Visualisierung sozialwissenschaftlicher Daten. Karl H. Müller Armin Reautschnig WISDOM (Wien) 25. März 2010 Innsbruck

Transkript

1 Visualisierung sozialwissenschaftlicher Daten Karl H. Müller Armin Reautschnig WISDOM (Wien) 25. März 2010 Innsbruck

2 Übersicht zum Vortrag Der autobiografische Bezugspunkt: Otto Neurath ( ) 0.29"2 Einführung in die sozialwissenschaftliche Visualisierung als einem autonomen Methoden-Cluster Ausblicke auf neue Forschungsfelder

3 Otto Neuraths Wiener Methode der Bildstatistik 0.29"3

4 Zwei Sichtweisen auf sozialwissenschaftliche Visualisierungen Dominante Sicht WISDOM-Sicht Behübschung, Veranschaulichung 0.29"4 Eigenständiger Methoden- cluster Marginaler kognitiver Mehrwert Hohe kognitive Mehr- und Eigenwerte Nicht anschlussfähig Hochgradig anschlussfähig; Triadische Schließung

5 Visuelle Methoden als eigenständiger Cluster: Begriffliches I Methoden: Regelsysteme Generative Methoden: 0.29"5 Regelsysteme zur Erzeugung von Daten (DO M D) Transformatorische Methoden: Regelsysteme zur Analyse von Daten (D M RES.)

6 Visuelle Methoden als eigenständiger Cluster: Begriffliches II Forschungs- Designs (FD): Regelsysteme für die Transformation einer Forschungsfrage FF in Forschungsresultate FR 0.29"6 FD: FF FR FD: {[HW], [T], [GM], [TM], P(FF FR)}

7 Visuelle Methoden als eigenständiger Cluster: Begriffliches III Dimensionen von Forschungsdesigns: Nach Komplexitätsgraden: - Niedrig - Hoch Nach Datenkörpern: - qualitative, quantitative, mixed 0.29"7 Designs Nach Arbeitsteilung: - Einzeln - Gruppen Nach Graden der Offenheit: - Explorative Designs Testdesigns u.a.m.

8 Drei zentrale Behauptungen Visuelle Methoden (VM) als eigenständiger Cluster von sozialwissenschaftlichen Verfahren: Generative Methoden: 0.29"8 DO VM MUSTER Transform. Methoden: MUSTER VM RES. Visuelle Forschungsdesigns Starke komparative Vorteile von VM

9 Generative visuelle Methoden Respondent als Produzent eines visuellen Musters Einfache komplexe Muster Eindimensional, zweidimensional, 0.29"9 dreidimensional, N-dimensional Nach Anzahl von Items Anwendungsbereiche: Komplexe Evaluationen, Multidimensionale Konfigurationen

10 Transformatorische visuelle Methoden I Grundkonfiguration von quantitativen Methoden: Sequentiell D Quant. M. RES (Quant.) 0.29"10 Grundkonfiguraton von visuellen Methoden T Interaktiv MUSTER VM T RES. (Quant./Qual.)

11 Transformatorische visuelle Methoden II Typische Visuelle Methoden T : Outliers/Extremwerte Abweichungen vom 0.29"11 Mittelwert Visuelle Zusammenhangsanalysen Visuelles Clustern Visuelle Distanzen u.v.a.m.

12 Beispiel I: Visuelle Zusammenhangsanalysen Voraussetzungen: Zwei multidimensionale Felder und theoretische Verbindungen zwischen den Feldern 0.29"12 Arbeitsbedingungen und Arbeitszufriedenheiten in Europa Programm WISDOMIZE: Relationale Karten, Balkendigramme

13 Visuelle Zusammenhangsanalysen: Arbeitsprozesse in Europa 0.29"13

14 Beispiel II: Visuelles Clustern Voraussetzungen: Größere Anzahl von Units, eine Vielzahl von multi-dimensionalen Feldern mit gleicher Anzahl von Dimensionen 0.29"14 Europäische Lebenswelten: Arbeitsbedingungen, Soziales Kapital, Lebenszufriedenheit/ Gesundheit u.a.m. Programm: WISDOMIZE

15 Komplexes Visuelles Clustern: Sieben Felder x Sieben Dimensionen 0.29"15

16 WISDOMIZE_beta 0.29"16 online Datenvisualisierung

17 WISDOMIZE_beta online Datenvisualisierung 0.29"17 Web-Applikation

18 WISDOMIZE_beta online Datenvisualisierung 0.29"18 Ruby on Rails Web Development Framework ::backend

19 WISDOMIZE_beta online Datenvisualisierung 0.29"19 ExtJS Javascript Bibliothek ::frontend

20 WISDOMIZE_beta online Datenvisualisierung 0.29"20 MySQL Datenspeicherung - Datenverwaltung

21 WISDOMIZE_beta online Datenvisualisierung 0.29"21 SVG Grafikformat der aktuellen Version

22 WISDOMIZE_beta online Datenvisualisierung 0.29"22 Flash basierte Grafiken Grafikformat der nächsten Version

23 WISDOMIZE_beta online Datenvisualisierung <XML> 0.29"23 </XML> Als Austauschformat für Daten und Einstellungen

24 WISDOMIZE_beta online data visualization Web-Application Ruby on Rails (Entwicklungsframework für Web-Applikationen ::backend) extjs 0.29"24 (Javascript-Bibliothek für rich user interfaces ::frontend) MySQL (Datenspeicherung, Datenverwaltung) SVG (Grafikformat der aktuellen Version) Flash-basierte Grafiken (Grafikformat der nächsten Version) xml (Austauschformat für Daten und Einstellungen)

25 WISDOMIZE_beta online Datenvisualisierung Anwendung visueller Methoden Visuelle Muster generieren 0.29"25 auf der Basis von Umfragedaten auf der Basis von methodenspezifischen visuellen Prototypen online and on demand

26 WISDOMIZE_beta online Datenvisualisierung 0.29"26

27 WISDOMIZE_beta online Datenvisualisierung 0.29"27

28 WISDOMIZE_beta online Datenvisualisierung 0.29"28

29 WISDOMIZE_beta online data visualization 0.29"29

30 WISDOMIZE_beta online data visualization 0.29"30 die laufende Applikation

31 Ausblicke I: Komparative Vorteile Komparative Vorteile von VM G,T Schnelligkeit der Mustererkennung Differenziertheit der Musterkennung durch ein hyper- komplexes visuelles System 0.29"31 Explorative Analysen von großen Datenmengen Anschlussfähigkeiten zwischen visuellen Methoden und quantitativen Methoden Anschlussfähigkeiten zwischen qualitativen Verfahren und visuellen Methoden

32 Ausblicke II: Triadische Schließung im Methodenspektrum 0.29"32

33 Ausblicke III: Komplexe explorative Datenanalysen Parallele Koordinaten 0.29"33