Interaktion und Datenexploration
Transcrição
Interaktion und Datenexploration
Grundlagen der wissenschaftlichen Visualisierung Vorlesung: Mo + Mi, 9:15 – 10:45, INF 368 – 532 Übung: Mi, 14:15 – 15:45, INF 350 (OMZ) – U011 JProf. Dr. Heike Leitte http://www.iwr.uni-heidelberg.de/groups/CoVis/ 8. Interaktion und Datenexploration 8. Interaktion und Datenexploration 3 Hardcopy Informationsmanagement http://tinamcallister.com/why-the-current-state-of-the-economy-doesnt-scare-me/ 8. Interaktion und Datenexploration 4 Hardcopy Informationsmanagement http://tinamcallister.com/why-the-current-state-of-the-economy-doesnt-scare-me/ 8. Interaktion und Datenexploration 5 Detailgrad von Information ? 8. Interaktion und Datenexploration 6 Beispiel eines interaktiven Systems ● ● Im folgenden Video seht ihr eine interaktive Visualisierung eines Energiesystems: http://vimeo.com/98084399 Fragen: – Wie ist die Visualisierung aufgebaut? – Welche Arten von Interaktion kann der Nutzer mit dem System ausführen? – Welche Ziele verfolgt er dadurch? 8. Interaktion und Datenexploration 7 Digitale Interaktion Wie können wir ● ● die Arbeitsstrategien aus der realen Welt auf digitale Information übertragen? die digitalen Methoden nutzen um das Arbeiten zu erleichtern? 8. Interaktion und Datenexploration 8 Inhalt 1. Theorie 2. Methoden 3. Lessons Learned 8. Interaktion und Datenexploration 9 Interaktion in der Visualisierung ● ● Interaktion mit den Daten ist ein wichtiger Bestandteil der Visualisierung. Häufig sind die darzustellenden Datenmengen sehr groß und komplex, so dass sie auf einmal gar nicht sinnvoll dargestellt werden können. Hier hilft die Interaktion, so dass der Nutzer die Darstellung immer wieder anpassen kann. Dies wird durch das Visual Information-Seeking Mantra zusammengefasst: – Overview first, zoom and filter, then details-on-demand. [Shneiderman, 1996] [Ben Shneiderman, The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations. In Proceedings of the IEEE Symposium on Visual Languages, pages 336-343, Washington. IEEE Computer Society Press, 1996.] ● Um diesen Wechsel zwischen verschiedenen Sichten auf die Daten zu ermöglichen, muss es dem Nutzer möglich sein, die Visualisierung mittels Nutzerinteraktion anzupassen. Es müssen also gleichzeitig zwei Gebiete bearbeitet werden: – Repräsentation der Daten → Computergraphik – Interaktion mit dem Rechner → Mensch-Maschine-Interaktion (human computer interaction (HCI) 8. Interaktion und Datenexploration 10 Was ist Interaktion? ● Eine exakte Definition von Interaktion ist schwierig, da viele Aspekte hineinspielen. Deshalb sind die meisten Definition sehr weit gefasst: – Interaktion: die Kommunikation zwischen Nutzer und dem System [Dix, Alan. Human-computer interaction. Springer US, 2009.] – Interaktion: direkte Manipulation und sofortige Veränderung – Interaktionsmethode: Verfahren zur Bewältigung einer allgemeinen Aufgabe mittels eines physischen Ein-/Ausgabegeräts im Mensch-Maschine-Dialog. [Becker, Richard A., William S. Cleveland, and Allan R. Wilks. "Dynamic graphics for data analysis." Statistical Science (1987): 355-383.] [Van Dam, Andries, Steven K. Feiner, John F. Hughes, and Richard L. Phillips. Introduction to computer graphics. Vol. 55. Reading: Addison-Wesley, 1994.] ● Wir wollen uns im Folgenden auf Interaktionsmethoden konzentrieren, die dazu dienen visuelle Darstellungen direkt oder indirekt zu manipulieren und zu interpretieren. 8. Interaktion und Datenexploration 11 Klassifikation von Interaktionsmethoden ● Hierzu folgen wir der Klassifikation von Yi et al. [Yi, Ji Soo, Youn ah Kang, John T. Stasko, and Julie A. Jacko. "Toward a deeper understanding of the role of interaction in information visualization." Visualization and Computer Graphics, IEEE Transactions on 13, no. 6 (2007): 1224-1231.] ● ● Yi et al. unterscheiden sieben Arten der Interaktion basierend auf der Absicht/ dem Ziel des Nutzers: – Auswählen (select): markiere etwas als interessant – Erkunden (explore): zeig mir etwas anderes – Umgestalten (reconfigure): zeig mir eine andere Anordnung – Codieren (encode): zeig mir eine andere Darstellung – Abstrahieren (abstract/elaborate): zeig mir mehr/weniger Detail – Filtern (filter): zeig mir etwas unter einer gegebenen Bedingung – Verbinden (connect): zeig mir verwandte Elemente Im wesentlichen folgen wir dieser Systematik, werden jedoch etwas umsortieren und umgruppieren. 8. Interaktion und Datenexploration 12 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 13 Interne Modelle / Mental Models ● ● ● ● ● Die Art und Weise wie Menschen visuelle Information aufnehmen und verarbeiten spielt eine wichtige Rolle bei der Planung von Interaktionsmechanismen. Die ist besonders deutlich, wenn man die englische Bedeutung des Wortes visualisieren betrachtet: to visualize: to form a mental image or vision of … Hiernach entspricht der Visualisierungsprozess dem Erstellen eines inneren, gedanklichen Bildes/Modell beim Betrachter. Um die Gesamtheit der Daten und die darin enthaltenen Zusammenhänge zu erfassen und daraus Schlussfolgerungen ziehen zu können, sind oft Interaktionen nötig, mit denen die Daten genauer untersucht, manipuliert oder alternativ dargestellt werden können. Dadurch kann sich der Betrachter ein genaueres Bild von den Daten machen, Hypothesen entwickeln und diese auch überprüfen. 8. Interaktion und Datenexploration 14 Entstehung eines internen Modells Die Bildung und Interpretation eines internen Modells entspricht einem Zyklus: ● Browse: Die erste Phase besteht meist im allgemeinen Betrachten der Visualisierung (mal schaun, was da ist). ● Model: Das Bild wird anschließend strukturiert, man merkt sich wichtige Merkmale und erstellt so ein inneres Modell, eine eigene Vorstellung von den Daten. ● Interpret: Aus dem Gesehenen werden Schlüsse über die Daten gezogen. Dies geschieht meist im Hinblick auf eine bestimmte Fragestellung. ● Formulate a browsing strategy: Um diese zu verifizieren, wird die Visualisierung nun gezielt weiter analysiert. 8. Interaktion und Datenexploration 15 Theorie perfekter Nahrungssuche Bei der Nahrungssuche nehmen Tiere (z.B. Vögel) nicht alle Nahrung eines Nahrungsspenders (z.B. Busch) auf bis er aufgebraucht ist, sie konzentrieren sich auf große Nahrungseinheiten und zu einem gewissen Zeitpunkt entscheiden sie weiter zu ziehen. Dieses Verhalten unterliegt Gesetzmäßigkeiten: Sie ziehen dann zu einem neuen Nahrungsspender um, wenn die erwartete Nahrungsrate größer ist als eine Kombination aus aktueller Nahrungsrate und Wechselzeit. kummulierte Nahrungsaufnahme erwartet aktuell Wechsel Aktuell Zeit Zur Bestimmung der Raten verwenden Tiere ihren Geruchssinn (engl. scent) und ignorieren Nahrungsspender, deren Duft Nahrungsraten unter der Erwartung erscheinen lässt. 8. Interaktion und Datenexploration 16 Theorie der Informationssuche Pirolli und Card (2007) zeigten, dass Menschen sich bei der Suche nach Informationen sehr ähnlich verhalten. Sie starten mit einer initialen Suche (anfänglicher Informationsspender) dann gehen sie die Ergebnisse durch. Unter Verwendung von Thumbnails und Linktexten (Duft), entscheiden sie was angeklickt wird (Konsumieren von Information). Nicht alle Ergebnisse werden „abgegrast“: nachdem einige Links kein zufriedenstellendes Ergebnis mehr erbringen (Reduktion der Informationsrate) also der Informationsspender erschöpft scheint, verwenden sie die Suche erneut. 8. Interaktion und Datenexploration 17 Können wir unserem Gedächtnis trauen? Welche Stadt liegt weiter nördlich: London oder Berlin? 8. Interaktion und Datenexploration 18 „Erkennen ist einfacher als Erinnern“ 8. Interaktion und Datenexploration 19 Kognitive Collage ● Häufig erstellen wir interne Modelle aus einer Verknüpfung mehrerer Einzelmodelle. Es entsteht so eine große interne Collage lose verbundener Teilstücke. [Tversky, Cognitive Maps, Cognitive Collages and Spatial Mental Models, in „Spatial Information Theory – a Theoretical Basis for GIS“, Proceedings of the European Conference COSIT'93, Springer Lecture Notes in CS, 1993, 14-24] ● ● Die führt jedoch häufig auch zu Fehlern, da die gedachte Verbindung nicht exakt mit der Realität übereinstimmt. Beispiele aus dem Alltag: – Geschätzte relative Lage von Städten zueinander. – Eigene Vorstellung eines Stadtplans aufgrund von eigenen Erfahrung. 8. Interaktion und Datenexploration 20 Interner Modelle – Kontext und Stabilität ● ● Daneben spielt bei unseren kognitiven Karten eine bildorientierte Auffassung eine große Rolle, so dass wir mit Skalierungen und besonders Drehungen Probleme haben. Stimmen dargestellte Daten und das interne Modell der Daten nicht mehr überein, z.B. weil die Darstellung rotiert oder Elemente neu angeordnet wurden, fällt es Menschen schwerer diese neue Darstellung mit dem internen Modell in Einklang zu bringen. Deshalb ist bei Visualisierungen auf Stabilität zu achten. 8. Interaktion und Datenexploration 21 Interne Modelle – Veränderungen ● Sind räumliche Veränderungen der Elemente einer Visualisierung für die Interpretation nötig, so ist darauf zu achten, dass der Betrachter sie nachvollziehen kann. Häufig geschieht dies durch eine Animation, wobei vom einen Zustand in den anderen langsam übergegangen wird (Transformation, Überblenden, etc.). 8. Interaktion und Datenexploration 22 JobVoyager (USA, 1850 - 2000) 8. Interaktion und Datenexploration 24 Berufe mit Namen „*ist“ 8. Interaktion und Datenexploration 25 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 26 Umgestalten ● ● Mit der Visualisierung soll es dem Anwender ermöglicht werden seine Daten besser zu verstehen. Meist wird hierbei nach Mustern und Auffälligkeiten gesucht. Zum Teil können diese bereits durch ein Bild dargestellt werden. Zumeist benötigt man aber verschiedene Sichten auf die Daten, z.B. – Veränderte Einstellungen des Visualisierungsalgorithmus – Unterschiedliche Sortierungen im Small-Multiples-/Kleine-Vielfache-Darstellungen 8. Interaktion und Datenexploration 27 Interaktives Anpassen von Visualisierungsparametern ● Beim interaktiven Volumerendering kann die Transferfunktion manipuliert werden, so dass Bereiche mit einem bestimmten Wert etc. angezeigt werden. http://www.youtube.com/watch?v=vMHODQCBfFE 8. Interaktion und Datenexploration 28 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 29 Erkunden ● ● ● Beim Erkunden verändert der Nutzer die Untermenge der dargestellten Information. Bei vielen Darstellungen können nicht alle Datenpunkte gleichzeitig dargestellt werden, da der Bildschirm nicht genug Pixel hat, oder aber der Betrachter von der Datenfülle überwältigt wäre. In diesen Fällen wird immer nur eine Untermenge dargestellt und diese kann interaktiv manipuliert werden. Die bekannteste Technik in diesem Bereich ist das Verschieben. Einige Beispiele folgen auf den nächsten Folien: 8. Interaktion und Datenexploration 30 Bildlauf (Scrolling) ● ● ● Eine bekannte Technik zum Umgang mit großen Texten ist der Bildlauf (Scrolling). Häufig findet man schmale Balken an der Seite (Bildlaufleiste, Scrollbars), die einen Ansatz von Orientierung relativ zum Gesamttext geben, sowie eine Möglichkeit zur beschleunigten Bewegung durch das Dokument. Jedoch ist es meist eher schwierig eine bestimmte Position im Bild oder Stelle im Text gezielt zu finden. Schnell kann es hierbei passieren, dass man vergisst, warum man diese Stelle überhaupt gesucht hat/was man vorher getan hat. 8. Interaktion und Datenexploration 31 Bildlauf (Scrolling) 2D ● Diese Technik lässt sich leicht auf 2D erweitern, indem der Nutzer mit der Maus die Ansicht verschieben und so den sichtbaren Ausschnitt manipulieren kann. 8. Interaktion und Datenexploration 32 Panning and Zooming ● ● ● ● Gerade in großen Daten kann das Verschieben bei starker Vergrößerung sehr anstrengend sein. Hier hilft es vor dem Verschieben an eine bestimmte Stelle aus den Daten herauszuzoomen. Beim Zoom+Pan werden diese beiden Techniken kombiniert: – Panning (Schwenken): Sanftes, kontinuierliches Bewegen des sichtbaren Bildausschnitts über das gesamte Bild. – Zooming: Stetige Vergrößerung bzw. Verkleinerung des dargestellten Bildausschnitts Beim klassischen Zoomen wird das Bild geometrisch vergrößert oder verkleinert und die Detailgenauigkeit der Daten nicht angepasst, so dass der gesamte Bereich gleichmäßig manipuliert wird (vgl. bifokales Display). Es geht also eher um das Fokussieren, als um das Filtern. Dies kann im Scale-Space-Diagramm gut dargestellt werden. 8. Interaktion und Datenexploration 33 Vergrößern und Verschieben (Zooming and Panning) ● Diese und weitere Techniken kann man in einem Raum-Skalen-Diagramm darstellen. [Furnas, Bederson, Space-Scale Diagrams: Understanding Multi-Scale Interfaces, CHI'95 Proceedings, ACM, 1995, 234-241] ● Anwendung: GoogleMaps → Bewegung von London nach New York 8. Interaktion und Datenexploration 34 Interaktionsprinzipien ● ● Wie zuvor gesehen, sollte der Übergang von Details zum Überblick fließend sein oder beides vorhanden sein (Fokus+Kontext). Diese Prinzipien sagen aber noch nicht, wie der Übergang zu gestalten ist. Interpolation (linear im Raum, logarithmisch in der Skala) im Raum-Skalen-Diagramm mag nützlich sein, aber beim Übergang von einem Detailbild zu einem anderen ist diese Strategie ungeeignet. 8. Interaktion und Datenexploration 35 Smooth and Efficient Zooming and Panning ● Der Ansatz von van Wijk [van Wijk, Nuij, Smooth and efficient zooming and panning, Proceedings of IEEE Information Visualization Symposium 2003, 2003, 15-22] gibt eine Formel zur Berechnung geeigneter Vergrößerungen und Verschiebungen an. 8. Interaktion und Datenexploration 36 Smooth and Efficient Zooming and Panning ● Sei ein Objekt M über dem Gebiet W aus IR² definiert und A⊂W der zu projizierende quadratische Ausschnitt um einen Punkt c = (cx, cy) in W mit Breite w, also A=[c x −w/2, c x w/2]×[c y −w / 2,c y w/ 2] ● Der Bildschirm wird als I =[−1/2 ,1/ 2]×[−1/2 , 1/2] ● modelliert. Dann gilt für die Projektion (x',y') = p(x,y) eines Bildpunktes (x, y ) auf einen Bildschirmpunkt (x', y') x−c x y−c y x ' , y ' = , w w und für die Inverse (x , y)=(c x + w x ' , c y + w y ' ) 8. Interaktion und Datenexploration 37 Smooth and Efficient Zooming and Panning ● Sind nun zwei Ausschnitte mit ci, wi, i=0,1 gegeben, so sucht man Funktionen c(s), w(s), s [0,S] mit c (0)=c0 w (0)=w0 ● c (S )=c 1 w (S )=w 1 Eine Animation ergibt sich mit echter Zeit t und konstanter Geschwindigkeit V durch s=Vt ,t ∈[0, S /V ] 8. Interaktion und Datenexploration 38 Smooth and Efficient Zooming and Panning ● Wenn man annimmt, dass es keinen Unterschied in der Wahrnehmung von vertikalem, horizontalem und diagonalem Verschieben gibt, ist der optimale Pfad eine Gerade c(s): (c 1−c 0) c ( s )=c0 + u ( s) ∣∣c 1−c 0∣∣ u ∈[ u0 , u1 ] mit u0 = 0, u1 = ||c1-c0||. ● u(s) beschreibt die Verschiebung entlang einer geraden Linie. Also suchen wir Funktionen u(s), w(s) mit s [0, S], so dass u(0)=u0 w ( 0)=w0 ● u(S )=u1 w (S )=w 1 Dies ergibt ein u-w-Diagramm, wobei Verschieben (Panning) der u-Richtung und Vergrößern (Zooming) der w-Richtung entspricht. 8. Interaktion und Datenexploration 39 Smooth and Efficient Zooming and Panning ● ● Man kann die (u,w)-Werte als Position einer Kamera in Höhe w über der Ebene mit Öffnungswinkel 2 arctan 0.5 ~ 53° interpretieren und somit physikalisch untersuchen. Als optimalen Weg betrachten wir einen glatten und effizienten (= kurzen) Weg. Glatt übersetzen wir mit glatt wahrgenommen, ohne kognitive Aspekte, die wir hier außer Acht lassen wollen. Außerdem wird jede Sicht als gleich wichtig betrachtet, obwohl etwa Städte viel mehr Details als ebene Felder enthalten. Glattheit wird hier folglich als Einschränkung und Effizienz als zu optimierende Größe aufgefasst. 8. Interaktion und Datenexploration 40 Smooth and Efficient Zooming and Panning ● Um zu einer Metrik zu kommen, messen wir den optischen Fluss im Bild, also die Änderung auf dem Bildschirm. Die Änderungen in einem Pixel sind gegeben durch ( ẋ ' = −x ẇ− c˙x w+c x ẇ − y ẇ− c˙ y w +c y ẇ , 2 2 w w ) mit ȧ=da /ds und wir erhalten als mittleres Quadrat der Geschwindigkeit V RMS V 2 RMS =V ● 2 =V ( 2 0.5 0.5 ∫I ẋ '⋅ẋ ' dI /∫i dI =V ∫−0.5 ∫−0.5 ( ẋ ' 2+ ẏ ' 2) dx ' dy ' 2 1 2 1 2 1 1 2 2 1 2 2 ċ + ċ + ẇ =V u̇ + ẇ 2 x 2 y 2 2 2 w w 6w w 6w ) ( ) Als Metrik nutzen wir den etwas allgemeineren Ausdruck ρ2 2 1 2 ds = 2 du + 2 2 dw w ρ w 2 um die Bedeutung der Wahrnehmung von Vergrößern und Verschieben zu berücksichtigen. Für ρ = 6^0.25 ergibt sich VRMS. 8. Interaktion und Datenexploration 41 Smooth and Efficient Zooming and Panning ● ρ bestimmt unterschiedliche Pfade. Pfade mit konstant wahrgenommener Veränderung < 1: Zoomen hat großen Einfluss = 1: Einfluss gleich > 1: Verschieben hat großen Einfluss 8. Interaktion und Datenexploration 42 Smooth and Efficient Zooming and Panning ● Ein glatter Weg (konstante Änderung auf dem Animationspfad resultiert in einer als konstant wahrgenommenen Änderung des Bildes) bedeutet nun, dass bei konstanter Animationsgeschwindigkeit ds für den Pfad (u(s), w(s)) in Bogenlänge die folgende Gleichung gelten soll: 1 2 2 2 ds = 2 du 2 2 dw w w 2 ● ● ρ2 u̇ 2 +1/ρ 2⋅ẇ 2 =w 2 (5.1) Effizienz bedeutet einen kurzen Weg, also S minimal. Um einen optimalen Pfad in der vorherigen Grafik zu finden heißt dies in etwa, dass – bei jedem Schritt gleich viele Ellipsen geschnitten werden und – insgesamt möglichst wenige Ellipsen geschnitten werden. 8. Interaktion und Datenexploration 43 Smooth and Efficient Zooming and Panning ● Einen ersten Ansatz, den wir untersuchen wollen, zeigt das folgende Bild. 8. Interaktion und Datenexploration 44 Zoom Out, Pan, Zoom In ● ● ● ρ2 u̇ 2 +1/ρ 2⋅ẇ 2 =w 2 3 Phasen sind zu unterscheiden: – Für s = 0 bis sA, verkleinere von (u0, w0) zu (u0, wm) – Für s = sA bis sB, verschiebe von (u0, wm) nach (u1, wm) – Für s = sB bis S, vergrößere von (u1, wm) zu (u1, w1) Gesucht wird nun ein Pfad (u(s), w(s)), der minimale Bogenlänge S hat. Für die erste und dritte Phase ergibt sich mit ( u̇=0) ẇ=ρ w → w (s)=w 0 exp (ρ s) , s=[0, s A ] w (s)=w m exp (ρ(s B − s)) , ● (5.1) s∈[s B , S ] d.h. die Geschwindigkeit wird logarithmisch verlangsamt, wenn wir uns einem Objekt nähern. Für die mittlere Phase ( ẇ=0) ist eine Lösung der Differentialgleichung u̇=w m /ρ → u ( s)=w m ( s− s A )/ρ+u0, s∈[s A , s B ] wm ist hierbei die Übergangszoomstufe im mittleren Bereich. 8. Interaktion und Datenexploration 45 Smooth and Efficient Zooming and Panning ● Die Parameter sA, sB, S hängen von wm ab und wm sollte so gewählt werden, dass die Pfadlänge S minimiert wird. Es gilt wegen w(sA) = wm für das erste und letzte Stück: s A =ln (w m / w 0 )/ρ , w m ≥w 0 S − s B =ln (w m / w 1 )/ρ , w m≥w 1 ● Mit u(sB) = u1 ergibt sich für die mittlere Phase s B −s A=ρ(u 1 −u 0 )/ w m und letztlich als Summe der drei Teilstücke S= 8. Interaktion und Datenexploration ρ(u1 −u 0 ) ln (w m / w 0 ) ln (w m / w 1 ) + + ρ ρ wm 46 Smooth and Efficient Zooming and Panning ● Den kürzesten Pfad erhalten wir, wenn gilt also und somit: 8. Interaktion und Datenexploration dS =0 dw m → −ρ(u1 −u0 ) 2 wm + 2 =0 ρ wm w m =max (w 0 , w 1 ,ρ2 (u 1−u0 )/ 2) 47 Smooth and Efficient Zooming and Panning – Optimaler Weg ● Unser letztes Ergebnis ist nicht glatt an den Ecken (Wechsel zwischen Zoomen und Verschieben). Aus der Differentialgeometrie wissen wir, dass die Geodäte (= kürzeste Verbindungskurve) (u(s),w(s)) zu einem Raum mit der Metrik 2 2 ds =E du G dw 2 die folgende Bedingungen erfüllen Eu 2 E w Gu 2 ü+ u̇ + u̇ ẇ− ẇ =0 2E E 2E E w 2 Gu Gw 2 ẅ− u̇ + u̇ ẇ + ẇ =0 2G G 2G ● Mit E = ρ²/w² und G=1/(ρ²w²) ergibt sich für unsere Metrik ü−2 u̇ ẇ / w=0 4 2 2 ẅ−ρ u̇ / w−ẇ / w=0 8. Interaktion und Datenexploration 48 Smooth and Efficient Zooming and Panning ● Als Ergebnis erhält man nach einigem Rechnen 8. Interaktion und Datenexploration 49 Smooth and Efficient Zooming and Panning ● Anwenderstudie V und ρ müssen noch ermittelt werden. Dazu wurden 26 Personen gebeten, die Werte so einzustellen, dass sie glatt erscheint. Als Mittelwerte ergaben sich V=0,9 und ρ = 1,42. http://good-wallpapers.com/misc/14875"><img src="http://goodwallpapers.com/wallpapers/14875/small_Surface Of Mars.jpg 8. Interaktion und Datenexploration 51 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 1. Fokus und Kontext 2. Informationsreduktion 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 52 Übersicht + Detail ● ● ● ● Bei vergrößerten Teilansichten eines Datensatzes verliert man leicht den Überblick und den Bezug zum Ganzen. Hier können Kontextkarten helfen, die einen groben Überblick über den gesamten Datensatz geben und markieren, welcher Bereich gerade vergrößert dargestellt wird. Ursprünglich waren diese Ansichten statisch, so dass man sich nur einen bestimmten Bereich im Bild vergrößert ansehen konnte, oder wie im Autoatlas zwischen verschiedenen vergrößerten Seiten blättern musste. Was diesen Darstellungen zumeist fehlt, ist eine direkte Verbindung zwischen der Übersicht- und der Detailansicht. Der Nutzer muss selber nach Landmarken suchen und diese in beiden Ansichten identifizieren. 8. Interaktion und Datenexploration 53 Übersicht + Detail 8. Interaktion und Datenexploration 54 Übersicht + Detail infragistics.com 8. Interaktion und Datenexploration 55 Übersicht + Detail http://www.leica-microsystems.com 8. Interaktion und Datenexploration 56 Übersicht + Detail 8. Interaktion und Datenexploration 57 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 1. Fokus und Kontext 2. Informationsreduktion 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 58 Fokus und Kontext ● ● Eines der wichtigsten Prinzipien der (Informations-)Visualisierung nennt sich Fokus und Kontext. Es basiert auf der detaillierten Darstellung eines Teils der Daten, der gerade besonders untersucht wird, während die übrigen Daten in geringer Auflösung dargestellt werden. Der Erfolg dieser Darstellung zusammen mit geeigneter Interaktionstechnik und möglichst rascher Systemantwort basiert auch auf der Ähnlichkeit zum Aufbau des Auges und seiner Informationsverarbeitung, vgl. Kapitel 4. 8. Interaktion und Datenexploration 59 Lupe und DragMag Bildvergrößerer ● ● ● Abhilfe kann hier ein Lupenwerkzeug schaffen, dass über das Bild bewegt wird und den darunter liegenden Bereich vergrößert. Ein Problem hierbei ist der fehlende Übergang an den Grenzen zwischen Lupe und Kontext, so dass die Orientierung wieder schwieriger ist. Hier hilft das DragMag-Verfahren (Ware and Lewis, 1995), welches die interessante Region (rotes Quadrat) und die Vergrößerung entkoppelt. Das Quadrat kann nun interaktiv bewegt werden, um verschiedene Bereich zu vergrößern. 8. Interaktion und Datenexploration 60 Verzerrung – Bifokale Anzeige ● Ein erfolgreiches Konzept für Fokus und Kontext stellt das bifokale Display dar. [Imperial College Television Studio, Focus on Information: The Office of the Professional (Video) Production No. 1003, 1980]. ● Ein langes Band, das alle Informationen enthält wird perspektivisch dargestellt, indem das Zentrum parallel zum Benutzer und die beiden Seiten schräg nach hinten laufend projiziert werden. 8. Interaktion und Datenexploration 61 Bifokale Anzeige ● Merkmale – Zwei Bereich für Fokus und Kontext – Fließender Übergang zwischen beiden – Zwei Merkmale können auf den Achsen kodiert werden – Fokusbereich: Lesbarkeit und Interaktion – Kontextbereich: Präsenz und Identifikation – Manuelle Kontrolle 8. Interaktion und Datenexploration 62 Anwendung bifokale Anzeige ● Die perspektivische Wand (Perspective Wall) [Mackinlay, Robertson, Card, Perspective Wall: detail and context smoothly integrated, Proceedings of CHI'91, ACM, 1991, 173-179] stellt eine erfolgreiche Umsetzung des Prinzips dar. 8. Interaktion und Datenexploration 63 Anwendung bifokale Anzeige ● Auch die Auswahl von Videos kann man erleichtern, wobei bis zu 5 Bilder pro Sekunde angezeigt werden, um schnell aus einer großen Sammlung auszuwählen. [Lam, Spence, Image Browsing – a space-time trade-off, Proceedings of INTERACT'97, 1997, 611-612] 8. Interaktion und Datenexploration 64 Anwendung bifokale Anzeige ● Neben einer Verzerrung in x-Richtung kann natürlich auch eine Verzerrung in y- oder x+yRichtung erfolgen. 8. Interaktion und Datenexploration 65 Vergrößerung mit der Fischaugenprojektion ● ● Bei der Fischaugenprojektion wird die Darstellung so verzerrt, so dass Elemente in der Nähe des Fokuspunktes größer erscheinen als solche am Rand. Gegeben seien der Winkel zwischen Bildpunkt und optischer Achse θ und die Brennweite der Linse f. Eine mögliche Projektion zur Berechnung des Abstandes r des projizierten Punktes zur Bildmitte ist: r=2 tan 2 [web.mit.edu] 8. Interaktion und Datenexploration 66 Logarithmische Darstellung [View of the world from 9th avenue Saul Steinberg, 1976] 8. Interaktion und Datenexploration [http://xkcd.com/482, Ausschnitt] 67 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 1. Fokus und Kontext 2. Informationsreduktion 4. Auswählen und Filtern (select and filter) 5. Verbinden (connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 68 Unterdrückung (Subpression) ● ● ● Häufig bestehen Daten und die resultierenden Visualisierungen aus einer Vielzahl Details. Bei der Analyse ist man u.U. nur an einem Teil der Information interessiert. Hier kann es helfen, unwichtige Aspekte der Daten auszublenden oder im Vergleich zu den relevanten Daten abzuschwächen. Beispiel: Flugzeugreparatur US Airforce 8. Interaktion und Datenexploration 69 Matthew Paris (c. 1200-1259) – Wegbeschreibung von London nach Jerusalem 8. Interaktion und Datenexploration 70 John Ogilby (1675) – Wegbeschreibung von London nach Holy head 8. Interaktion und Datenexploration 71 Routendarstellung mit Copernicus [H. Ziegler, D. A. Keim: COPERNICUS: Context-preserving engine for route navigation with interactive user-modifiable scaling, 2008, Proceedings EuroVis 2008] 8. Interaktion und Datenexploration 72 „A Really Useful Map“ ● Eine automatische Implementierung dieser Technik, wieder für Autofahrer, stellt die „Really Useful Map“ dar. Hier wird die Gummituchtechnik [Kadmon, Shlomi, A polyfocal projection for statistical surfaces, The Cartographic Journal 15(1):36-41, 1978] angewandt, um Details zu vergrößern und möglichst viel Information unterdrückt. Orientierungspunk- te werden durch einfache Symbole dargestellt. 8. Interaktion und Datenexploration 73 Bestimmung relevanter Aspekte – Beispiel Baum ● ● Im Allgemeinen ist es sehr schwierig automatisch zwischen wichtigen und unwichtigen Details zu unterscheiden. Furnas [Furnas, The FISHEYE View: A New Look at Structured Files, AT&T Laboratories, Murray Hill, NJ, 1981.][Furnas, Generalized Fisheye Views: Visualizing Complex Information Spaces, CHI '86 Proceedings, ACM, 1986, 16-23] schlägt eine Balance zwischen lokalem Detail und globalem ● Kontext vor, bei dem Daten nur visualisiert werden, wenn der wahrgenommene Wert der Information eine anwenderdefinierte Grenze überschreitet. Dabei orientierte sich Furnas ursprünglich an einem Baum und verwendet zwei Maße, a priori Bedeutung (API) des Objekts und Nähe (D) zum fokussierten Objekt 8. Interaktion und Datenexploration 74 Semantisches Vergrößern ● Häufig wird beim Vergrößern auch Metainformation ab einer bestimmten Auflösung eingeblendet. 8. Interaktion und Datenexploration 75 Einblenden zusätzlicher Information ● Magische Lupen (Magic Lenses): Dieses Konzept nutzt die Lupenmetapher, um aus dem Kontext ein Element herauszugreifen und dann nützliche Information einzublenden. 8. Interaktion und Datenexploration 76 Interaktive Bezeichner Fekete, J.-D., Plaisant, C.: “Excentric Labeling: Dynamic Neighborhood Labeling for Data Visualization “ In Proceedings CHI 1999, pp. 512-519. 8. Interaktion und Datenexploration 77 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Filtern (filter) 5. Auswählen und Verbinden (select and connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 78 Datenexploration ● ● Viele Fragen sind wegen unzureichendem Wissen unklar formuliert. Man sucht etwa ein Haus für 100.000 $ mit 3 Schlafzimmern in der Nähe einer guten Schule und nicht zu weit von den Großeltern entfernt. Dass ein beliebter Park eine wesentliche Rolle bei den Preisen spielt und evtl. Mieter leicht zu finden sind, merkt man erst später. Die Suche nach der richtigen Frage erweist sich somit als Teil der Suche nach der Antwort auf eine nur grob festgelegte Fragestellung. Hier kann Visualisierung helfen. 8. Interaktion und Datenexploration 79 Datenbankabfrage ● Eine klassische Datenbankanfrage der Form SELECT Hausadresse FROM Datenbank WHERE Preis <= 100.000 AND Bäder=2 AND Schlafzimmer>=3 liefert oft 0 TREFFER oder 1543 TREFFER ohne weitere Hinweise zur Erweiterung oder Eingrenzung der Suchanfrage. 8. Interaktion und Datenexploration 80 Datenbankabfrage Dies zeigt einige Nachteile üblicher Datenbankanfragen: ● Man muss eine Suchsprache lernen. In Studien stellte sich heraus, dass selbst ein Training von 60 min noch nicht hinreichend für eine ausreichende Beherrschung der Sprache ist. ● Tippfehler werden nicht toleriert. ● Man erhält zu viele oder zu wenige Treffer, wenn man die Datenbank nicht kennt. ● Bei zu wenigen oder zu vielen Treffern erhält man keinen Indikator wie die Anfrage zu ändern ist. ● Eine Veränderung der Suchanfrage erfordert Zeit für die Änderung, das Eintippen und die Anwort, also aufwändige Interaktivität. Der Anwender hat nicht die Möglichkeit schnelle Rückmeldung auf „Was wäre wenn...?“ Fragen zu erhalten. ● Kein Kontext. ● Der Anwender kann keine interne Vorstellung von den Daten erzeugen. 8. Interaktion und Datenexploration 81 Dynamische Suchanfragen ● ● Dynamische Suchanfragen mit interaktiven Antworten (< 0,1s) erlauben dynamisches Erforschen, also Aktivitäten nach dem „Was wäre wenn...?“-Prinzip. [Williamson, Shneiderman, the dynamic homefinder: eveluating dynamic queries in a real estate information exploration system. ACM, Proceedings SIGIR '92, 1992 339-346] Dynamic Homefinder hilft beim Suchen nach geeigneten Häusern die zum Verkauf stehen. http://www.youtube.com/watch?v=5X8XY9430fM Als generische Aufgabe ergibt sich: Gegeben eine Menge von Objekten mit Werten für eine Menge von Attributen. Finde eines oder wenige Objekte, die der Anfrage am besten entsprechen, so dass diese dann näher studiert werden können. 8. Interaktion und Datenexploration 82 Dynamische Suchanfragen ● Filmauswahl kann ebenfalls so angegangen werden [Ahlberg, Shneiderman, Alphaslider: a compact and rapid selector, ACM, Proceedings CHI '94, 1994 365-371] 8. Interaktion und Datenexploration 83 Dynamische Suchanfragen ● Filmauswahl kann ebenfalls so angegangen werden [Ahlberg, Shneiderman, Alphaslider: a compact and rapid selector, ACM, Proceedings CHI '94, 1994 365-371] 8. Interaktion und Datenexploration 84 Dynamische Suchanfragen 8. Interaktion und Datenexploration 85 Dynamische Suchanfragen ● Erforschen von Attributen Um die Verteilung von Attributwerten zu studieren, eignen sich besonders Histogramme. Hier können wie vorher interessante Bereich markiert werden. Momentan uninteressante Bereiche werden nicht ausgeblendet, sondern farblich anders markiert. 8. Interaktion und Datenexploration 86 Dynamische Suchanfragen ● Weitere Histogramme für andere Attribute helfen bei der Suche. 8. Interaktion und Datenexploration 87 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Filtern (filter) 5. Auswählen und Verbinden (select and connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 88 Auswählen ● Beim Auswählen hat der Nutzer die Möglichkeit Elemente der Darstellung zu selektieren und diese hervorzuheben. Hierdurch können sie entweder nur verdeutlicht werden, oder aber in weiteren Aktionen verwendet oder verfolgt werden. 8. Interaktion und Datenexploration 89 Interaktion in Parallelen Koordinaten ● Parallele Koordinaten lassen sich leicht filtern. Für jede Achse kann man separat ein Minimum und Maximum einstellen und so schrittweise seinen Fokus einschränken. [Bild mit protovis generiert] 8. Interaktion und Datenexploration 90 Streudiagramm-Matrix 8. Interaktion und Datenexploration 92 Streudiagramm-Matritzen und Brushing ● ● ● In vielen Fällen ist die Einteilung in Klassen jedoch nicht von vornherein klar. Man hat lediglich eine Vielzahl von Messung und man möchte z.B. wissen, – ob bestimmte Variablen miteinander korrelieren. – wie der Zusammenhang zwischen multiplen Dimensionen ist. – ob es Cluster gibt. Hier hilft Brushing, d.h. wenn bestimmte Werte in einer Darstellung markiert werden, werden diese Datenpunkte in allen anderen Ansichten ebenfalls automatisch markiert. Dies bezeichnet man als Linking. Demo http://vis.stanford.edu/protovis/ex/brush.html 8. Interaktion und Datenexploration 93 Brushing und Linking [image: generated with ggobi] 8. Interaktion und Datenexploration 94 Verknüpfte Darstellungen (Linked Views) ● Brushing und Linking wurde ursprünglich für Streudiagrammmatrizen entwickelt, man kann das Prinzip aber für alle Darstellungen anwenden. 8. Interaktion und Datenexploration 95 Streudiagramm-Matritzen bei räumlichen Daten Druck vs. Geschwindigkeit kinetische Energie vs. Geschwindigkeit Druck vs. kin. Energie [http://www.simvis.at/old/images/gallery/SkiJump--Analysis-Session.png] 8. Interaktion und Datenexploration 96 Inhalt 1. Theorie 2. Methoden 1. Umgestalten (reconfigure) 2. Erkunden (explore) 3. Abstrahieren (abstract/elaborate) 4. Filtern (filter) 5. Auswählen und Verbinden (select and connect → linking + brushing) 3. Lessons Learned 8. Interaktion und Datenexploration 97 Theorie der Informationssuche Die Theorie der Informationssuche legt die folgenden Prinzipien nahe: ● Gute Benutzerschnittstellen kommunizieren den Nutzen einer Operation bevor diese durchgeführt wird (Duft). ● Verringern der Zeitkosten der Interaktion führt zu erhöhter Bereitschaft zur Interaktion. ● Trade-off: Entweder komplexe Darstellungen mit langsamer Interaktion oder viele einfache Darstellungen mit schneller Interaktion. Da unser Gedächtnis schlechter ist als unsere Augen, sollten wir komplexe Darstellungen präferieren. Interaktionsgeschwindigkeit ist begrenzt durch die menschliche Verarbeitungsgeschwindigkeit, wir können sie künstlich verlängern, z.B. durch Animation, um den Menschen zu intensiverem Studieren der komplexen Darstellungen zu zwingen. 8. Interaktion und Datenexploration 98 Scented Widgets Jedes Bedienelement kann man mit „Duft“ versehen. [Willett, Wesley, Jeffrey Heer, and Maneesh Agrawala. "Scented widgets: Improving navigation cues with embedded visualizations." In Proceedings InfoVis 2007: 1129-1136.] 8. Interaktion und Datenexploration 99 Hicksches Gesetz Hicksches Gesetz: Bei n gleichwahrscheinlichen Möglichkeiten beträgt die Zeit eine Entscheidung zu treffen T = b log2 (n + 1). Bei zu vielen Möglichkeiten entscheidet man sich gar nicht. Dies hat zwei Folgen für die Gestaltung: ● Die möglichen nächsten Interaktionsschritte sollten zu jedem Zeitpunkt gering gehalten werden. Für jede Operation sollte nur eine Geste angeboten werden. ● Details sollten reduziert werden, so dass der Nutzer nicht überrumpelt wird und schnell entscheiden kann wohin seine Exploration weitergeht (NICHT wie im Bild rechts). Schulz, H-J.;Hadlak, S.; Schumann, H.: "Point-based tree representation: A new approach for large hierarchies." In Proceedings of PacificVis 2009. 8. Interaktion und Datenexploration 100 Fittsches Gesetz Fittsches Gesetz: Für ein Ziel der Breite W und Distanz D ist die Zeit auf es mit dem Finger zu zeigen T = a + b log2 (1 + D /W ). Je weiter oder je kleiner etwas ist, umso länger brauche wir um eauf es zu zeigen. Card (1982) zeigte, dass das Fittsche Gesetz auch für Bedienung mit Computermäusen gilt. Benutzerelemente sollten nicht zu klein sein. Funktionen die oft zusammen gebraucht werden, nah beieinander platzieren um den erwarteten Weg zu minimieren. 8. Interaktion und Datenexploration 101 Gesetz des Lernens Ein Gesetz des Lernens besagt, dass die n-te Wiederholung einer Aktion ungefähr T = T1 / n Zeit beansprucht, wobei T1 die Zeit für die erstmalige Ausführung ist. Dieses Gesetz kann experimentell gut verifiziert werden (unter Anderem wurde ein Arbeiter einer Zigarettenfabrik über 40 Jahre begleitet, in denen er 900 Millionen Zigaretten anfertigte). Das Gesetz gilt allerdings nur für automatisierbare Aktionen, also Aktionen die ohne bewußtes Nachdenken ausgeführt werden können (Entscheidungsfindung in sich ändernden Kontexten ist nicht automatisierbar). Gute Benutzerschnittstellen ermöglichen die Ausführung von Gesten ohne Nachdenken, damit man durch ihr Erlernen schneller werden kann. Expert Reversal: Menschen die sich an eine Benutzerschnittstelle gewöhnt sind, arbeiten langsamer mit einer konzeptionell anderen Schnittstelle als unvoreingenommene Menschen. 8. Interaktion und Datenexploration 102 Prinzipien guter Interaktionsgestaltung Gute Nutzerschnittstellen stellen sicher, dass ● Nutzer niemals überfordert werden. Sie stellen zunächst einen Überblick dar, ermöglichen dem Nutzer dann seinen Fokus durch Vergrößern und Filtern einzustellen, dabei werden mehr Details eingeblendet. Viele Details sind so speziell,dass sie nur nach Bedarf angezeigt werden. ● der aktuelle Zustand der Interaktion ist stets erkennbar (Fokus+Kontext). ● der Nutzer sieht seine Möglichkeiten der nächsten Interaktion (Affordances). ● genügend Informationsduft (scent) verfügbar ist, dass der Benutzer seinen nächsten Schritt planen kann. ● Übergänge zwischen Zuständen weich sind und dem gedanklichen Modell des Nutzers nicht entgegenlaufen. ● Fehler den Benutzer nicht zum Neustart der Exploration zwingen, sondern Undo anbieten. ● es einen „Home“-Button gibt, so dass falls sich der Nutzer „verirrt“ er in einen Zustand zurückkehren kann, mit dem er vertraut ist. ● der Nutzer seine „Reise“ später nachvollziehen kann. Hierfür kann eine Historie und Lesezeichen angeboten werden. 8. Interaktion und Datenexploration 103 Beispiel: Kleine Vielfache, Große Einzelne (A) Großes Einzelnes (B) Menü der Variablen (C) Lupe für Details (D) Vorschau möglicher Operationen (E-G) Historie (H) Undo, Redo, Reset (I) Legende [van den Elzen, S., and van Wijk, J.J.: "Small multiples, large singles: A new approach for visual data exploration." In Proceedings of EuroVis 2013.] 8. Interaktion und Datenexploration 104 Literatur ● ● ● ● ● ● R. Spence: Information visualization, Addison-Wesley, 2007. J.J. van Wijk and Wim A.A. Nuij. "Smooth and efficient zooming and panning." Proceedings of IEEE Information Visualization, 2003. B. Shneiderman: „The eyes have it: a task by data type taxonomy of information visualizations”, Proceedings of IEEE Symposium on Visual Languages '96, 336-343. J.R. Anderson: Cognitive Psychology and its Implications, 7th ed. Worth Publishers, 2009. D. Norman: The Design of Everyday Things, 2nd ed. Basic Books, 2002. P.L. Pirolli: „Information foraging theory: Adaptive interaction with information“, Oxford University Press, 2007. 8. Interaktion und Datenexploration 105