Visualisierung und menschliche Wahrnehmung 19.11.2008 / Claudia Langer und Melanie Nagele 1. Begriff Visualisierung „Visualisization meant constructing a visual image in the mind“ „visualization as cognitive tool“ Visualisierung als Wahrnehmungshilfe, Unterstützung bei Entscheidungen 2. Vorteile von Visualisierung große Menge an Daten verfügbar machen Sichtbarmachung von bestimmten Merkmalen von Daten Sichtbarmachung von Fehlern bei der Datenerhebung Betrachtung der Daten aus verschiedenen Blickpunkten, erkennen von Mustern 3. Schritte im Prozess der Datenvisualisierung 4. Unterschiedliche Arten von Zeichen / Semiotik 3 Typen von Zeichen nach Charles Sanders Peirce Zeichentyp Beziehung zum Objekt Beispiel Index Kontiguität Rauch – Feuer, (Foto) (räumliche, zeitliche, physikalische Nähe zum Objekt) Ikon Similarität (Ähnlichkeit) Verkehrszeichen Steigung im Straßenverlauf, Ampelmännchen Symbol Arbitrarität (Willkürlichkeit) Bezeichnung der Farben, Taube für Frieden, Schwarz für Tod, Rot für Liebe… 5. Bildsprache 6. Bilder als sinnhafte Sprache es gibt Bilder, die ohne „Training“ gelesen werden können (Fotos, Umrisse eines Objekts, schwarz-weiß Abbildungen) und Bilder, deren verwendete Zeichen wir erst erlernen müssen bestimmte Zeichen sind für uns, aber auch leicht zu erkennen, da sie uns schon als Kind „eingeimpft“ werden Darstellung von Beziehungen zwischen Objekten Wichtig bei der Visualisierung: Möchte man eine Bildsprache einführen bzw. etwas visualisieren, ist es egal auf welche Konventionen zurück gegriffen wird. Man sollte nur darauf achten, dass an die schon vorhandenen Konventionen angeschlossen wird und, dass der Aufwand neue Konventionen erlernen zu müssen relativ gering bleibt. 7. Sensorisch vs. arbiträr sensorisch: direktes Erkennen vom Gehirn ohne Erlernen Ikon DOG arbiträr: Erkennen erst durch vorheriges Erlernen möglich Symbol 7.1 Sensorische Repräsentation angepasst an die frühen Stadien neuronaler Prozesse unabhängig von Kulturen, Zeit und Individuen Ansatz eines standardisierten visuellen Systems 7.1 Sensorische Repräsentation Eigenschaften: 1. Verständnis ohne Erlernen 2. Resistenz gegenüber Beeinflussung ( Bild) 3. Sensorische Unmittelbarkeit ( Bild) 4. Kulturübergreifende Gültigkeit 7.2 Arbiträre Repräsentation DOG muss erlernt werden (keine „Wahrnehmungsbasis“) abhängig vom bestimmten kulturellen Milieu eines Individuums funktioniert am besten, wenn sie gut gelernt ist sozial konstruiert 7.2 Arbiträre Repräsentation Eigenschaften: 1. Schwierig zu lernen 2. Leicht zu vergessen 3. Eingebettet in Kulturen und Anwendungen 4. Formal stark 5. Für kurzfristige Änderungen geeignet DOG 7.3 Fazit: sensorisch vs. arbiträr DOG Probleme bei der Unterscheidung trotzdem Kategorisierung wichtig Studium sensorischer Repräsentation: Biologie, Neurowissenschaften und Sehforschung Studium arbiträre Repräsentation: Sozialwissenschaften (insbesondere Soziologie, Anthropologie) Wissenschaftliche Visualisierung noch in den Kinderschuhen Ziel: neue Konventionen für die Informationsvisualisierung 8. Modell: Der Wahrnehmungsprozess 8. Modell: Der Wahrnehmungsprozess Phase 1: Parallele Verarbeitung - Verarbeitung der visuellen Information (Nervenzellen, Kortex) - Extraktion von Besonderheiten (bspw. Farben, Texturen) - Bottom-Up-Verfahren 8. Modell: Der Wahrnehmungsprozess 8. Modell: Der Wahrnehmungsprozess Phase 1: Parallele Verarbeitung - Verarbeitung der visuellen Information (Nervenzellen, Kortex) - Extraktion von Besonderheiten (bspw. Farben, Texturen) - Bottom-Up-Verfahren Phase 2: Mustererkennung - Unterteilung des visuellen Feldes in Regionen und einfache Muster - Kombination von Bottom-Up- und Top-Down-Prozessen - Verschiedene Pfade: Objekterkennung und visuell geführte Bewegung 8. Modell: Der Wahrnehmungsprozess 8. Modell: Der Wahrnehmungsprozess Phase 1: Parallele Verarbeitung - Verarbeitung der visuellen Information (Nervenzellen, Kortex) - Extraktion von Besonderheiten (bspw. Farben, Texturen) - Bottom-Up-Verfahren Phase 2: Mustererkennung - Unterteilung des visuellen Feldes in Regionen und einfache Muster - Kombination von Bottom-Up- und Top-Down-Prozessen - Verschiedene Pfade: Objekterkennung und visuell geführte Bewegung Phase 3: Sequentielle, zielgerichtete Verarbeitung - Geringe Zahl von Objekten wird im visuellen Arbeitsspeicher festgehalten - visuelle Suche wird auf Visualisierung angewandt (Bsp.: Straßenkarte) - Verbindungen zu anderen Subsystemen 9. Datentypen Entities (Untersuchungseinheiten oder Merkmalsträger): -> Objekte, Personen Relationships (Beziehungen) Attribute Entities und Relationships können Attribute haben. Attribute sind in den meisten Fällen einem Merkmalsträger zugehörig und können nicht für sich alleine stehen. 9. Datentypen Attributkategorien Der Statistiker S.S. Stevens hat Daten anhand ihrer Eigenschaften in 4 Klassen bzw. Skalen eingeteilt. Nominalskalen: Klassifizierung, keine Rangordnung Ordinalskalen: Rangskalen, Elemente können in einer bestimmten Abfolge angeordnet werden Intervalskalen: Rangordnung mit konstanten Abständen Ratioskalen (Verhältnis- oder Proportionsskalen): Rangordnung mit konstanten Abständen Hier kann man Aussagen treffen wie: „Objekt A ist zweimal so groß wie Objekt B“ 9. Datentypen Die typischen Datenklassen, die bei der Visualisierung benutzt werden, bauen auf Stevens Einteilung auf. Man verwendet: Category data -> entspricht Nominal Integer data -> entspricht Ordinal Real-Number -> kombiniert Interval und Ratio Operationen Mathematische Operationen (addieren, subtrahieren, dividieren…) Listen können zusammengefügt werden Entities können verändert werden oder in ihre einzelnen Komponenten auf gesplittet werden etc… Metadaten: Sind im Allgemein Daten, die Informationen über andere Daten enthalten. 10. Allgemeines Fazit Es muss zunächst einmal die menschliche Wahrnehmung und die Bedeutung von Zeichen (Semiotik) verstanden werden, um bestmögliche Visualisierungen erstellen zu können. Vielen Dank für Eure Aufmerksamkeit!