Visualisierung. Anforderungen und Prozesse

Transkript

1 Visualisierung Anforderungen und Prozesse Detlef Krömker Uni Frankfurt, Graphische Datenverarbeitung Wolfgang Müller PH Weingarten, Mediendidaktik und Visualisierung Frankfurt, WS 2007/ Übersicht Wiederholung: Was ist Visualisierung? (Teil A) Wann ist eine Visualisierung gut? (Teil B) Der Visualisierungsprozess (Teil C) Frankfurt, WS 2007/

2 Terminologie Visualisierung (Visualization) The use of computer-supported, interactive, visual representations of data to amplify cognition (Card et. al. 1999) Wissenschaftlich-technische Visualisierung (Scientific Visualization) The use of computer-supported, interactive, visual representations of scientific data, typically physical based, to amplify cognition (Card et. al. 1999) Informationsvisualisierung (Information Visualization) The use of computer-supported, interactive, visual representations of abstract, nonphysically based data to amplify cognition (Card et. al. 1999) Frankfurt, WS 2007/ SciVi vs. InfoVis (Scientific) Visualization vs. Information Visualization unscharfe Trennung (nach Card, Mackinlay, Shneiderman) Scientific Visualization The use of computer-supported, interactive, visual representations of data to amplify cognition. Daten mit technischem, naturwissenschaftlichen Ursprung (Messungen, Simulationen) oft existiert natürliche, naheliegende räumliche Repräsentation Information Visualization The use of computer-supported, interactive, visual representations of abstract data to amplify cognition. allgemeinere Daten: Geschäftsdaten, Finanzdaten, Dokumente oder Datenbankinhalte strukturierte abstrakte Daten ohne natürliche, naheliegende räumliche Repräsentation Frankfurt, WS 2007/

3 Nachdenken The purpose of computation is insight, not numbers. (Hamming, 1973) The purpose of visualization is insight, not pictures. (McCormick et. al.) Ein Bild sagt mehr als tausend Worte. (Chinesisches Sprichwort) Ein Wort sagt mehr als tausend Bilder. (Alexander Hahn (?)) Frankfurt, WS 2007/ Geschichte der (Informations-) Visualisierung Visualisierung zeitvarianter Daten Erstes Auftreten Illustration von Planetenbahnen Text einer Klosterschule des 10 ten Jahrhunderts Wiederentdeckung Wissenschaftliche Darstellung periodischer Änderungen von Bodentemperaturen in Relation zur Tiefe (unter der Erdoberfläche) Lambert, 18tes Jahrhundert Nutzung weiterer Formen von Informationsgraphiken William Playfair: Commercial and Political Atlas, 1786 after Tufte 1996 Frankfurt, WS 2007/

4 Terminologie: Daten, Information, Wissen Information Daten Wissen Immer nur in Bezug auf vorhandenes Wissen und Themengebiet Deshalb: schwer formal zu definieren Elementare Informationen (Weitestgehend) Kontextunabhängig Klare Wahrnehmung von Fakten, Wahrheit Verständnis aufgrund von Forschung und Erfahrung Kann beinhalten Know what' (Wissen über Fakten) Know why' (naturwissenschaftliches Wissen über die Prinzipien und Gesetze der Naturgesetze) Know how' (Skills oder Fähigkeiten eine Aufgabe zu bearbeiten) Know who' (Wissen darüber, wer Wissen besitzt und wie man auf dieses Wissen zugreifen kann) Frankfurt, WS 2007/ Klassifikation von Visualisierung (I) Klassifikation von Visualisierung nach verschiedenen Kriterien nach Entwurf zu VDI 3633 Blatt 7 (in Arbeit) Struktur Abstraktionsgrad der visuellen Elemente Struktur der Darstellung Zeitverhalten der Daten / des Modells Zeitverhalten der Präsentation Interaktion Frankfurt, WS 2007/

5 Klassifikation visueller Elemente Abstraktionsgrad der visuellen Elemente symbolisch Zeichen(-ketten) H 2 O (abstraktes) Symbol Piktogramm (graphisch, bildliches Symbol) Detlef Krömker Frankfurt, WS 2007/ Klassifikation visueller Elemente Abstraktionsgrad der visuellen Elemente (2) ikonisch, zeigt (für einen Menschen) unmittelbar die Bedeutung, anschaulich stilisierte Abbildungen ( Strichzeichnungen) realitätsnah (elementare Beleuchtungsrechnung) Detlef Krömker Frankfurt, WS 2007/

6 Klassifikation visueller Elemente Abstraktionsgrad der visuellen Elemente (2) fotorealistisch: nicht von einem Foto unterscheidbar Messecenter-Vis. (Spierling 1996) Frankfurt, WS 2007/ Klassifikation von Visualisierung (V) Struktur der Darstellung Schrift Zeichenketten, Konventionen Tabelle zusätzliche Strukturen im Schriftbild Diagramme Anordnung von Zeichen, Symbolen und Ikonen Zeichnungen zweckgebundene Abstraktion (Karten) Ähnlichkeiten bzgl. topologischer Strukturen bleiben erhalten Bild höherer Grad der Ähnlichkeit Virtuelle Welten erlebbare 3-Dimensionalität Detlef Krömker Frankfurt, WS 2007/

7 Klassifikation von Visualisierung (VI) Zeitverhalten der Daten / des Modells Statisch Dynamisch Diskret Kontinuierlich Zeitverhalten der Präsentation Standbild (Festbild) Proportionales Bewegtbild Zeitlupe Echtzeit Zeitraffer Nicht proportionales Bewegtbild Frankfurt, WS 2007/ Klassifikation von Visualisierung (VII) Interaktion keine Navigation in der Präsentation Interaktion mit dem Simulationsmodell / den Messgeräten Interaktion mit dem graphischen Modell Interaktion in dem Modell (Immersion) Detlef Krömker Fraunhofer IGD Frankfurt, WS 2007/

8 Klassifikation von Visualisierung (VIII) Struktur der Darstellung Schrift Zeichenketten, Konventionen Tabelle zusätzliche Strukturen im Schriftbild Diagramme Anordnung von Zeichen, Symbolen und Ikonen Zeichnungen zweckgebundene Abstraktion (Karten) Ähnlichkeiten bzgl. topologischer Strukturen bleiben erhalten Bild höherer Grad der Ähnlichkeit Virtuelle Welten erlebbare 3-Dimensionalität Detlef Krömker Frankfurt, WS 2007/ Klassifikation von Visualisierung (VIII) Struktur der Darstellung Schrift Zeichenketten, Konventionen Tabelle zusätzliche Strukturen im Schriftbild Diagramme Anordnung von Zeichen, Symbolen und Ikonen Zeichnungen zweckgebundene Abstraktion (Karten) Ähnlichkeiten bzgl. topologischer Strukturen bleiben erhalten Bild höherer Grad der Ähnlichkeit Virtuelle Welten erlebbare 3-Dimensionalität Detlef Krömker Frankfurt, WS 2007/

9 Klassifikation von Visualisierung (IX) Grafik und verwandte Begriffe in der Literatur häufig nicht einheitlich verwendet Klassifikation nach Harris, 1996 Grafik (Chart) Graph Karte Diagramm Tabelle Andere Grafiken nach Harris 96 Frankfurt, WS 2007/ Terminologie: Grafik Grafik, Informationsgrafik Ein Mittel zur Zusammenführung und Darstellung von Informationen und Daten (in graphischer Form) zum Zweck der Analyse, Planung, Überwachung, Kommunikation, etc. Frankfurt, WS 2007/

10 Terminologie: Graph Definitionen A chart that graphically displays quantitative relationships between two or more groups of information (Harris 96) A visual display that illustrates one or more relationships among entities and which allows a trend, pattern, or comparison to be easily apprehended (Kosslyn 89) Anforderungen/Struktur Mindestens zwei quantitative Skalen Assoziation von Werten durch symmetrische Relationen, welche dieses paaren Beispiele: Punktediagramm (Scatter Plot), Säulendiagramm (Bar Chart) Frankfurt, WS 2007/ Terminologie: Diagramm Darstellung diskreter Relationen zwischen diskreten Entitäten Struktur stellt die Beziehungen zwischen den Entitäten her Linienelemente und relative Position zur Verknüpfung von Entitäten Beispiele: Familienbaum, Flussdiagramm, Netzwerk Frankfurt, WS 2007/

11 Terminologie: Karte (Map) Grafik, die Informationen visuell mit physikalischen (räumlichen) Koordinaten in Verbindung setzt Kennzeichnungen verbunden mit Orten Beispiele: Statistische Karten, Topographische Karten Frankfurt, WS 2007/ Wann ist eine Visualisierung gut? Teil B Frankfurt, WS 2007/

12 Ziele der Visualisierung Ziel der Visualisierung Erkenntnisgewinn Kenntnisvermittlung Explorative Analyse konfirmative Analyse Präsentation u. Kommunikation Ausgangspunkt: keine Hypothesen bekannt,interaktive, oft ungerichtete Suche Ziel: Formulierung einer Hypothese Ausgangspunkt: Hypothesen, Vermutungen Ziel: Bestätigen oder Verwerfen der Hypothese Ausgangspunkt: Gesicherte Erkenntnisse, Fakten, Wissen Ziel: Vermittlung des Wissens Frankfurt, WS 2007/ Ziele einer Visualisierung Visualisierung ist gut, wenn sie ihr Ziel erreicht: von die Analyse, das Verständnis und die Kommunikation Modellen, Konzepten und Daten / Information ergänzen, erleichtern, ermöglichen durch Erzeugung geeigneter visueller Repräsentationen von Daten / Information Frankfurt, WS 2007/

13 Qualität einer Visualisierung Die Qualität einer Visualisierung definiert sich durch den Grad, in dem die bildliche Darstellung das Ziel der Visualisierung erreicht. lässt sich als das Verhältnis von der vom Betrachter in einem Zeitraum wahrgenommenen Information zu der im gleichen Zeitraum zu vermittelnden Information beschreiben. Geeignete mentale Modelle (Form der Wissensrepräsentation beim Menschen, Begriff aus der kognitiven Psychologie) müssen im Betrachter entwickelt oder adressiert werden. Wie gut gelingt dies durch eine Visualisierung? Frankfurt, WS 2007/ Einflussfaktoren der Visualisierungsqualität Einflussfaktoren auf die Visualisierung sind Art und Struktur der Daten Z.B. Typ der Daten, Dimension des Beobachtungsbereiche Bearbeitungsziel bei der Visualisierung Z.B. Überblick, Detailanalyse oder Ergebnispräsentation für Dritte Vorwissen des Anwenders/Betrachters Z.B. Laie, Entscheider, Planer Visuellen Fähigkeiten und Vorlieben des Betrachters Z.B. rot-grün-blind, spezielle Farbpräferenzen Übliche Metaphern oder Konventionen des Anwendungsgebietes, Z.B. übliche Symbole oder übliche Darstellungsformen Charakteristika des Darstellungsmediums Z.B. Auflösung, Anzahl der darstellbaren Farben und Rechenleistung Frankfurt, WS 2007/

14 Allgemeine Anforderungen Eine Visualisierung soll sein expressiv, möglichst effektiv und angemessen Frankfurt, WS 2007/ Expressivität (Ausdrucksfähigkeit) Kriterium Unverfälschte Wiedergabe der Daten Grundsatz Nur die in den Daten enthaltenen Informationen und nur diese sollen durch die Visualisierung dargestellt werden. Frankfurt, WS 2007/

15 Beispiel Expressivität Scatterplot Balkendiagramm nach Mackinlay 86 Das Balkendiagramm ist nicht expressiv, da es kontinuierliche, geordnete Werte auf der Abszisse suggeriert. Frankfurt, WS 2007/ Diskussion Expressivität Die Expressivität ist abhängig von der Struktur und der Art (Typ, Wertebereich,...) der Daten. Expressivität ist oft keine binäre Eigenschaft (wahr oder falsch) sondern ein Grad, in dem das Kriterium erfüllt ist Die Wahl eines oder mehrerer (maximal, genügend) expressiven Visualisierungsverfahrens oder einer Visualisierungstechnik ist i.d.r. der erste Schritt bei der Visualisierung. Frankfurt, WS 2007/

16 Effektivität Kriterium: Auswahl der optimalen Visualisierung unter Beachtung der Randbedingungen Zielsetzung Anwendungskontext visuelle Fähigkeiten des Betrachters Eigenschaften (und Einstellungen) des Graphiksystems Grundatz: Eine Visualisierung ist effektiv wenn sie das Ziel der Visualisierung unter Berücksichtigung des Kontextes in optimaler Form unterstützt. Frankfurt, WS 2007/ Beispiel Effektivität Visualisierung von Grundstückspreisen in einer Region (nach Bertin 82) Die rechte Visualisierung ist effektiver, da die Größen der Kreise direkt die richtige Assoziation erweckt. Frankfurt, WS 2007/

17 Diskussion Effektivität Das Effektivitätskriterium gibt Aufschluss über die Fähigkeit einer Darstellungsform, die in ihr enthaltenen Informationen zu veranschaulichen und auf intuitive Weise an den Betrachter zu vermitteln Bei einer vorliegenden Anzahl expressiver Visualisierungstechniken für gegebenes Visualisierungsproblem ist die Auswahl der effektivsten Technik der nächste Schritt im Visualisierungsprozess Im allgemeinen sucht man nach der effektivsten Darstellungsform für eine gegebene Datenmenge, aber nicht immer ist jedoch die effektivste Visualisierung auch die beste Wahl Angemessenheit Frankfurt, WS 2007/ Angemessenheit Angemessenheits-Kriterium setzt Aufwand und Nutzen in Relation Nicht nur Technologiekosten zählen, sondern auch und insbesondere Zeitlicher, kognitiver, physischer und psychischer Aufwand / (die Belastung) für den Betrachter Enge Verknüpfung mit Effektivität Unangemessene Visualisierungen können nicht effektiv sein Frankfurt, WS 2007/

18 Beispiel Frankfurt, WS 2007/ Anwendung der Kriterien Verwendung als Leitlinien (vgl. Gestaltungsregeln) Keine Messbarkeit wie eine physikalische Größe, keine theoretische Ableitung Durchführung von Tests mit Nutzern Frankfurt, WS 2007/

19 Zusammenfassung Hauptqualitätskriterien bei einer Visualisierung: Effektivität Effizienz Angemessenheit Akzeptierte formale Beschreibung ist offener Forschungsgegenstand (-> empirische Tests) Assistenzsysteme sind möglich und hilfreich können gravierende Fehler vermeiden Gute Visualisierungen zu erstellen ist (und bleibt?) eine KUNST! Frankfurt, WS 2007/ Der Visualisierungsprozess Teil C Frankfurt, WS 2007/

20 Übersicht Die Visualisierungspipeline Transformationen (Funktionen) Datenarten und Datenfluss Klassifikation der Visualisierungen Rollen im Visualisierungsprozess Referenzmodell für die Visualisierung Visualisierungsszenarien Frankfurt, WS 2007/ Der Visualisierungsprozess Visualisierung ist Ein kreativer Prozess Ein gestalterischer Prozess Ein zielorientierter Prozess Ein hochgradig interaktiver Prozess Frankfurt, WS 2007/

21 Die Visualisierungspipeline Daten Interaktion Filterung Steuerung Aufbereitete Daten Mapping Visualisierungselemente User Rendering Steuerung Wahrnehmung Medien Visualisierungspipeline Repräsentiert die typische Vorgehensweise zur Erzeugung einer Visualisierung für vorgegebene Daten und Visualisierungsziel Zeigt die verschiedenen Stufen des Visualisierungsprozesses und die entsprechenden Zwischenergebnisse auf Frankfurt, WS 2007/ Die Visualisierungspipeline Daten Interaktion Filterung Steuerung Aufbereitete Daten Mapping Visualisierungselemente User Rendering Steuerung Wahrnehmung Medien Stufen der Visualisierungspipeline Filterung Datenaufbereitung Mapping Erzeugung eines Graphischen Modells (Geometrie + Merkmale): Visualisierung im engeren Sinn Rendering Bildgenerierung (nach Haber: Visualization Idioms: A conceptual model for scientific Visualization Systems, 1990) Frankfurt, WS 2007/

22 Die Visualisierungspipeline Interaktion Steuerung User Steuerung Daten Filterung Aufbereitete Daten Mapping Visualisierungselemente Rendering Daten Rohdaten als Ergebnis einer Datenerfassung als Ausgangspunkt der Visualisierung Typische Quellen Messung Berechnung, Simulation Manuelle Eingabe Datenbanken, Tabellen Wahrnehmung Medien Frankfurt, WS 2007/ Die Visualisierungspipeline Daten Interaktion Filterung Steuerung Aufbereitete Daten Mapping Visualisierungselemente User Rendering Steuerung Wahrnehmung Medien Vorsicht! Filterung Aufgabe: Datenaufbereitung Funktionen Vervollständigung (z.b. Interpolation) Reduzierung (z.b. Selektion, Projektion) Glättung (z.b. Fehlerkorrektur) Ergänzung (z.b. statistische Maße, Verknüpfung mit anderen Datensätzen) Frankfurt, WS 2007/

23 Die Visualisierungspipeline Interaktion Daten User Steuerung Filterung Aufbereitete Daten Mapping Visualisierungselemente Mapping: Auswahl einer Visualisierungstechnik Abbildung der aufbereiteten Daten auf ein Bild (2D) oder eine Szene (3D) (Geometrie und Merkmalsebene) Steuerung Rendering Wahrnehmung Medien Frankfurt, WS 2007/ Die Visualisierungspipeline Interaktion Steuerung User Steuerung Daten Filterung Aufbereitete Daten Mapping Visualisierungselemente Rendering Ziele des Mapping Ensemble von geometrischer Objekte (Punkte, Linien, Flächen, Körper) Erscheinungsattribute (Farbe, Struktur, Textur,... ) Betrachtungsbedingungen als Repräsentanten visueller Variablen Nach Bertin: Position auf der Ebene, Größe, Helligkeit, Musterung (Textur), Farbe, Richtung / Orientierung, Form) In Sonderfällen wird direkt in ein Digitales Bild transformiert (z.b. Volume Rendering) Wahrnehmung Medien Frankfurt, WS 2007/

24 Die Visualisierungspipeline Daten Interaktion Steuerung User Steuerung Filterung Aufbereitete Daten Mapping Visualisierungselemente Rendering Rendering, Darstellung Transformation einer Geometrie- und Merkmalsbeschreibu ng in ein Digitales Bild Auswahl der Technik Wahl der Darstellungsparameter (Qualität, Auflösung, etc.) Wahrnehmung Medien Frankfurt, WS 2007/ Die Visualisierungspipeline Daten Interaktion Steuerung User Steuerung Filtering Aufbereitete Daten Mapping Visualisierungselemente Rendering Interaktion: Steuerung von Filterung, Ampping, und Rendering Bewertung des Gesehenen Ggf. Änderung der Ziele Wahrnehmung Medien Frankfurt, WS 2007/

25 Beispiel [nach Haber] Detlef Krömker Erfassung der Rohdaten an den roten Punkten Abbildung auf ein reguläres Gitter Projektion des Gitters und Mapping der Werte Druck Höhe Temperatur Farbe Frankfurt, WS 2007/ Rollen im Visualisierungsprozess Messfachmann Simulationsfachmann Berechnungsfachmann Visualisierungsfachmann (Illustratoren) (Fach-) Analytiker Zuschauer Autor ( Publisher ) Betrachter, Leser ( Viewer ) Frankfurt, WS 2007/

26 Visualisierungs-Szenarios: Variante 1 Autor erzeugt Bild/Bildsequenz Daten Autor F M R Betrachter Bild Der Betrachter hat keine Möglichkeiten auf den Visualisierungsprozess Einfluss zu nehmen Ggf. hohe Datenraten nötig (Bild, Video) Der Autor kann die Qualität garantieren Frankfurt, WS 2007/ Visualisierungs-Szenarios: Variante 2 Autor erzeugt Geometrie-/Merkmalsmodell/Animation Daten Autor F M R Betrachter Bild Übertragung zum Beispiel als VRML-Szene Betrachter kontrolliert virtuelle Kamera und ggf. andere Renderingparameter (Walkthroughs) insbesondere bei 3D Präsentationen sinnvoll Betrachter gewinnt Freiheiten Autor kann i.d.r. Qualität noch sicherstellen Frankfurt, WS 2007/

27 Visualisierungs-Szenarios: Variante 3 Betrachter erzeugt die Visualisierung Autor Daten F M R Betrachter Bild Der Autor liefert Rohdaten oder aufbereitete Daten Daten werden z.b. als netcdf ausgetauscht Betrachter hat alle Freiheiten hat mehr Arbeit und Verantwortung (für Qualität) Betrachter braucht Visualisierungssystem Frankfurt, WS 2007/ Visualisierungs-Szenarios: Variante 4 Autor erzeugt ein Geometrie- und Merkmalsmodell unter Kontrolle / Einfluss des Betrachter Daten Autor F M R Betrachter Bild Filtering und Mapping wird vom Autor vorbereitet Über ergänzende Schnittstelle erhält der Betrachter Möglichkeiten zur Beeinflussung des Filtering und des Mappings, aber in vom Autor kontrollierten Art und Umfang Kaum ein Visualisierungssystem erlaubt dieses Frankfurt, WS 2007/

28 Referenzmodell für die Visualisierung Datenfluss im erweiterten Modell Beobachtung Messung Modellierung Visualisierungssystem F M R Simulation Berechnung Spezifikation der Visualisierung Nutzer Bild Analyse Frankfurt, WS 2007/ Referenzmodell für die Visualisierung Kontrollfluß (rot) im erweiterten Modell Beobachtung Messung Modellierung Rohdaten Datenanalyse Rohdaten Datenanalyse Visualisierungssystem F M R Simulation Berechnung Spezifikation der Visualisierung Nutzer Bild Analyse Frankfurt, WS 2007/

29 Interaktionszyklen Interaktionzyklen mit unterschiedlichen Zyklenzeiten Beobachtung Messung Modellierung Verschiedene Nutzungsszenarien Visualisierungssystem F M R Simulation Berechnung Spezifikation der Visualisierung Nutzer Bild Analyse Frankfurt, WS 2007/ Szenario: Tracking Beobachtung Messung Modellierung Rohdaten Datenanalyse Rohdaten Datenanalyse So wie die Daten gemessen oder errechnet werden, so werden sie visualisiert realtime = schritthaltend keine Interaktion Visualisierungssystem F M R Simulation Berechnung Spezifikation der Visualisierung Nutzer Bild Analyse Frankfurt, WS 2007/

30 Vollständige interaktive Steuerung (Computational Steering, Steering) Beobachtung Messung Modellierung 1 Rohdaten Datenanalyse Optimal für den Erkenntnisprozess (wenn der Nutzer genügende Kenntnisse hat) Aber: oft aufgrund der benötigten Rechenleistung nicht praktikabel Visualisierungssystem F M R 2 Simulation Berechnung Spezifikation der Visualisierung 3 Nutzer Analyse Bild Frankfurt, WS 2007/ Bewegungsmodus Schritt 1 Schritt 2 Datenerzeugung Visualisierung Schritt Analyse 3 Beobachtung Messung Rohdaten Bild Modellierung Rohdaten Visualisierung Nutzer Simulation Berechnung Bild Analyse Frankfurt, WS 2007/

31 Interaktives Postprocessing Schritt 1 Schritt 2 Datenerzeugung Interaktive Visualisierung Beobachtung Messung Bild Modellierung Rohdaten Rohdaten Visualisierung Simulation Berechnung Heutzutage Standardszenario! Nutzer Analyse Frankfurt, WS 2007/ Zusammenfassung Visualisierungs(kern-)prozesse sind: Filtering = Datenaufbereitung Mapping = Abbildung der Daten auf Geometrie- und Merkmalsdaten ( = visuelle Variablen) Rendering = Abbildung auf ein Digitales Bild Rollen im Visualisierungsprozess Autor Betrachter Nutzungsszenarien: Tracking Bewegungsmodus Interaktives Postprozessing Interaktive Steuerung Frankfurt, WS 2007/

32 Danksagung Diese Vorlesung basiert auf Material von Prof. Dr. Heidrun Schumann Prof. Dr. Detlef Krömker Prof. Dr. Colin Ware Frankfurt, WS 2007/