SEVA - Self-Explanatory Visual Analytics for Data-Driven Insight Discovery

SEVA (self-explanatory visual analytics) Logo

Einleitung

Um Anwender*innen dabei zu unterstützen, neue Werkzeuge zur visuellen Datenanalyse schneller zu erlernen, ist das Hauptziel, Onboarding-Methoden für visuelle Analysesysteme zu entwickeln, die automatisch generiert werden können. Spezifisch geht es um die Anwendungsbereiche Datenjournalismus und biomedizinischer Forschung und Entwicklung. Mit geeigneten Onboarding-Methoden wird die Benutzer*innenerfahrung sowie das Verständnis von visuellen Datenanalysetools für große und komplexe Datensätze verbessert. Methodisch werden Proof-of-Concept-Prototypen entlang eines iterativen, benutzer- und problemorientierten Forschungsprozesses entworfen, gebaut und bewertet. 

Hintergrund 

Die Menge und Komplexität der uns zur Verfügung stehenden Daten steigt immer mehr an. Diese Datenfülle bietet in vielen Bereichen (z.B. Industrie, Biomedizin, Journalismus) völlig neue Möglichkeiten - sowohl für den technischen Fortschritt als auch den wirtschaftlichen Erfolg. Die Methoden Daten zu analysieren können jedoch nicht immer mit dem rasanten Datenzuwachs Schritt halten. Visual Analytics (VA) ist ein aufstrebendes Forschungsfeld, das sich dieser Herausforderung stellt, indem es die herausragenden Fähigkeiten der visuellen Wahrnehmung des Menschen mit den Stärken automatisierter Datenanalyse von Computern kombiniert. 

Das Potenzial von Visual Analytics nutzen

Obwohl visuelle Darstellungen meist leichter zu verstehen sind, als andere Formen der Datenrepräsentation, müssen Benutzer*innen sie lesen und verstehen lernen. User*innen können in ihren Fachgebieten hochqualifiziert sein, trotzdem aber Schwierigkeiten mit der Interpretation von und Arbeit mit neuen visuellen Darstellungen oder dem Verständnis von Datenanalysemethoden haben. Dies birgt nicht nur das Risiko falscher Schlüsse, sondern führt auch zu Frustration oder Ablehnung leistungsfähiger Datenwerkzeuge. Hinzu kommt, dass laufend eine Vielzahl neuer VA-Ansätze entstehen. 
Onboarding-Methoden helfen Anwender*innen Datenvisualisierungen und automatische Analysealgorithmen zu verstehen, und die Möglichkeiten verfügbarer Werkzeuge auszuschöpfen, sind jedoch ein bisher wissenschaftlich vernachlässigtes Thema. Bisherige Lösungen konzentrieren sich hauptsächlich auf die Benutzeroberfläche und nicht auf die visuellen Darstellungen. Zudem müssen solche Hilfesysteme maßgeschneidert erstellt werden und sind somit, insbesondere für KMU, eine wirtschaftliche Belastung. Ziel des Projekts sind selbsterklärende VA-Tools, die Anwender*innen aktiv bei der Interpretation von Visualisierungen und Analysemethoden unterstützen.

Die Unternehmenspartner in diesem Projekt stellen VA-Tools für Biomediziner*innen und Datenjournalist*innen her. Für sie ist die rasche Anwendbarkeit visueller Datentools eine der wichtigsten Herausforderungen am Markt. Die Möglichkeit, diese Technologie in ihren Produkten einzusetzen bietet durch erhöhte Benutzerzufriedenheit und Ergebnisqualität bei moderaten Kosten, einen erheblichen Marktvorteil. 

Projektziel

Ziel dieses Projekts ist es, geeignete Onboarding-Methoden für VA-Tools zu entwickeln, die automatisch generiert werden können. Die Vision sind selbsterklärende VA-Tools, die Anwender*innen aktiv bei der Interpretation von Visualisierungen und Analysemethoden unterstützen.Ergebnisse sind ein konzeptioneller Rahmen für VA Onboarding, Proof-of-Concept-Implementierungen sowie Anwendungsfälle in der Biomedizin und im Journalismus.

Herangehensweise und Ergebnisse 

Es wird ein user-zentrierter und problemorientierter Forschungsansatz verfolgt und transdisziplinär kognitionswissenschaftliche Erkenntnisse miteinbezogen. Aus technischer Sicht wird auf deklarative Spezifikationen (Visualisierungs- und Datenanalysegrammatiken) aufgebaut und eine neue Methode zur automatischen Generierung von Onboarding-Idiomen entwickeln. Durch die Einbindung von Unternehmen aus zwei sehr unterschiedlichen Anwendungsbereichen wird die Relevanz und Verallgemeinerbarkeit des neuartigen technologischen Ansatzes sichergestellt. Damit werden sowohl hochinnovative wissenschaftliche Forschung als auch hoher Praxisbezug sichergestellt. Im Rahmen des Projekts werden ein konzeptionelles Framework für VA-Onboarding, Proof-of-Concept-Implementierungen, sowie Anwendungsfälle in Biomedizin und Journalismus entwickelt.
 

PartnerInnen
  • TU Wien
  • FH JOANNEUM
  • Landsiedl Popper OG
  • datavisyn
Finanzierung
FFG – IKT der Zukunft
Laufzeit
01.01.2020 – 31.12.2022
Projektstatus
abgeschlossen
Beteiligte Institute, Gruppen und Zentren
Forschungsgruppe Media Computing
Institut für Creative\Media/Technologies