Visuelles Editieren und Vergleich multivariater Graphen in interaktiven Multi-Display-Umgebungen (GEMS 2.0)
Zusammenfassung der Projektergebnisse
In der heutigen, datengetriebenen Welt basieren Entscheidungsprozesse auf der Analyse von Daten und der Kommunikation der gewonnenen Erkenntnisse. Solche Daten können beliebig komplex sein, wobei die Datenpunkte häufig durch viele Attribute charakterisiert sind und in spezifischen Beziehungen zueinander stehen. Multivariate Graphen repräsentieren solche komplexen Daten, die sowohl relationale als auch multivariate Aspekte aufweisen. In diesem Projekt haben wir untersucht, wie neuartige Visualisierungs- und Interaktionskonzepte die Arbeit mit solchen Datensatzen erleichtern konnen, insbesondere im Hinblick auf die Editierung, den Vergleich und die Nutzung auf interaktiven Displays. In diesem Kooperationsprojekt der Universitat Rostock und der Technischen Universitat Dresden haben wir unsere Expertise in der Visualisierungs- und Interaktionsforschung gebündelt, was zu mehreren neuartigen Ansätzen für die Arbeit mit multivariaten Graphen führte. Unsere Untersuchungen sind Teil des Forschungsgebiets der interaktiven visuellen Datenanalyse, das betont, dass geeignete Interaktionen und Visualisierungen für die Arbeit in datengetriebenen Prozessen entscheidend sind. Innerhalb des Projekts haben wir identifiziert, dass Matrixvisualisierungen ein vielversprechender Ansatz fur multivariate Graphen sind. Während solche Matrizen in Form von Adjazenzmatrizen verwendet wurden um Beziehungen zwischen Entitäten anzuzeigen, wurden sie nur selten fur die multivariaten Aspekte berücksichtigt. Durch Teilung der Matrix in zwei dreieckige Hälften präsentierten wir eine neue Möglichkeit, gleichzeitig relationale und multivariate Aspekte zu zeigen. Konkret zeigt die multivariate Hälfte die Ähnlichkeit zwischen Knotenpaaren basierend auf ihren Attributen. Details konnen durch eine angrenzende Tabelle oder durch Interaktionen bereitgestellt werden. Wir entwickelten einen neuartigen interaktiven Fokus+Kontext-Ansatz auf Basis dieser Matrixvisualisierung. Eingebettete Visualisierungen werden fur selektierte Zellen bereitgestellt, die nahtlos vergrößert werden können um auf weitere Details zuzugreifen. Ein wichtiger Aspekt dieses Ansatzes ist das Anbieten integrierte Editiermöglichkeiten, die eine direkte Manipulation der eingebetteten Visualisierungen erlauben; dies ermöglicht u.a., Werte zu korrigieren oder Was-ware-wenn-Analysen. Mittels mehrerer Fokusregionen in der Matrix wird es möglich, Teilgraphen innerhalb des gesamten multivariaten Graphen zu vergleichen. Generell entwickelten wir Konzepte zur Unterstützung des Vergleichs von multivariaten Graphen, durch integrierte Kodierungen und interaktive Maßnahmen zum Vorschlagen ahnlicher Elemente. Wichtig ist, dass die Datenanalyse nicht mehr nur auf traditionellen Geräten stattfindet. Wir berücksichtigten eine breite Auswahl moderner Geräte, von mobilen bis hin zu großen Displays, sowie deren Kombination. Wir arbeiteten an Konzepten für mobile Geräte, die spezielle Layouts für hierarchische multivariate Graphen, oder den Vergleich der Graphen berücksichtigen. Generell muss berücksichtigt werden, dass Graphen nun auf verschiedenen Geräten analysiert werden. Daher konzentrierten wir uns auf das Konzept der responsiven Visualisierung, d.h. auf Visualisierungsansichten, die sich an unterschiedliche Gerätekontexte anpassen können. Wir begannen mit allgemeinen Überlegungen zu wichtigen Aspekten, integrierten Aspekte davon in unseren Matrix-Ansatz und führen mit der Entwicklung eines responsiven GraphFrameworks fort (in Arbeit). Außerdem untersuchten wir die Datenanalyse in Multi-Device-Umgebungen, d.h. mit mehreren Geräten in Kombination. Konkret entwickelten wir neue Interaktionstechniken, z.B. wie aus verschiedenen Entfernungen mit Zweitgeraten interagiert wird, sowie Ansaäze zur automatischen Verteilung von Visualisierungen auf Geräten. Insgesamt entstanden im Projekt neue Konzepte, die die Analyse von multivariaten Graphen erleichtern, inklusive der Editierung, des Vergleichs und der Kombination von mehreren modernen Geräten.
Projektbezogene Publikationen (Auswahl)
-
“Integrated Visualization of Structure and Attribute Similarity of Multivariate Graphs”. In: Poster Program of the 2018 IEEE VIS Conference. Honorable Mention Poster Award. Oct. 2018
P. Berger, M. Chegini, H. Schumann, and C. Tominski
-
“Interactive Labelling of a Multivariate Dataset for Supervised Machine Learning using Linked Visualisations, Clustering, and Active Learning”. In: Visual Informatics 3.1 (Mar. 2019), pp. 9–17
M. Chegini, J. Bernard, P. Berger, A. Sourin, K. Andrews, and T. Schreck
-
“Vistribute: Distributing Interactive Visualizations in Dynamic Multi-Device Setups”. In: Proc. ACM Conference on Human Factors in Computing Systems. New York, NY, USA: ACM, 2019, 616:1–616:13
T. Horak, A. Mathisen, C. N. Klokmose, R. Dachselt, and N. Elmqvist
-
“Visually Exploring Relations between Structure and Attributes in Multivariate Graphs”. In: Proceedings of the IEEE International Conference on Information Visualization. Best Paper Award. Piscataway, NJ, USA: IEEE, 2019
P. Berger, H. Schumann, and C. Tominski
-
Interactive Visual Data Analysis. AK Peters Visualization Series. CRC Press, 2020.
C. Tominski and H. Schumann
-
“Towards Visualizing and Exploring Multivariate Networks on Mobile Devices”. In: Companion Proceedings of the 2020 Conference on Interactive Surfaces and Spaces. New York, NY, USA: ACM, 2020, pp. 5–8
T. Horak, R. Langner, and R. Dachselt
-
“Responsive Matrix Cells: A Focus+Context Approach for Exploring and Editing Multivariate Graphs”. In: IEEE Transactions on Visualization and Computer Graphics 27.2 (Feb. 2021). pp. 1644–1654
T. Horak, P. Berger, H. Schumann, R. Dachselt, and C. Tominski
