Visualisierung

Einführung

Eye-Tracking stellt eine messbare Verbindung her zwischen der visuell wahrnehmbaren Welt und unserem Gehirn – zumindest zu den Teilen der wahrnehmbaren Welt, die eine besonders große Chance haben, in unserem Gehirn auch „angekommen zu sein“, weil wir unsere Augen nachweisbar auf diesen Teil gerichtet haben. Aber dieser Weg zwischen unserem Gehirn und der visuell wahrnehmbaren Welt ist keine Einbahnstraße. Unser Gehirn kann und will visuell Wahrnehmbares hervorbringen, damit andere Menschen daran teilhaben können. Diese Produktion unseres Gehirns von visuell Wahrnehmbarem – die Visualisierung im weitesten Sinn – umfasst unsere Aktivitäten, wenn wir uns der Schrift bedienen (einschließlich der formalisierten, internationalen Schriftsprache der Mathematik), wenn wir zeichnen und malen, wenn wir photographieren oder Videos produzieren, oder wenn wir am Computer Graphiken erstellen oder durch Software erstellte Datenvisualisierungen verändern. Visualisierung ist daher die Produktion von visuell Wahrnehmbarem. Sie dient letztlich der visuellen Kommunikation. Das erklärt, warum Visualisierungen komplementär zu Eye-Tracking sind. Visualisierungen sind nicht nur einfach eine Anwendung von vielen. Visualisierungen sind die Mitteilungen des Gehirns eines einzelnen an die Augen vieler.

Damit ist klar, wie fundamental wichtig Visualisierung für unsere Zivilisation ist. Während die Erfindung von Höhlenmalereien einige Zehntausend Jahre und die Erfindung der Schriftsprachen einige Tausend Jahre alt ist, kann die Photographie und der Film nur auf knapp zwei bzw. ein Jahrhundert Geschichte zurückblicken. Im Gegensatz dazu sind die Visualisierungstechniken, die der Computer, Digitalkameras, Smartphones und Visualisierungssoftware heute bieten, erst wenige Jahre alt. Das Erlernen der Visualisierungstechniken, die diese neuen Techniken heute für die visuelle Kommunikation bieten, ist aber ganz sicher nicht weniger anspruchsvoll als das Erlernen und die Nutzung der Schriftsprache. Aber weder unser Schulsystem, noch unser Hochschulsystem – sieht man einmal von spezialisierten Studiengängen ab – unterrichtet Fächer, die für die visuelle Kommunikation Kompetenzen vermitteln. Das mag erklären, warum sich dieses Fachgebiet erst im Anfangsstadium befindet.

Mit diesem Beitrag verfolgen wir zwei Ziele. Einerseits wollen wir einen Überblick über Eye-Tracking Studien geben, die sich mit der Wahrnehmung von Graphiken, Charts, Infographiken und der Visualisierungen von quantitativen Daten mit Hilfe der hierfür genutzten statistischen Visualisierungsmethoden beschäftigt haben. Andererseits wollen wir hier aber auch einen Ausblick auf diejenigen Visualisierungsanwendungen bieten, die entweder noch einen relativ hohen Innovationscharakter haben, oder aber die eine besonders hohe Wertschöpfung produzieren werden. Denn auch wenn für diese Visualisierungsanwendungen noch keine Eye-tracking Studien in der Literatur zu finden sind, so ist absehbar, dass hier eine wachsender Bedarf für solche angewandten Studien entstehen wird.

Deshalb sollte zunächst die Frage beantwortet werden: Wer braucht Visualisierungen? Außerhalb der Hochschulbildung sind hier zu nennen:

  1. Die Weiterbildung, insbesondere zu anspruchsvolleren Inhalten
  2. Die Medien, einschließlich der politisch orientierten Berichterstattung und Diskussion
  3. Firmenkundenbildung
  4. Anlegerbildung
  5. Finanzkommunikation (Geschäftsberichte)
  6. Rechtsanwälte
  7. Werbung

Diese Liste ist natürlich nicht vollständig, denn auf visuelle Kommunikation kann kein Unternehmen verzichten.

Warum ist Visualisierung so wichtig? Und warum ist dies ein persistent wachsendes Arbeitsfeld?

Es sind gleich mehrere Gründe, weshalb Visualisierungen im Vorteil gegenüber reinen Textdarstellungen sind.

Visualisierung vergrößert den Kreis der potentiellen Leser

Visualisierung vergrößert den Kreis der potentiellen Leser, Lerner und Nutzer, denn die Sprachexpertise spielt nur eine sehr untergeordnete Rolle, die sich auf das Verstehen von einigen wenigen Worten beschränkt – wenn überhaupt. Das ist in unserer Gesellschaft, die zunehmend multikultureller wird, ein nicht zu unterschätzender Wettbewerbsvorteil.

Visualisierung ermöglicht Zeitersparnisse bei der Wissensvermittlung

Visualisierungen abstrakter Inhalte sparen viel Zeit bei der Kommunikation, denn Bilder werden wesentlich schneller erfasst als Textinhalte. Die Nachricht wird durch einfaches Hinsehen bereits transportiert. Nutzer/Leser müssen also nicht dem Autor vertrauen, dass es sich überhaupt lohnt, die 2-3 Minuten mit dem Text zu verbringen. Sie sehen sofort die Nachricht. Und Visualisierungen sind auch für jene verständlich, die nicht die 3. Rechtschreibreform beherrschen, die sich einige Germanistik-Professoren ausgedacht haben.

Visualisierungen erregen wesentlich mehr Aufmerksamkeit

Visualisierungen sind immer aufwendiger in der Produktion als reiner Text. Der Produzent der Nachricht muss also der Ansicht gewesen sein, dass es sich hier um besonders wichtige Inhalte handelt, für die es sich lohnt, diesen Aufwand zu treiben, weben weil sie besonders wichtig sind.

Das Internet ist visuell!

Viele der sogenannten „digital immigrants“, die nicht mit dem Internet aufgewachsen sind, wie die „digital natives“, sondern die im „hohen Alter von 35 Jahren“ das Internet erstmalig im Jahre 1996 nutzten, werden sich erinnern: Die Bandbreite der Datenübertragung war damals vor mehr als 20 Jahren extrem gering. Man musste z. B.  den Telefonhörer (!) in das Modem legen musste, um die Verbindung zum Internet herzustellen. Videos zu übertragen war damals de facto unmöglich und selbst Bilder brauchten sehr lange Übertragungszeiten. Das fällt aber längst unter die Rubrik „Geschichte des Internet“. Bleiwüsten gehören der Vergangenheit an, und unsere Kinder verbringen heute mehr Zeit mit YouTube als mit Lesen. Die Bilder-Suchmaschine von Google macht es heute möglich, zielgerichtet nach Visualisierungen, Bildern, Graphiken und Infographiken zu suchen.

Graphical User Interfaces

An der Schnittstelle zwischen Mensch und Computer werden heute – nachdem man aus den Niederlagen der Bedienerunfreundlichkeit der Software der 80er und 90er Jahre gelernt hat – werden heute vorzugsweise „graphical user interfaces“, kurz GUIs, eingesetzt. Damit ist das Arbeitsgebiet der Human Computer Interaction mit der Visualisierung verbunden. Was also für die Bedeutung und das Wachstum der Human Computer Interaction gilt, wird ebenso die Visualisierung der Software-Bedienelemente betreffen. Zwei ausführliche Beiträge zum „Graphical User Interfaces“ und der „History of the Graphical User Interface“ finden sich bei Wikipedia. Dieses Arbeitsfeld gehört heute schon zu größeren Anwendungen der Visualisierung und ist in der Mitte der Digitalisierung angekommen. Am 3. Februar fanden sich die folgenden Ergebnisse auf jobrobot.de zu einer Suche nach:

Graphical User Interface

GUI

2.206 Stellenangebote in 57 Jobbörsen am 3.2.2018

User Interface

https://www.jobrobot.de/jobs-user-interface.htm

2.265 Stellenangebote in 63 Jobbörsen am 3.2.2018

Big Data, Data Science, und Quantitative Journalism sind wichtige Treiber der Visualisierung quantitativer Daten

Die Statistik und Ökonometrie bemüht sich seit etwa ein hundert Jahren die hochgradig abstrakten Inhalte zu visualisieren. In früheren Zeiten waren es nur die „Nerds“ – die etwas kopflastigeren Studenten der wirtschaftswissenschaftlichen Studiengänge – die die Lehrveranstaltungen im Wahlfach Ökonometrie füllten. Im letzten Jahrzehnt ist aber die Rechenkapazität und das Datenvolumen der Datenerhebung derart gestiegen, dass ganz neue Fächer entstanden sind, die unter die Oberbegriffe von „Big Data“ und „Data Science“ fallen.

Der potentielle wirtschaftliche Nutzen von Big Data für sehr viele Unternehmen ist enorm. Aber die Verbreitungsgeschwindigkeit ist auch heute noch dadurch stark eingeschränkt, dass den Entscheidern dies nicht verständlich gemacht werden konnte. Das wundert auch nicht, denn wer seinen MBA an einer der „Top Business Schools“ in einem der „Top MBA Programme“ gemacht hat, an dem sind selbst die Grundlagen der Ökonometrie vollständig vorbeigegangen. Auch hier stellt sich das Haupthindernis bei der Verbreitung der Digitalisierung an der Mensch-Maschine-Schnittstelle.

Das hat zur Suche nach wirksamen Marketingtechniken für die Verbreitung von Big Data Lösungen geführt. Zwei Elemente werden hierfür eingesetzt: „Data Visualizations“ und „Data Storytelling“. Wenn Sie die Links anklicken, werden Sie zu den aktuellen Suchergebnissen der Google-Bildersuchmaschine geführt und erhalten damit einen Eindruck von der Größe der Bedeutung der Themen und auch davon, wie viele unterschiedliche Institutionen an diesen Themen mitarbeiten. Gleichzeitig erhält man durch die Darstellung der Suchergebnisse Anregungen für die eigene kreative Arbeit, wenn man sich mit diesen – durchaus arbeitsintensiven – Tätigkeiten, die aber eine hohe Wertschöpfung besitzen, beschäftigt.

Visualisierungsanwendungen jenseits der Visualisierung quantitativer Daten

Sucht man im wissenschaftlichen Bereich nach dem Schlagwort „Visualisierung“, dann zeigt sich, dass sicher mehr als 90% der vorgeschlagenen Quellen von der Visualisierung quantitativer Daten handeln. Das ist zweifellos von zentraler Wichtigkeit, und diesem Thema widmen wir auch einen eigenen Beitrag. Aber Visualisierungen sind nicht nur für quantitative Daten sinnvoll und möglich, sondern auch für abstrakte Konzepte und dafür, inhaltliche Zusammenhänge transparent zu machen. In der Volkswirtschaftstheorie bedient man sich sehr häufig der Visualisierung mathematischer Modelle, die volkswirtschaftliche Zusammenhänge aufzeigen. Das Denken in Zusammenhängen ist eine der wesentlichen Lernerfolge eines Studiums der Volkswirtschaftslehre. Durch sogenannte „Mind Maps“ kann man Zusammenhänge zwischen verbundenen Inhalten, Konzepten, Problemen, Ursachen und Konsequenzen visualisieren und das Denken in Zusammenhängen anregen und motivieren. Eine wichtige Anwendung solcher „Mind Maps“ oder auch der „Conceptual Maps“ ist die Entwicklung von Innovationen. Innovationen setzen sich typischerweise aus mehreren Elementen zusammen, und erst durch die Kombination von scheinbar zusammenhanglosen Innovationen werden mögliche Verbindungen offenbar. Dadurch, dass wir sie gleichzeitig in einer Graphik darstellen und damit in unser Bewusstsein gehoben werden, fällt es leichter, mögliche Verbindungen zu sehen.

Typisierung von Visualisierungsanwendungen mit noch relativ hohem Innovationscharakter:

  1. Denken in Zusammenhängen – Visualisierungen von Zusammenhängen („visualization of interdependencies„)
  2. Visualisierungen von andernfalls übersehenen Konsequenzen (“Visualizing Overlooked Consequences“)
  3. Visualisierungen einer Vielzahl von Einflussfaktoren („Visualizing Multiple Causation“, „Visualizations of Relationships“)
  4. Visualisierungen des Teufelskreises und von Abwärtsspiralen (“Visualizing Vicious Circles“, Visualizing Downward Spirals)
  5. Visualisierungen von Wertschöpfungsketten (Visualization „Supply Chain”)
  6. Visualisierung des Rechts („visualization of law“ filetype:pdf)
  7. Visualisierungen für die Entwicklung von Innovationen, z. B. Mind-maps oder Conceptual Maps, die z. B. zur Entwicklung von Geschäftsmodellen genutzt werden („conceptual maps“ „business model“)
  8. Dynamische Visualisierungen („dynamic visualization tools“)

Das große und wachsende Interesse an der Datenvisualisierung zeigt sich auch am Internet-Suchvolumen auf Google zu den Studienprogrammen zur Datenvisualisierung. Dieses Interesse eilt dem dann tatsächlichen Angebot an Hochschulabsolventen immer um einige Jahre voraus. Die Entwicklung des Internet Suchvolumens hierzu zeigt die Graphik über die letzten 15 Jahre.

Optimierung von Visualisierungen durch Eye-Tracking

Trotz dieser Vorteile können sich aber auch Probleme ergeben. Woher weiß der Designer einer Visualisierung, dass die Nutzer sie so leicht verstehen, wie er das annimmt? Gerade bei der Visualisierung quantitativer Daten mit Hilfe statistischer Visualisierungsmethoden passiert es sehr leicht, dass der Designer ein Maß an Vorbildung beim Leser voraussetzt, diese Graphiken korrekt zu interpretieren, die eben nur diejenigen besitzen, die sich sehr häufig damit beschäftigt haben. Das ist genau die Stelle, an der Eye-tracking eingesetzt werden muss. Durch Eye-tracking lässt sich die Verständlichkeit und Nutzerfreundlichkeit einer Visualisierung testen und verbessern.  Die Erkenntnisse aus der Eye-Tracking Forschung sollten explizit bei der Produktion von visuell Wahrnehmbarem zur Anwendung kommen und damit zu einer verbesserten visuellen Kommunikation führen, so ähnlich wie z.B. Rhetorik-Kurse zur Verbesserung der verbalen Kommunikation führen sollten.

 

Literatur

Eye-tracking for the Usability of Visualizations

Acartürk, Cengiz and Habel Christopher, [2010], “Eye Tracking in Multimodal Comprehension of Graphs”, Working Paper, Middle East Technical University, Informatics Institute, Ankara, Turkey and University of Hamburg, Computer Science, Hamburg, Germany, August 2010.

Burch, Michael, Chuang, Lewis, Fisher, Brian, Schmidt, Albrecht and Weiskopf, Daniel, (eds.), [2015], Eye Tracking and Visualization: Foundations, Techniques, and Applications, ETVIS 2015, Mathematics and Visualization, Springer International Publishing, 2017.

Dawoodi, Shehnaaz Yusuf Patel, [2007], Assessing the Comprehension of UML Class Diagrams via Eye Tracking, Master Thesis, Department of Computer Science, Kent State University, December, 2007.

Eisl, Christoph, [2015], „Wahrnehmungsoptimiertes Reporting Design mit Hilfe von Eye-Tracking-Analysen“, Rückblick 10. Fachkonferenz Reporting (Horváth & Partner GmbH, Stuttgart), Controlling, Rechnungswesen und Finanzmanagement (CRF), Fachhochschule Oberösterreich, Studienbetriebs GmbH, Fakultät für Management, Steyr, September 2015.

Eisl, Christoph, Losbichler, Heimo, Falschlunger, Lisa, Grabmann, Elisabeth und Hofer, Daniel, [2015], „Information Design in den Geschäftsberichten  der Dax 30-Unternehmen – Eine empirische Studie der FH Oberösterreich und von KPMG“, FH Oberösterreich und KPMG, März 2015.

Fabian Beck, and Daniel Weiskopf, [2017], “Word-Sized Graphics for Scientific Texts”, IEEE Transaction on Visualization and Computer Graphics, Feb., 2017.

Fawcett, Trent, [2016], „The Eyes Have It: Eye Tracking Data Visualizations of Viewing Patterns of Statistical Graphics„, Utah State University, all graduate plan B and other reports, paper 787, 2016.

Gegenfurtner, Andreas, Lehtinen, Erno and Säljö Roger, [2011], “Expertise Differences in the Comprehension of Visualizations: A Meta-Analysis of Eye-Tracking Research in Professional Domains”, Education Psychology Review, Vol. 23, pp. 523–52, 2011.

Huang, Weidong, [2009],“An Eye Tracking Study into the Effects of Graph Layout”, School of Information Technologies, University of Sydney, Australia, Technical Report 639, IMAGEN Program, National ICT Australia Ltd., 2009.

Kagdi, Huzefa, Yusuf, Shehnaaz and Maletic Jonathan I., [2007], “On Using Eye Tracking in Empirical Assessment of Software Visualizations”, ACM, WEASELTech’07, November 6, 2007, Atlanta Georgia, USA, 2007.

Raschke, Michael, Blascheck, Tanja and Ertl, Thomas, [2014], “Cognitive Ergonomics in Visualization”, Institute for Visualization and Interactive Systems, University of Stuttgart, Michael Raschke, Tanja Blascheck, Thomas Ertl. Cognitive Ergonomics in Visualization. Achim Ebert; Gerrit C. Veer; Gitta Domik; Nahum D. Gershon; Inga Scheler. 8th Workshop on Human-Computer Interaction and Visualization (HCIV), Sep 2011, Lisbon, Portugal. Springer Berlin Heidelberg, Lecture Notes in Computer Science, LNCS-8345, pp.80-94, 2014, Building Bridges: HCI, Visualization, and Non-formal Modeling, 2014.

Sathiyanarayanan, Mithileysh and Mulling, Tobias, [2015], “Wellformedness Properties in Euler Diagrams: An Eye Tracking Study for Visualisation Evaluation”, Brazilian Computing Society, the XIV Brazilian Symposium on Human Factors in Computer Systems, IHC 2015.

Visual Communication

Buchanan, Lisa, [2002], Graphically Speaking: A Visual Lexicon For Achieving Better Designer-Client Communication, Graphic Design, David & Charles, 2002.

Huang, Mao Li, Nguyen, Quang Vinh and Zhang, Kang, (eds.), [2010], Visual Information Communication, Springer Tracts in Advanced Robotics, Springer US, 2010.

Levialdi, Virginio Cantoni and Zavidovique Bertrand, [2011], Visual Cues, Contexts and Channels: Perception and Communication Through Pictures, Elsevier Science Ltd., 2011.

Racine, Ned, [2007], Visual Communication: Understanding Maps, Charts, Diagrams and Schematics, LearningExpress Editors, LearningExpress, Llc, 2007.

Smith, Kenneth L., Moriarty, Sandra, Kenney, Keith and Barbatsis, Gretchen, [2004], Handbook of Visual Communication Theory, Methods, and Media, Routledge Communication Series, Routledge, 2004.

Stocchetti, Matteo and Kukkonen, Karin, (eds.), [2011], Images in Use: Towards the Critical Analysis of Visual Communication, Discourse Approaches to Politics, Society and Culture, John Benjamins, 2011.

Zelazny, Gene, [2001], Say It with Charts: The Executive’s Guide to Visual Communication, McGraw-Hill, 2001.

PCEtLSBOYWNoIEFydGlrZWwgLS0+CgkJPGlucyBjbGFzcz0iYWRzYnlnb29nbGUiCgkJCSBzdHlsZT0iZGlzcGxheTppbmxpbmUtYmxvY2s7d2lkdGg6OTcwcHg7aGVpZ2h0OjI1MHB4IgoJCQkgZGF0YS1hZC1jbGllbnQ9ImNhLXB1Yi0xMTA4OTE0MjkyMzYyMTY0IgoJCQkgZGF0YS1hZC1zbG90PSIyNDY5Mjk5ODM2Ij48L2lucz4KCQk8c2NyaXB0PgoJCShhZHNieWdvb2dsZSA9IHdpbmRvdy5hZHNieWdvb2dsZSB8fCBbXSkucHVzaCh7fSk7CgkJPC9zY3JpcHQ+
Sidebar



Cookie-Einstellung

Bitte treffen Sie eine Auswahl. Weitere Informationen zu den Auswirkungen Ihrer Auswahl finden Sie unter Hilfe. Datenschutzerklärung | Datenschutzerklärung

Treffen Sie eine Auswahl um fortzufahren

Ihre Auswahl wurde gespeichert!

Weitere Informationen

Hilfe

Um fortfahren zu können, müssen Sie eine Cookie-Auswahl treffen. Nachfolgend erhalten Sie eine Erläuterung der verschiedenen Optionen und ihrer Bedeutung.

  • Alle Cookies zulassen:
    Jedes Cookie wie z.B. Tracking- und Analytische-Cookies.
  • Nur First-Party-Cookies zulassen:
    Nur Cookies von dieser Website.

Sie können Ihre Cookie-Einstellung jederzeit hier ändern: Datenschutzerklärung. Datenschutzerklärung

Zurück