01-Prolog und Einfuehrung - Johann Wolfgang Goethe ... · Kmart Customer Relationship Database (70...

Visualisierung, SS 2005 06.04.2005

Wolfgang Mueller, HS Anhalt 1

Frankfurt, WS 2007/2008 1Visualisierung, D. Krömker, W. Müller

VisualisierungProlog und Einführung

Detlef KrömkerUni Frankfurt, Graphische Datenverarbeitung

Wolfgang MüllerPH Weingarten, Mediendidaktik und

Visualisierung


Übersicht

Organisatorisches

Themen der Vorlesung

Literaturempfehlungen + weitere Quellen

Einführung: Was bedeutet Visualisierung?




Kontakt

Detlef KrömkerE-Mail: [email protected] MüllerTelefon: (0751) 501-8545E-Mail: [email protected]


Organisatorisches

Struktur der Veranstaltung 2 SWS Vorlesung 2 SWS Übung/Praktikum




Ziele der Vorlesung

Verständnis der grundlegenden Ziele und Prinzipien der Visualisierung

Daten und Informationen Wahrnehmung und Visualisierung User und Kontext Visualisierungsprozess Expressivität und Effektivität

Grundlegendes Wissen über typische Ansätze und Standardtechniken der

Visualisierung sowie der prinzipiellen Vor- und Nachteile einzelner Verfahren

Überblick über fortgeschrittene und spezielle Techniken der Visualisierung

Befähigung zur kritischen Analyse von Visualisierungen

Befähigung zur Auswahl geeigneter Visualisierungsverfahren für ein gegebenesProblem

Befähigung zur eigenständigen Entwicklung von Visualisierungslösungen und -techniken


Themen der Vorlesung (1)

Was bedeutet Visualisierung? Einführung Definition Semiotik

Wann ist eine Visualisierung gut? Ziele, Anforderungen, Gütekriterien

Der Visualisierungsprozess Visualisierungspipeline Referenzszenarien





Was kann visualisiert werden? Daten und Information Datenarten, Datenquellen, Datenformate

Über den Nutzer Ziele bei der Visualisierung Vorwissen und kulturelle Unterschiede

Auge und Darstellungsmedien Grundlagen des Sehens Das ideale Darstellungsmedium



Einige Wahrnehmungsprozesse

Helligkeit, Kontrast und Farbe Textur Gestalt und Form Modell des Perceptual Processing Visuelles Pre-processing, Attention, Suche

Grundlegende Visualisierungstechniken

Abbildung (Mapping) auf Größe, Position, Farbe, Textur, Form,etc.

Visuelle Objekte, Datenobjekte, Glyphen Bild vs. Wort





Spezielle Visualisierungstechniken Multiparameter, Volumen, Strömung Raumwahrnehmung & 3D-Visualisierung Informationsvisualisierung

Interaktive Visualisierung Benutzungsschnittstellen für Visualisierungssysteme Navigation in Informationsräumen Visual Thinking

Zusammenfassung, Rückblick, Ausblick


Die drei Bücher zur Vorlesung

Heidrun Schumann and Wolfgang Müller: Visualisierung – Grundlagen undallgemeine Methoden, Springer Verlag, 2000 Deutschsprachiges Lehrbuch mit dem Schwerpunkt auf

wissenschaftlich-technischer Visualisierung (Scientific Visualization) Detaillierte Einführung in die Prinzipien der Visualisierung

Colin Ware: Information Visualization, Morgan Kaufman Pub., SanFrancisco, 1999 Schwerpunkt auf Wahrnehmung in der Visualisierung und

Informationsvisualisierung

R. Spence: Information Visualization, Addison Wesley, Harlow, 2001 Liefert umfassenden Überblick über aktuelle Techniken auf dem

Gebiet der Informationsvisualisierung




Aufgabe dieses Semesters

LESEN SIE DIESE DREI BÜCHER!!!

Hilfestellung

Nach jeder Vorlesung werden Kapiteln in den Büchernangegeben, die als Hausaufgabe bis zum nächsten Malgelesen werden müssen!

Bücher sind Prüfungsstoff!

Alle Bücher in der Bibliothek zur Ausleihe erhältlich


Weitere Literaturempfehlungen

Stuart K. Card, Jock D. Mackinlay, Ben Shneiderman: Readings inInformation Visualization – Using Vision To Think, Morgan Kaufman Pub.,San Francisco, 1999 Sammlung der wichtigsten Fachartikel auf dem Gebiet der

Informationsvisualisierung der letzten Jahre Viele technische Details Eine gute Einführung in die Informationsvisualisierung auf den ersten Seiten

E. R. Tufte: The Visual Display of Quantitative Information, GraphicsPress, Cheshire, 1983 Klassiker auf dem Gebiet der Informationsgraphik Beschränkt auf Standardgraphen und -diagramme




Weitere Literaturempfehlungen

E. R. Tufte: Envisioning Information, Graphics Press, Cheshire, 1990 Nachfolger mit einigen Beispielen für die computergestützte Visualisierung

Harris: Information Graphics – A Comprehensive Illustrated Reference,1999 Referenz von Visualisierungstechniken, kein Lehrbuch mit einer Einführung Beschränkt auf Standarddiagramme, Graphen und Karten


Weitere Quellen: Internationale Konferenzen

IEEE Visualization

seit 1990 jährlichIEEE International Symposium on Information Visualization

seit 1997 jährlich

Symposium on Visualization (VisSym)

Seit 1995

ACM Conference on Human Factors in Computing Systems (CHI)

Konferenzreihe der ACM SIGCHI (Special Interest Group on Computer HumanInterface)

seit .. 8X jährlich

Eurographics

Konferenzreihe der Eurographics Organisation seit 1979 jährlich




Weitere Quellen: Zeitschriften / Journals

Transactions on GraphicsACM Computer GraphicsIEEE Computer Graphics and ApplicationsComputer and GraphicsCommunications of the ACM


Weitere Quellen in der Vorlesung

Im Rahmen der Vorlesung wird zu einzelnenThemengebieten vertiefende Literatur angegeben

Die Lektüre dieser Literatur ist freiwillig, wird aberempfohlen!




Danksagung

Verschiedene Personen haben Materialien zu dieserVorlesung beigesteuert: Prof. Dr. Heidrun Schumann, Uni Rostock Prof. Dr. Detlef Krömker, Goethe-Uni Prof. Dr. Colin Ware, Univ. of New Hampshire Prof. Dr. Ralf Dörner, FH Wiesbaden Prof. Tobias Breiner, FH Heidelberg


Was bedeutet „Visualisierung“?Vorlesung Visualisierung - Teil A




Motivation

Mehr und mehr Daten werden in den unterschiedlichstenAnwendungsgebieten gesammelt

Information in Datenbanken oder weltweiten Informationsnetzen (z.B.WWW) steigen immens: Megabytes (106)

Inhalt eines Buches (1 MB) Gigabytes (109)

Inhalt eines Buchgeschäfts (1 GB) Terabytes (1012)

Typische Universitätbibliothek (1 TB) Library of Congress (20 TB ohne Bilder) Kmart Customer Relationship Database (70 TB, 2001) NCR Customer Relationship Database (250 TB in 2/2002)

Petabytes (1015) WWW (~ 1 PB) NASA EOSDIS Project in der Fernerkundung (7 PB Earth Science

Data, erwartet für 2007)


Motivation

Gesammelte Daten haben keinen Wert, solange esnicht gelingt, diesen Daten Bedeutungen zuzuordnenVerschiedene analytische Verfahren zur Lösung desProblems Data Mining Knowledge Discovery in Databases (KDDB)

Visualisierung ist ein weiterer, erfolgsversprechenderAnsatz




Visualisierung

„Graphics is the visual means of resolving logicalproblems.“(Bertin 1977)

„...Transformation of the symbolic into the geometric ...“(McCormick et al. 1987)

„The depiction of information using spatial or graphicalrepresentations, to facilitate comparison, patternrecognition, change detection, and other cognitive skillsthat make use of the visual system.“ (Hearst, 1998)


Visualisierung

Motivation: Ausnutzung der phänomenalen Fähigkeitendes menschlichen Gesichtssinns zur Erkennung vonStrukturen, auch in unbekannten KontextenAnsatz Transformation von symbolischen Information in

graphische Repräsentationen durch Abbildung vonDateneigenschaften auf graphische Elemente

Bereitstellung geeigneter Mittel zur Interaktion undzur Navigation zur Erkundung und Erschließung desDatensatzes




Ziele der Visualisierung

Unterstützung bei: Exploration Analyse Schlussfolgern aufgrund von Informationen Decision Making Erklärung und Kommunikation

Adapted from Hearst 1998


Ziele der Visualisierung

Genauer: Große Datensätze kohärent machen

(Kompakte Datensätze kompakt repräsentieren) Präsentation von Daten und Informationen von verschiedenen

Gesichtspunkten Präsentation von Daten und Informationen auf verschiedenen

Detailstufen (Überblick bis Detail) Unterstützung visueller Vergleiche Aufdeckung versteckter Strukturen Geschichte der Daten erzählen

Dies gilt auch für andere Formen der Repräsentation vonInformationen!

Adapted from Hearst 1998




Motivation: Statistik vs. Visualization

x y

10,00 8,04

8,00 6,95

13,00 7,58

9,00 8,81

11,00 8,33

14,00 9,96

6,00 7,24

4,00 4,26

12,00 10,84

7,00 4,82

5,00 5,69

x y

10,00 9,14

8,00 8,14

13,00 8,74

9,00 8,77

11,00 9,26

14,00 8,10

6,00 6,13

4,00 3,13

12,00 9,13

7,00 7,26

5,00 4,76

x y

10,00 7,46

8,00 6,77

13,00 12,74

9,00 7,11

11,00 7,81

14,00 8,84

6,00 6,08

4,00 5,39

12,00 8,15

7,00 6,42

5,00 5,73

x y

8,00 6,58

8,00 5,76

8,00 7,71

8,00 8,84

8,00 8,47

8,00 7,04

8,00 5,25

19,00 12,50

8,00 5,56

8,00 7,91

8,00 6,89

After Tufte, 1990

N=11Mittelwert X = 9.0Mittelwert Y = 7.5

Regressionsgerade: Y = 0.5 X + 3

I II III IV


Motivation: Statistik vs. Visualization

0 , 0 0

5 , 0 0

1 0 , 0 0

1 5 , 0 0

0,00 10,00 20,00

0 , 0 0

5 , 0 0

1 0 , 0 0

1 5 , 0 0

0,00 10,00 20,00

0 , 0 0

5 , 0 0

1 0 , 0 0

1 5 , 0 0

0,00 10,00 20,00

0 , 0 0

5 , 0 0

1 0 , 0 0

1 5 , 0 0

0,00 10,00 20,00

I II

III IV After Tufte, 1990




Klassische Fallstudie

Space Shuttle Disaster 1986

Edward Tufte: VisualExplanations, 1990

Probleme mit Dichtungsringender Trägerrakete waren imVorfeld bekannt

Die folgenden Diagrammewurden bei der Analyse desProblems verwendet

After Tufte, 1990



After Tufte, 1990





After Tufte, 1990



Fakten Problem war bekannt: Fachleute diskutierten bereits

über den Sachverhalt, der letztendlich auch zumAbsturz führte

Alle relevanten Daten waren verfügbar Aber: die Daten wurden nicht auf expressive Art und

Weise präsentiert Folgerung: Eine falsche Entscheidung wurde

getroffen!





After Tufte, 1990


Visualisierung heute

Visualisierung gewinnt eine immer größere Bedeutungund ist aus vielen Gebieten von Forschung, Technikund Wirtschaft nicht mehr wegzudenken

Visualisierung wird immer häufiger als eineinterdisziplinäre Herangehensweise zur Problemlösungverstanden, bei der Techniker und Gestaltergemeinsam in Teams geeignete Darstellungen fürgegebene Probleme entwickeln NCSA Urbana-Champaign Pacific Northwest National Laboratory (PNL) Fraunhofer IGD




Beispiele für Visualisierungen

Spiral GraphCircle Graph

Weber et. al. 2001


Beispiele für Visualisierungen

LandscapesColor Icons

Keim 1999PNL 2000




Beispiele für VisualisierungenParallel Coordinates

Schumann et. al. 2002


Beispiele:Anwendungsgebiet Chemie/Biologie

• Immun

• Gläserner Reaktor




Visualisierung von Abstraktionen undModellen


Gläserner Reaktor (1)

Kopplung eines Simulators(Speedup) mit einemVisualisierungssystem




Gläserner Reaktor (2)


Bildgebende Verfahren in der MedizinBsp. InViVo 4D

Echo-cardio Datensatz

3 Orts- & 1 Zeitdimension




Beispiele Scientific Visualization

a)Raumbezogene Daten


Warum visualisieren wir?

Hohe Bandbreite zum Gehirn (70% aller Rezeptoren,40+% des Cortex, 4 Milliarden Neuronen)Verstehen von riesigen Datenmengen (Millionen vonMesswerten können in einem Bild dargestellt werden)Wir können mehr sehen, als wir uns mental vorstellenkönnenErkennen von Mustern in Daten…




Nachdenken

„The purpose ofcomputation is insight,not numbers.“Hamming, 1973

„The purpose ofvisualization is insight,not pictures.“

Generalisierung: Perceptualization,insbesondere Sonification und Tactilization,haptilization, ...


Zusammenfassung

Begriff VisualisierungVisualisierung als Anwendung der CG




Ausblick – Nächste Schritte

Anforderungen und Ziele Effektivität – Expressivität – Angemessenheit

Der Visualisierungsprozesses Visualisierungspipeline Referenzmodell Visualisierungsszenarien


ENDE

Date post:	18-Oct-2019
Category:	Documents
Upload:	others
View:	2 times
Download:	0 times

01-Prolog und Einfuehrung - Johann Wolfgang Goethe ... · Kmart Customer Relationship Database (70...

Documents