Detailseite
Projekt Druckansicht

SANE: Visual Analytics für Ereignisdiffusion in Netzwerken

Fachliche Zuordnung Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
Förderung Förderung seit 2023
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 527250730
 
Forschungskontext: Die Visual Analytics (VA) hat Potenzial die Kommunikation und die Analyse von Informationsverbreitung in Netzwerken zu unterstützen. Diffusionsprozesse sind hochdynamische und stochastische Phänomene. Daher muss VA zwei Herausforderungen bewältigen: die Darstellung des Verlaufs der zugrundeliegenden dynamischen Netzwerkstruktur und die Erfassung der Unsicherheit des Prozesses. Die Mehrheit der existierenden VA Ansätze approximiert das Problem, indem sie die Zeit als eine diskrete Achse behandelt und die Unsicherheiten vernachlässigen. Zielsetzung: Die Verwendung einer realen Zeitachse der individuellen Ereignisse (daher "Ereignisdiffusion") würde die realen Prozesse besser abbilden und dadurch das Vertrauen in die Analyse- und Vorhersageergebnisse verbessern. Dies erhöht jedoch die Komplexität des Problems aus algorithmischer und methodischer Sicht erheblich und erfordert eine Überarbeitung der bestehenden Paradigmen für die Darstellung ereignis-basierter und unsicherer Netzwerke. Wir nennen dieses Problem "VA für ereignis-basierte Informationsdiffusion in Netzwerken mit Unsicherheiten". Unser Ziel ist es, (i) eine Charakterisierung der Daten und Aufgaben- der Informationsdiffusion in VA mit einer Typologie der Darstellung von Unsicherheiten in ereignis-basierten Netzwerken zu erforschen, (ii) den aktuellen Stand der Technik der Algorithmen von temporalen Graph-layout zu erweitern und spezifische Layout-Strategien einzuführen, die durch den Diffusionsprozess gesteuert werden, und (iii) einen durchgängigen Arbeitsablauf für die Visualisierung von ereignis-basierten Diffusionsprozessen zu etablieren, die als gemeinsame Basis und Inspiration für weitere Forschung in diesem Bereich dient. Herangehensweise: Unsere Design-Methodik basiert auf dem Modell von Munzner et al. Und dem Design-Dreieck (Daten-Benutzer-Aufgaben-Paradigma) von Miksch et al. Für die Charakterisierung der Daten und Aufgaben der Domäne bauen wir auf die Arbeit von Kerracher et al. Zur Validierung und Konstruktion von Aufgabentaxonomien auf. Um unsere Ergebnisse zu validieren, werden wir auf experimentelle Studien durch algorithmische Validierung, Fallstudien mit Expert:innen auf realen Daten und Nutzerstudien zurückgreifen. Innovation: Wir wollen zu den Ersten gehören, die den Designraum der VA für Ereignisdiffusion mit Unsicherheiten systematisch erforschen. Wir untersuchen vielversprechende, aber derzeit unterrepräsentierte Forschungstrends im Bereich VA mit innovativen Lösungen und Ansätzen, um zum aktuellen Wissensstand auf diesem Gebiet beizutragen und neue und spannende Forschungsfragen zu eröffnen. Primär beteiligte Forscher:innen: Dieser WEAVE Antrag bringt zwei renommierte europäische Forschungsgruppen im Bereich VA zusammen. Visual Analytics Gruppe an der TU Wien: Alessio Arleo fungiert als PI und ist Post-Doc Forscher und Prof. Silvia Miksch (Co-PI) und Gruppe für Visualisierung, Universität zu Köln, Prof. Tatiana Landesberger von Antburg (Co-PI).
DFG-Verfahren Sachbeihilfen
Internationaler Bezug Österreich
Kooperationspartnerinnen / Kooperationspartner Dr. Alessio Arleo; Professorin Dr. Silvia Miksch
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung