Docstoc

Visualisierung und menschliche Wahrnehmung

Document Sample
Visualisierung und menschliche Wahrnehmung Powered By Docstoc
					   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

        arbiträr:
DOG     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
                                             DOG

Eigenschaften:

1. Schwierig zu lernen

2. Leicht zu vergessen

3. Eingebettet in Kulturen und Anwendungen

4. Formal stark

5. Für kurzfristige Änderungen geeignet
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!

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:59
posted:3/22/2011
language:German
pages:26