RichterWeckemannSchildbach, Folie 1 Blockübung Informationsvisualisierung 11. bis 20. Februar 2008 Film-O-Viz 4000 Lehr- und Forschungseinheit Medieninformatik LMU München Hendrik Richter Bastian Schildbach Kay Weckemann
RichterWeckemannSchildbach, Folie 2 Vorgehensweise Brainstorming: Einordnung der Daten (normativ, ordinativ, quantitativ) Hypothesen Mockups Designentscheidung: Scatter Plot Implementierung: –JAXP –Prefusedemos als Orientierungshilfe Anpassung des Designs an unsere Hypothesen Erstes Mockup: Genre, ReleaseDate, Rating, NumRating, Oscar
RichterWeckemannSchildbach, Folie 3 Mappings der ersten Version X-Achse: ReleaseDateGröße: BoxofficeFarbverlauf: Numratings Y-Achse: RatingOscar: Icon
RichterWeckemannSchildbach, Folie 4 Risiko vor der Umsetzung 1a)Numratings über Farbverlauf: Filme mit wenigen Bewertungen hellgrau Folge: „wichtige“ Filme werden eventuell „unwichtig“ eingestuft 1b)Boxoffice über Größe der Symbole: schlecht quantifizierbar - zu große Kreise? Folge: andere Filme überdeckt 2) Oscar-Icons: andere Filme werden verdeckt Lösung : Boxoffice über Farbverlauf Lösung : anderes Symbol & gelber Rand
RichterWeckemannSchildbach, Folie 5 Unsere Visualisierung DEMO X-Achse: ReleaseDate Y-Achse: Rating Farbverlauf: Boxoffice Oscar: gelbes Viereck „Normale“ Filme: grauer Diamant Weitere Infos: Infobox
RichterWeckemannSchildbach, Folie 6 Hypothese 1 Filme mit geringem Einspielergebnis gewinnen keine Oscars. X-Achse: ReleaseDate Y-Achse: Rating Farbverlauf: Boxoffice Oscar: gelbes Viereck „Normale“ Filme: grauer Diamant Weitere Infos: Infobox
RichterWeckemannSchildbach, Folie 7 Hypothese 2 Neue oscarprämierte Filme mit hohen Ratings erzielen gute Einspielergebnisse. X-Achse: ReleaseDate Y-Achse: Rating Farbverlauf: Boxoffice Oscar: gelbes Viereck „Normale“ Filme: grauer Diamant Weitere Infos: Infobox
RichterWeckemannSchildbach, Folie 8 Ausblick
RichterWeckemannSchildbach, Folie 9 Vielen Dank für die Aufmerksamkeit