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

(räumliche, zeitliche,

physikalische Nähe zum

Objekt)

Rauch – Feuer, (Foto)

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

arbiträr:

Erkennen erst durch vorheriges Erlernen möglich

SymbolDOG

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

muss erlernt werden (keine „Wahrnehmungsbasis“)

abhängig vom bestimmten kulturellen Milieu eines Individuums

funktioniert am besten, wenn sie gut gelernt ist

sozial konstruiert

DOG

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

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

DOG

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 AbständenHier 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!