, lesen, etc.)
  2. Raw Data (Visualization Data: Tolologie, Attribute, etc.)
  3. Data Enrichment (Interpolieren, filten, auswählen)
  4. Derived Data (Visualization Data: Tolologie, Attribute, etc.)
  5. Visualization Mapping (Darstellbare Objekte generieren mit Formen, Dimensionen etc.)
  6. Graphics Primitives (2D & 3D Grafik-Primitiven)
  7. Rendering (Bild produzieren mit Oberfläche, Volume, Licht etc.)
  8. Image (fertiges Bild)

9. Was ist ein Dataset

Eine Repräsentation von Daten

Hat eine Struktur (Geometrie, Topologie) und Attribute (Messwerte)

10. Was gibt es für Grids

Kartesische Grids

Reguläre Grids

Rectilinear Grids

Curvilinear Grids

11. Was gibt es für Datentransformationen?

Skalieren, verkleinern, rotieren, Translation, Warp, etc.

12. Was sind abstrakte Daten?

  • 1D: Text, Listen, Chronologien
  • 2D: Bilder, Karten, Layouts
  • 3D: Moleküle, Gebäude, Körper
  • Multi-dimensional: Tabellen, Statistiken, Datenbanken
  • Bäume: Directories, Organisationen, Aggregationen
  • Netzwerke: Kommunikation, Soziale Verbindungen, Biologische Pfade

13. Was ist die Herausforderung bei der Visualisierung von mehrdimensionalen Daten?

  • Repräsentation
  • Komplexität
  • Grösse

14. Ansätze zum Visualisieren von mehrdimensionalen Daten?

  • Overloading
    • Glyphs (Chernoff Faces, Stick Figures)
  • Parallelisieren
  • Multiplizieren
    • Small Multiples
    • Scatter Plot Matrix
  • Reduzieren
    • Multidimensionales Scaling
    • Principle Components Analysis

15. Was ist der Sinn von Information Visualization?

Grafische Repräsentation und UI zur Manipulation von grossen Datenmengen ermöglicht es den Benutzer Entdeckungen, Entscheidungen zu machen über Trends, Patterns, Gruppen oder einzelne Datenpunkte

16. Was ist ein VUI?

Ein GUI wo der Benutzer die Daten selbst interaktiv repräsentieren und analysieren kann

17. Was sind die Eigenschaften von RGB

  • Additives Modell der 3 Primärfarben
  • Nähe zur Maschine, funktioniert wie Display, Kameras aber nicht Drucker
  • Nicht sehr intuitiv
  • 1 Byte pro Farbe

18. Was sind die Eigenschafen von HSB

  • Farbe definiert durch Hue, Saturation, Brightness
  • Beschreibt die Verbindung zwischen Farben besser
  • Eher intuitiv
  • Braucht mehr Rechenpower
  • Manchmal auch HSV (Value)

19. Wie am besten farblich darstellen?

  • Farbe möglichst aussagekräftig machen
  • Nur 8-14 Farben können einfach unterschieden werden
  • Nur Ton ändern, nicht Helligkeit
  • Hohe Sättigung für kleine Flächen
  • Kleine Sättigung für grosse Flächen

20. Was ist das Problem der Regenbogenskala?

Es gibt keine klare Ordnung

Es überspringt kleine Details

Es ist kein schönes Raster

21. Wie ist ein typisches Dataset aufgebaut?

Zeilen: Items

Kolonnen: Attribute

Zellen: Value

22. Wie ist ein typisches Dataset aufgebaut?

Zeilen: Items

Kolonnen: Attribute

Zellen: Value

23. Wie werden Länge, Fläche, Volumen dargestellt und wahrgenommen?

Der Mensch kann Länge viel besser einschätzen als eine Fläche und das Volumen noch schlechter

24. Wichtiges bei der Verwendung von Pie Charts?

Nur um wenige verschiedene Daten zu vergleichen

Perspektive am besten von Oben, 3D bringt nichts und verwirrt nur

25. Wichtiges bei der Verwendung von Barcharts?

  • Sortieren nach Grösse um zu vergleichen
  • Heller oder weisser Hintergrund
  • Kein Gitter
  • Bars möglichst simpel und einfarbig (ohne Rand)
  • Achsen werden nicht zwingend benötigt
  • Datenbeschriftung vorheben zu Achsenbeschriftung
  • Linecharts manchmal übersichtlicher als Barcharts

26. Was gibt es alles für Grafik-Transformationen?

  • Geometrische Trasformationen
  • Topologische Transformationen
  • Attribut-Transformationen
  • Kombinierte Transformationen

27. Was gibt es für Möglichkeiten beim Color Mapping?

  • Skalare Maps
  • Color Lookup Tables (LUT)
  • Skalar Maps konvertiert zu LUT
  • Transfer Funktion (Kuntinuierliche LUT)

28. Was ist Contouring?

  • Anzeigen von Regionen im Dataset mit Skalarwerten
  • Generiert Isolinien (in 2D) oder isosurfaces (3D)
  • Bsp. Hitzedistribution

29. Wie funktioniert Contouring

  • Mit einem Algorithmus

  • Skalarwert aussuchen
  • Interpolieren und Werte zwischen den Cell Nodes abrufen
  • Übergänge detektieren

30. Was sind Marching Squares?

Melde dich an, um Bilder anzusehen.

Ein Algorithmus zur Berechnung von Isolinien aus einer Datenquelle

31. Was sind Marching Cubes?

Ein Algorightmus zur Berechnung von Isoflächen aus einer Datenquelle

32. Was ist Interface Design?

Das Design von Computer, Anwendungen, Maschinen, Websites etc. mit dem Fokus auf das Benutzer-Erlebnis und -Interaktion.

33. Was ist das Ziel von Interface Design?

Usability

34. Was ist Usability? (LEMSS)

  • Learnability
  • Efficiency
  • Memorability
  • Safety
  • Satisfaction

35. Wie macht man gutes User-Centered Design?

  • Early Focus on User
  • Continuous User Testing
  • Integrated Design (Design soll alles beinhalten)
  • Iterative Design

36. Was sind die 4 Schritte des Interface Designs?

  1. Identifizieren der Bedürfnisse und Anforderungen für das User Experience aufstellen
  2. Alternative Designs entwickeln
  3. Interaktive Prototypen erschaffen
  4. Evaluieren mit dem User und weiter

38. What are the Design Principles?

  • Visibility
  • Feedback
  • Constrains
  • Mapping
  • Consistency
  • Affordance

39. Wofür ist Prototyping?

  • Evaluation und Feedback schnell erhalten ohne gross etwas zu coden
  • Stakeholders können schon früh mit dem Design interagieren
  • Man kann Ideen selbst schon testen
  • Es ermutigt Reflexion

40. Was sind Beispiele für Prototypen?

  • Zeichnungen
  • Ein Storyboard
  • Ein Powerpoint
  • Ein Video zur Simulation
  • Ein Karton-Mockup
  • Eine Software mit limitierter Funktionalität

41. Wie funktionieren Marching Squares/Cubes?

Alle Zellen die zwischen 4 Werten eines Datensatzes werden untersucht und es wird anhand des Isowertes als Schwellwert und der 16 Möglichkeiten entschieden, wo die Kongurierung bei dieser Zelle durchgeht. Daraus entsteht eine Kontur.

Lernen