Visualisierung Vorlesung 8.

Präsentation zum Thema: "Visualisierung Vorlesung 8."—  Präsentation transkript:

1 Visualisierung Vorlesung 8

2 Wiederholung & Vertiefung: Visuelle Suche u. Pre-attentive Wahrnehmung
Visualisierung – Vorlesung 8 WS 2005/2006

3 Suchlicht Modell der visuellen Aufmerksamkeit
Visualisierung – Vorlesung 8 WS 2005/2006

4 Gleichmäßiges Tracking Konvergenz und Divergenz
Augenbewegungen Sakkaden Anzahl: 2 – 5 pro Sekunde Dauer: 20 – 100 ms Winkelgeschwindigkeit: 900°/s Ballistische Bewegung, sakkadische Unterdrückung Gleichmäßiges Tracking Konvergenz und Divergenz Akkomodation (Dauer: 200 ms) Visualisierung – Vorlesung 8 WS 2005/2006

5 Useful Field of View (UFOV)
Große Schwankungsbreite (typisch: 1° bis 15°, in Extremfällen gesamtes Gesichtsfeld) Abhängig von Objektdichte Stress, Müdigkeit, Drogen (Tunnelblick) Art des Reizes, bei Bewegung ist UFOV besonders gross (Reaktion < 1s bei statischen Objekten: 8°, bei bewegten Objekten bis 40°) Visualisierung – Vorlesung 8 WS 2005/2006

6 Anwendung: User Interrupts
Signal auch außerhalb der Focusregion wahrnehmbar (Farbenblindheit im peripheren Sehen!!) Signal soll wiederkehrend erinnern, nicht in die sakkadische Supression fallen Signal soll nicht irritierend sein Signal soll verschiedene Dringlichkeitsstufen haben Eintreten des Signals in das Gesichtsfeld (Antwortzeit abhängig von Geschwindigkeit) Visualisierung – Vorlesung 8 WS 2005/2006

7 Highlighting Texture Using color Using underlining
A flying box leads attention Blinking momentarily attracts attention Blinking momentarily attracts attention Motion elicits an orienting response Visualisierung – Vorlesung 8 WS 2005/2006

8 Pre-Attentive Processing
Visualisierung – Vorlesung 8 WS 2005/2006

9 Farbe ist Pre-Attentive
Visualisierung – Vorlesung 8 WS 2005/2006

10 Generisches Experiment zur Pre-Attentiven Wahrnehmung
Anzahl von irrelevanten Objekten variieren Pre-attentive Wahrnehmung bei < 10 ms pro Objekt Visualisierung – Vorlesung 8 WS 2005/2006

11 Farbe ist pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

12 Orientatierung ist pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

13 Bewegung ist pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

14 Größe ist pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

15 Simple Schattierung ist pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

16 Konjunktion ist nicht pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

17 Zusammengesetzte Merkmale sind nicht pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

18 Umgebungsfarben sind nicht pre-attentiv
Visualisierung – Vorlesung 8 WS 2005/2006

19 Weitere Beispiele: Pre-Attentiv oder nicht?
Visualisierung – Vorlesung 8 WS 2005/2006

20 Bewegung ermöglicht Konjunktionen
Visualisierung – Vorlesung 8 WS 2005/2006

21 Pre-Attentive Konjunktionen
Stereo und Farbe Farbe und Bewegung Farbe und Position Form und Position Generell: Position und ein Aspekt der Form Visualisierung – Vorlesung 8 WS 2005/2006

22 Pre-Attentive Kanäle Form (Orientierung, Größe) Farbe
Einfache Bewegung Addition (bis zu 3) Raum Stereotiefe Shading Position Visualisierung – Vorlesung 8 WS 2005/2006

23 Gesetze des pre-attentiven Display
Muss in einer einfachen Dimension hervorstechen: Farbe Einfache Form (Orientierung, Größe) Bewegung Tiefe Im Highlighting immer nur eins aus diesen Dimensionen wählen Visualisierung – Vorlesung 8 WS 2005/2006

24 Lehren aus der pre-attentiven Wahrnehmung
Gut für schnelle visuelle Suche (<10 ms/Objekt) Mühelos wahrnehmbar Basiert auf einfachen visuellen Attributen Gesichter, etc. sind nicht pre-attentiv Für Unterscheidbarkeit von Symbolen verwenden Visualisierung – Vorlesung 8 WS 2005/2006

25 Design von Symbolen Visualisierung – Vorlesung 8 WS 2005/2006

26 Design von Symbolen Visualisierung – Vorlesung 8 WS 2005/2006

27 Lehren für das pre-attentive Display
Regeln, um Dinge unterscheidbar zu machen kann für Symbole als auch für Gebiete genutzt werden Keine grossen Flächen mit starker Farbe, Bewegung oder Textur belegen (nichts kann dann mehr hervorstechen) Orthogonalität ausnutzen: verschiedene Kanäle für unterschiedliche Arten von Information nutzen Visualisierung – Vorlesung 8 WS 2005/2006

28 Wahrnehmung von Objekten
Visualisierung – Vorlesung 8 WS 2005/2006

29 Größe beeinflusst Objekterkennung
Visualisierung – Vorlesung 8 WS 2005/2006

30 Größe von 40 ist optimal für Objekterkennung
Objekterkennung baut auf den einfachen Wahrnehmungsprozessen auf Verschiedene Theorien Visualisierung – Vorlesung 8 WS 2005/2006

31 Ein Template mit einfachen Morph-Operationen
Template Theorien Ein Template mit einfachen Morph-Operationen Visualisierung – Vorlesung 8 WS 2005/2006

32 Eigenschaften der Bilderkennung
Bemerkenswertes Gedächtnis für die Bilderkennung Bis zu 5 Bilder pro Sekunde für die Objekterkennung Anwendung in Interfaces zum Suchen von Bildern Visualisierung – Vorlesung 8 WS 2005/2006

33 Wahrnehmung von Objektstrukturen
Visualisierung – Vorlesung 8 WS 2005/2006

34 Image Based vs Structure Theorien
Template Theorien basieren auf 2D Bildverarbeitung Structure Theorien basieren auf einer Extraktion von 3D Primitiven aus einer Szene durch den Beobachter Visualisierung – Vorlesung 8 WS 2005/2006

35 Geon Theory Visualisierung – Vorlesung 8 WS 2005/2006

36 Geon Theory 3D Primitive “Geons” Structural skeleton
Shape from shading ist auch ein Primitiv Visualisierung – Vorlesung 8 WS 2005/2006

37 Wie werden Geons gefunden?
Visualisierung – Vorlesung 8 WS 2005/2006

38 Kanonische Silhouetten
Visualisierung – Vorlesung 8 WS 2005/2006

39 Teilprozesse der Objekterkennung
Visualisierung – Vorlesung 8 WS 2005/2006

40 Anwendung: Das Objekt Display (Wickens)
Verwendung von komplexen Objekten, um mehrere Variablen zu repräsentieren Größen auf Objektteile abbilden Struktur auf Objektstruktur abbilden Verwendung von Metaphern Attribute auf Objektattribute abbilden - Farbe, Größe, Bewegung, etc. Visualisierung – Vorlesung 8 WS 2005/2006

41 Geon Diagramme (Pourang Irani)
3D Formprimitive für Architektur – Größen und ihre Beziehungen Oberflächen Textur und Farbe für Attribute Visualisierung – Vorlesung 8 WS 2005/2006

42 Erkennung 13% errors: 4.3 sec sub-structure 22% memory errors
Visualisierung – Vorlesung 8 WS 2005/2006

43 3D versus 2D 11.4% errors 3.7 sec sub-structure 21% errors 5.1 sec
20% memory errors 34% memory errors Visualisierung – Vorlesung 8 WS 2005/2006

44 Semantik darüber – baut auf darunter – unterstützt, begründet
innen – Beinhaltung (z.B. private code) Verbindungspunkte (external interfaces; part_of relationships) -> Topologie Mitte Oben Unten Visualisierung – Vorlesung 8 WS 2005/2006

45 (Natürliche) Semantik
Instances Dependency Multiplicity Strength of Relationship Visualisierung – Vorlesung 8 WS 2005/2006

46 Visualisierung – Vorlesung 8
WS 2005/2006

47 The concrete/abstraction tradeoff
Gefahr: Überinterpretation von Objektdarstellung (werden “zu buchenstabengetreu” übernommen) Abstrakte Darstellungen lassen mehr Raum für Interpretation (kreative Prozesse werden besser unterstützt) Visualisierung – Vorlesung 8 WS 2005/2006

48 2 ½ D Design Benutze 3D Objekte zur Repräsentation von Entitäten
Benutze 2D Layout, um Struktur darzustellen Bedenke Verdeckungen beim Layout Bedenke Navigationskosten beim Layout Selektion, Hyperlinks, klar sichtbare Portale Benutze kanonische Ansichten Vermeide Informationslabyrinthe Visualisierung – Vorlesung 8 WS 2005/2006

49 Visuelle Variablen & Standarddiagramme
Visualisierung – Vorlesung 8 WS 2005/2006

50 Graphische Semiologie (Graphical Semiotics)
Wissenschaft der graphischen Zeichen und Symbole Basiert auf tausende Jahre alten Traditionen Wissenschaften mit Bezug zu dieser Thematik Theologie, Philosophie, Anthropologie, Psychologie, ..., Kartographie, ..., Visualisierung Grundlegende Arbeiten von Jacques Bertin The Semiology of Graphics, 1982 Grundlage der modernen Visualisierung Visualisierung – Vorlesung 8 WS 2005/2006

51 Atelier de cartographie de Sciences Po (Paris, France) , http://www
Visualisierung – Vorlesung 8 WS 2005/2006

52 Visuelle Variablen Bertin 1982 Visualisierung – Vorlesung 8
WS 2005/2006

53 Visuelle Variablen 8 Visuelle Variablen nach Bertin, 1982
Position (x und y) Textur Fläche, Größe Neigung, Orientierung Helligkeit Form, Gestalt Farbe Visualisierung – Vorlesung 8 WS 2005/2006

54 Visuelle Variablen Zusätzliche visuelle Variablen Länge Volumen
Farbton Sättigung Winkel Verbindung Enthaltung Visualisierung – Vorlesung 8 WS 2005/2006

55 Visuelle Variablen Zusätzliche visuelle Variablen Bewegung Blinken
Visualisierung – Vorlesung 8 WS 2005/2006

56 Eigenschaften Visueller Variablen
Selektiv Spontane Gruppierung beim menschlichen Betrachter Besonders nützlich zur Visualisierung nominaler Daten Assoziativ vs. nicht assoziativ Assoziativ: alle Variablen haben bei Benutzung dieser Variablen weiterhin die gleiche Sichtbarkeit Ordinal Spontane Anwendung einer Ordnung beim menschlichen Betrachter Besonders nützlich zur Visualisierung ordinaler Daten Proportional Direkte Assoziation eines Wertes Besonders nützlich zur Visualisierung ordinaler und quantitativer Daten Visualisierung – Vorlesung 8 WS 2005/2006

57 Les trois dimensions de l'image instantanée
Visualisierung – Vorlesung 8 WS 2005/2006

58 Les propriétés du plan X Y Points ou lignes : réseaux ou matrices
Visualisierung – Vorlesung 8 WS 2005/2006

59 Les propriétés du plan X Y Image fixe ou image transformable
Links oben: Gezeigt wird: Das Vorkommen des Produktes A, B, C.. im Land 1,2, 3... Rechts oben: Es wird auf diese Weise vom Betrachter eine seqeunzielle Netzanalyse () vorgenommen. => nicht pre-attentiv! Links unten + rechts unten: Es reicht, durch einfaches permutieren (Land 2 und Produkt D), gleichartige Zeilen 8und Spalten zu gruppieren und die Tabelle pre-attentiv zu machen. => MATRICE ORDONNABLE! Visualisierung – Vorlesung 8 WS 2005/2006

60 Datentransformation zum besseren Verständniss
Bertin: „On transforme des données en graphique pour comprendre“ Visualisierung – Vorlesung 8 WS 2005/2006

61 Effekte der Datentransformation
Visualisierung – Vorlesung 8 WS 2005/2006

62 Visualisierung – Vorlesung 8
WS 2005/2006

63 Effektivität Visueller Variablen
Quantitativ Ordinal Nominal Hohe Effektivität Position Position Position Länge Helligkeit Farbton Winkel Sättigung Textur Neigung Farbton Verbindung Fläche Textur Enthaltung Volumen Verbindung Helligkeit Helligkeit Enthaltung Sättigung Sättigung Länge Form Farbton Winkel Länge Textur Neigung Winkel Verbindung Fläche Neigung Enthaltung Volumen Fläche Geringe Effekt. Form Form Volumen Visualisierung – Vorlesung 8 Nach Mackinlay 1986 mit Adaptionen WS 2005/2006

64 Weitere Faktoren Weitere Faktoren, welche die Effektivität einer Visualisierung beeinflussen können (Peeck, 1987) Ästhetische und künstlerische Aspekte, technische Qualität Beispiel: Farbwahl (Color Balance) Authentizität Grad in dem der Betrachter das Dargestellte glaubt Informationsdichte Anzahl der visuellen Elemente und Detailgrad eines jeden Elements Visualisierung – Vorlesung 8 WS 2005/2006

65 Übersicht Wiederholung Visuelle Variablen Standard-Graphen
Visualisierung – Vorlesung 8 WS 2005/2006

66 Eigenschaften eines Graphen
Visuelle Darstellung, die eine oder mehrere Beziehungen zwischen Elementen darstellt Prägnante Form zur Präsentation von Informationen Erlaubt es, Trends, Muster oder Vergleiche einfach zu erkennen bzw. zu verstehen Visualisierung – Vorlesung 8 WS 2005/2006

67 Aspekte Aufgabenorientierte Herangehensweise ist unabdingbar:
Warum wird der Graph benötigt? Welche Fragen sollen beantwortet werden? Welche Daten sind notwendig, um diese Fragen zu beantworten? Wer ist die Zielgruppe? Was ist das Medium? money time Visualisierung – Vorlesung 8 WS 2005/2006

68 Komponenten eines Graphen
Rahmen (Framework) Maßeinheiten, Skalierung Inhalt Marken, Linien, Punkte Beschriftungen (Labels) Titel, Achsen, Skalen Visualisierung – Vorlesung 8 WS 2005/2006

69 Typische Formen von Graphen
Säulen- diagramm Punktediagramm (Scatterplot) Liniengraph X-Achse: quantitativ Y-Achse: quantitativ Ziel: Erkennung von Änderungen über nachfolgende Werte X-Achse: qualitativ Y-Achse: quantitativ Ziel: relativer Vergleich von Punktwerte X-Achse: qualitativ/quantitativ Y-Achse: qualitativ/quantitativ Ziel: Analyse der Korrelation zwischen Variablen (linear, komplex, keine) Visualisierung – Vorlesung 8 WS 2005/2006

70 Richtlinien zur Gestaltung von Graphen
Typische Anwendung: Vergleich quantitativer Variablen (z.B. Temperatur über die Zeit) Abhängige Variable ändert sich relativ zur unabhängigen Variable Unabhängige Variable als Referenz Unabhängige vs. abhängige Variablen X-Achse zur Darstellung der unabhängigen Variable Y-Achse zur Darstellung der resultierenden abhängigen Variable Bei der Darstellung von 2 unabhängigen Variablen Abbildung der unabhängigen Variablen auf Achsen Variation des verwendeten Symbols/Marke zur Darstellung der abhängigen Variable (z.B. durch unterschiedliche Farben) Visualisierung – Vorlesung 8 WS 2005/2006

71 1,2,3 Variablen A B C D E A B C D E A B C D E Visualisierung – Vorlesung 8 WS 2005/2006

72 Standard-Graphen Eine Reihe von Graphen werden seit langem erfolgreich zur Visualisierung eingesetzt Beispiele Sequence Charts Punktediagramm (Scatterplots) Liniendiagramme (Line Graphs) Time Series (Strip Charts) Stabdiagramm (Dot Plots) Säulendiagramm, Balkendiagramm (Bar Charts) Tortendiagramme (Pie Charts) Kreisdiagramme (Circle Graphs) Visualisierung – Vorlesung 8 WS 2005/2006

73 Strahldarstellung (Sequence Charts)
Sequence Charts repräsentieren quantitative Größen auf einer Achse Typische Anwendung Zeitstrahl: Darstellung zeitvarianter Daten in chronologischer Ordnung Darstellung von Merkmalen als Marken mit einem dem Wert entsprechendem Abstand zum Ursprung der Achse Beschränkung auf die Visualisierung nominaler zeitabhängiger Daten durch die Verwendung von Marken zur Darstellung von Datenelementen Visualisierung – Vorlesung 8 WS 2005/2006

74 Punktediagramm (Scatterplot)
Darstellung der Relationen zwischen 2 Variablen Hilfreich zur Identifizierung von Korrelationen zwischen Variablen Visualisierung – Vorlesung 8 WS 2005/2006

75 Korrelationen in Punktediagrammen
Starke Korrelation Schwache Korrelation Keine Korrelation Positive/direkte Korrelation Negative/indirekte Korrelation Keine Korrelation Lineare Korrelation Exponentielle Korrelation Visualisierung – Vorlesung 8 Komplexe Korrelation nach Harris 1996 WS 2005/2006

76 Liniengraph Liniengraph, Liniendiagramm (Line Graph) Vorteile
Erweiterung des Punktediagramms durch Verbindung der Marken mit Linienelementen zur Betonung der zeitlichen Relation Vorteile Verbesserte Erkennung von Unterschieden in kontinuierlichen Werten Möglichkeit zur Integration verschiedener Sequenzen/Graphen in einer Graphik Abhängig von den konkreten Daten, maximal 2-8 Sequenzen Visualisierung – Vorlesung 8 WS 2005/2006

77 3D-Liniengraphen 3D-Version eines Liniengraphen zur Visualisierung zeitvarianter Daten mit Bezug auf eine weitere, freie Variable Möglichkeit der Nutzung von Animation zur Visualisierung weiterer zeitlicher Aspekte Beispiel: Visualisierung von Aktienwerten Visualisierung – Vorlesung 8 WS 2005/2006

78 Isoplethen Isoplethen (Isoline Graphs) Spezielle Formen
Linien gleichen Zahlenwertes einer Größe, die von 2 weiteren Parametern abhängt Beispiele: Höhenlinien, Schichten- bzw. Konturlinien (engl. Contours) in einem Graphen Spezielle Formen Isobaren: Linien gleichen Luftdruckes Isothermen: Linien gleicher Temperatur Visualisierung – Vorlesung 8 WS 2005/2006

79 Isoplethen Nutzung von Farbe zur Verdeutlichung von Aspekten und zur Visualisierung zusätzlicher Größen Linien Resultierende Flächen Erweiterung auf 3D möglich Visualisierung – Vorlesung 8 WS 2005/2006

80 Säulendiagramm, Balkendiagramm
Säulendiagramm, Balkendiagramm (Bar Chart) Säulen bzw. Balken zur Darstellung von Merkmalen an einem Punkt im Beobachtungsraum Eigenschaften Verbesserte Vergleichbarkeit von Merkmalen relativer Vergleich von Punktwerten Unabhängige Variable diskret Unabhängige Variables quantitativ Farbe/Textur kann zur Visualisierung zusätzlicher Merkmale genutzt werden Visualisierung – Vorlesung 8 WS 2005/2006

81 Histogramm Histogramm Beispiel
Spezielle Form des Säulendiagramms zur Darstellung der Verteilung einer Population über dem Beobachtungsraum Beispiel Darstellung von Schulnoten einer Klasse Klassenspiegel für Klausurnoten Visualisierung – Vorlesung 8 WS 2005/2006

82 Typische Strukturen in Histogrammen
Normalverteilung Bimodale Verteilung Multimodal distribution Asymmetrische, positiv verzerrte Verteilung Asymmetrische, negativ verzerrte Verteilung Spitze, leptokurtische Verteilung Flache, platykurtische Verteilung Visualisierung – Vorlesung 8 Harris 1996 WS 2005/2006

83 Gantt Chart Gantt Chart
Spezielle Form eines Balkendiagramms Balken zur Darstellung von Anfang und Dauer eines Prozesses Ggf. weitere Marken zur Darstellung zeitlicher Ereignisse Häufig genutzt zur Planung, Verwaltung und Kontrolle von Projekten Visualisierung – Vorlesung 8 WS 2005/2006

84 Kreisdiagramm Kreisdiagramm (Circle Chart, Pie Chart) Eigenschaften
Auch: Kuchendiagramm, Tortendiagramm Diagramm zu Anzeige der Anteilswerte der Ausprägungen einer diskreten Variablen Eigenschaften Maßeinheiten üblicherweise in Prozent 0% und 100% typischerweise an oberster Stelle im Kreis positioniert Information typischerweise im Uhrzeigersinn angeordnet (Meaningful Order) Im Allgemeinen nur für Variablen mit maximal sechs oder sieben Werten geeignet Visualisierung – Vorlesung 8 WS 2005/2006

85 Anteilige Waldfläche der Länder in Südostasien 1995.
Land Waldfläche (in t.ha) Kambotscha 9830 Laos Thailand 11630 Vietnam 9117 Brunei 434 Indonesien Malaysia 15471 Philippinen 6766 Singapur 4 Datenquelle: Veröffentlichung "State of the Worlds Forest 1997" der Vereinten Nationen Visualisierung – Vorlesung 8 WS 2005/2006

86 Pie Chart A special version of the circle graph where the total population does not add to 100% is called Pie Chart Visualisierung – Vorlesung 8 WS 2005/2006

87 Bubble Graph Bubble Graph Bemerkung:
Spezielle Form des Punktediagramms Variation der Markengröße zur Darstellung einer quantitativen Größe Bemerkung: Der wahrgenommene Wert mit Bezug auf die Größe der Marke korrespondiert zur Flächen nicht zum Durchmesser! Jung 1998 Visualisierung – Vorlesung 8 WS 2005/2006

88 Whisker Charts Whisker Chart, Box-Whisker Plot
Spezielle Form des Punktediagramms zur Visualisierung mehrerer quantitativer Merkmale durch Variation des Whisker-Körpers und der Whisker-Glieder Nutzung typischerweise zur Visualisierung zweier abhängiger Variablen sowie folgender Größen der zweiten abhängigen Variable Median (2. Quartil) Median 1. Quantil (25%-Quartil) Median 3. Quantil (75%-Quartil) Kleinster Wert Größter Wert Farbe kann zur Darstellung weiterer Merkmale genutzt werden Visualisierung – Vorlesung 8 WS 2005/2006

89 Whisker Charts Konstruktion eines Whisker Charts Bestimmung von
Median (2. Quartil) Median des 1. Quartil Median des 3. Quartil Kleinster Wert Größter Wert Beispiel Median = 80 Median 1. Quartil = 70 Median 3. Quartil = 90 Kleinster Wert = 65 Größter Wert = 100 Visualisierung – Vorlesung 8 WS 2005/2006

90 Circular Area Graph Circular Area Graph
Abbildung des Liniengraphen in Kreiskoordinaten Typischerweise verwendet im Fall von zyklischen Prozessen Beide Achsen repräsentieren quantitative Größen A kleine Anzahl von Graphen kann zum Vergleich in einem einzigen Graphen kombiniert werden Visualisierung – Vorlesung 8 WS 2005/2006

91 Diese Vorlesung basiert auf Material von
Danksagung Diese Vorlesung basiert auf Material von Prof. Dr. Wolfgang Müller Prof. Dr. Colin Ware Visualisierung – Vorlesung 8 WS 2005/2006

92 Exzerpieren Sie wesentliche Punkte
Hausaufgabe Lesen Sie: CW: Kap. 5 (bis S. 187) Kap. 6 Exzerpieren Sie wesentliche Punkte Visualisierung – Vorlesung 8 WS 2005/2006