Aufbau

(a)Origin Lens (b)Destination Lens

Abbildung 5.1.:Beispiele für die Heatmap-Visualisierung. Die Farbe der Visualisierung ist abhängig von der Verwendeten Magic Lens.

(a)Origin Lens (b)Destination Lens

Abbildung 5.2.:Beispiele für die Trajektorien-Visualisierung. Die Farbe der Visualisie-rung ist abhängig von der Verwendeten Magic Lens.

(a)Origin Lens (b)Destination Lens

Abbildung 5.3.:Beispiele für die Punkte-Visualisierung. Die Farbe der Visualisierung ist abhängig von der Verwendeten Magic Lens.

5.1. Aufbau

Heatmap dargestellt, vgl. Abbildung 5.1. Vor dem setzen der Ersten Magic Lens wird eine Heatmap über alle Datenelemente errechnet. Nachdem die erste Magic Lens gesetzt wurde werden für die Berechnung der Heatmap nur noch Datenelemente berücksichtigt welche durch die Magic Lens selektiert wurden. Wird eine Origin Lens verwendet so werden alle Startpunkte in einer gelben Heatmap zusammengefasst. Bei der Verwendung einer Destination Lens werden alle Zielpunkte in einer blauen Heatmap zusammengefasst.

Bei Gruppe 2 wurden die Heatmap- und die Punkte-Visualisierung deaktiviert. Verwendet ein/eine ProbandIn der Gruppe 2 eine Magic Lens so werden Trajektorien dargestellt welche die Start und Endpunkte der einzelnen Fahrten verbinden, vgl. Abbildung 5.2.

Während die erste Magic Lens noch nicht gesetzt wurde werden alle Fahrten, welche durch die Magic Lense aktuell selektiert sind, als Trajektorien abgebildet. Bei der Benut-zung einer zweiten Magic wird die Schnittmenge beider selektierter Magic Lenses in der Farbe der zweiten Magic Lens hervorgehoben. Durch die Verwendung einer Origin Lens werden alle Trajektorien gelb hervorgehoben. Wird eine Destination Lens verwendet so werden alle Trajektorien blau dargestellt. Für Gruppe 3 wurden die Heatmap- und die Trajektorien-Visualisierung deaktiviert. Verwendet ein/eine ProbandIn der Gruppe 3 eine Magic Lens so werden die Start und Endpunkte der Fahrten dargestellt. Bei der Verwendung der ersten Magic Lens werden der gewählten Magic Lens entsprechend dei Punkte hervorgehoben. Die zweite Magic Lens löst keine weitere Visualisierung aus. Bei der verwendung einer Origin Lens werden die Startpunkte innerhalb der Magic Lens gelb hervorgehoben und die Zielpunkte außerhalb der Magic Lens in blau angezeigt.

Durch die verwendung einer Destination Lens werden die Zielpunkte innerhalb der Magic Lens in blau dargestellt und die Startpunkte außerhalb der Magic Lens in gelb Eine Kontrollgruppe ohne eine weitere Visualisierung wird in dieser Studie nicht betrachtet.

Das fehlen aller Visualisierungen der Fahrten würde in vielen Studienaufgaben dazu führen das Datenlemente entweder sehr lange gesucht werden. Oder nur Orte betrachtet werden an denen Datenelemente auch vermutet werden. Dadurch würden die suche nach Datenelementen in den einzelnen Aufgaben zu viel Zeit in Anspruch nehmen. Ebenso würde auch die gefundenen Ergebnisse innerhalb der Kontrollgruppe divergieren.

Im Buch von Field und Hole [FH03] wird der in dieser Arbeit verwendete Studienaufbau alsbetween-group designbezeichnet. Dabei werden sogenanteabhängige Varialben (en. dependent varables) Quantitativ aufgezeichnet und mit einer ANOVA ausgewertet.

Dadurch lassen sich Schlüsse auf dieunabhängige Variablen(en. independent varia-bles) der Studie ziehen. Die Unabhängigen Variablen der Studie sind die unterschiedlichen Visualisierungen. Die abhängigen Variablen für die Analyse der Visualisierungen sind:

die Zeit für die Lösung der einzelnen Aufgaben und die Menge der explorierter rele-vanter Daten. Die Zeit für die Bearbeitung einer Aufgabe wird mithilfe zweier Knöpfe innerhalb von TrajectoryLenses erfasst. Bei den Aufgaben 7 bis 10 werden die relevanten Daten erhoben. Zusätzlich findet eine Qualitative Auswertung der gesammelten Eye-Tracking und Interaktions Daten statt. Dadurch sollen Interaktionsmuster und von den Visualisierungen Ausgelöste verhalten analysiert werden.

5.1.1. Aufgaben

Für die Aufgaben werden die bereits in den Grundlagenkapitel 2.1.1 beschriebenen Ana-lysestrategien berücksichtigt, dabei handelt es sich um explorative, investigative und beweisende Strategien. Eine genaue Aufschlüsselung der Beziehungen zwischen Fragen und Kategorien ist in Tabelle 5.1 dargestellt. Im Folgenden werden weitere Eigenschaften der Aufgaben genauer erläutert. Die Fragen haben einen explorativen oder beweisenden Charakter. Ferner wurden ein Teil der Fragen so konzipiert, dass die Probanden sowohl nach Outliern als auch Clustern suchen sollen. Für die Kategorie Strecke sollen Stre-ckenlängen ermittelt werden. Ein weiterer Teil der Fragen hat einen Ortsbezug. Dies bedeutet, dass durch die Aufgabe ein Ort vorgegeben wird. Alle Aufgaben sind im Muster des Studienbogens im Anhang A.1 zu finden. Die Aufgaben sind so gedacht das die Probanden mit maximal zwei Magic Lenses alle Aufgaben lösen können. Das Reduziert sowohl lange Anpassungszeiten vieler Magic Lenses als auch die Schwierigkeit für die Probanden. Ebenso Schützt diese Einschränkung davor das durch die Verwendung zu vieler Magic Lenses die Übersichtlichkeit verloren geht.

Die Fragen für Aufgabe Nr. 1 und Nr. 15 lauten: „Schätzen sie ein, wie viel Prozent der Daten Sie bereits exploriert haben“. Der/die ProbandIn wird das erste Mal nach der Explorationsphase, das zweite Mal am Ende der Aufgaben danach gefragt. Aufgabe Nr. 6 ist eine Kontrollfrage mit einem Ergebnis von null. Dabei ist nach der Anzahl Fahrten von Zuffenhausen nach Fellbach gefragt. Anhand des Verhaltens der Probanden kann festgestellt werden ob sie die Aufgaben Ernst nehmen. Diese drei Aufgaben sind daher für die Auswertung uninteressant.

Die Aufgaben Nr. 2-5 sind explorativer Natur. Dabei werden allgemeine Übersichtsfragen gestellt. Die Fragen beinhalten beispielsweise, wie viele Roller in Untertürkheim starten oder wie groß ist der durchschnittliche Batterieverbrauch aller Fahrten mit dem Ziel Münster ist. Für die Beantwortung dieser Fragen sind die Probanden auf eine Magic Lens beschränkt.

Aufgaben Nr. 7-10 sind investigative Fragen, so wird beispielsweise nach der schnellsten Fahrt mit dem Ziel Stuttgart Nord gefragt oder nach dem Startort der meisten Fahrten die in Bad Cannstatt enden. Dabei kann der/die ProbandIn erste Hypothesen aufstellen, welche die Exploration unterstützen. Der/die ProbandIn können nun sowohl Destination als auch Origin Lens verwenden, eine der beiden Magic Lenses ist durch die Fragestellung ortsgebunden. Somit bleibt nur die zweite Magic Lense um die Frage zu beantworten.

Die Aufgaben Nr. 11-14 sind von beweisender Natur, da angenommen wird, dass gesuchten Werte in dem Datensatz zu finden sind. Es werden Fragen gestellt wie finden Sie einen Bereich oder eine Route, mit ungefähr 200 Rollern oder finden Sie einen Bereich oder eine Route, mit einer durchschnittlich zurückgelegte Strecke von ungefähr 25 km.

5.1. Aufbau

Tabelle 5.1.:Aufstellung der Eigenschaften der Studienaufgaben.

Aufgaben Nr. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Explorativ # # # # # # # # # # #

Investigativ # # # # # # # # # #

Beweisend # # # # # # # # # # #

Cluster # # # # # # # # # # #

Outlier # # # # # # # # # # #

Strecke # # # # # # # # # # # # #

Ortsbezug # # # # # #

: Die Frage besitzt die Eigenschaft,#Die Frage besitzt die Eigenschaft nicht.

1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Enthaltung 0

Keine 1 Schlecht 2 Ausreichend 3 Gut 4 Sehr gut 5

Probanden-ID Abbildung 5.4.:Selbsteinschätzung der Probanden: G

: Fähigkeiten im Umgang mit dem Computer. G: Vorkenntnisse im Gebiet der Visual Analytics.#: Orts-kenntnis im Großraum Stuttgart.

5.1.2. Probanden

Bei den Probanden handelt es sich primär um Studenten der Universität Stuttgart. Die Probanden verteilen sich auf verschiedene Studiengänge wie folgt: 10 aus dem Bereich In-formatik; 3 aus dem Bereich Elektrotechnik; jeweils 2 aus den Bereichen Softwaretechnik, Medieninformatik, Wirtschaftsinformatik, Mechatronik, Luft- und Raumfahrttechnik, Maschinenbau; jeweils 1 aus den Bereichen Computional Linguistics, Digital Humanities, Verfahrenstechnik, Anglistik, Erneuerbare Energien. Insgesamt nehmen 14 Master- und 16 Bachelorstudenten. Die Altersspanne reicht von 19 bis 32 Jahren, im Durchschnitt liegt das Alter bei 23 Jahren. 6 der Probanden sind weiblich, 24 sind männlich. 6 der Probanden gaben an, dass Deutsch nicht ihre Muttersprache ist.

Vorkenntnisse Visual Analytics

Die Vorkenntnisse im Themengebiet Visual Analytics ordnen die Probanden im Durch-schnitt bei 2,0 als „Schlecht“ ein. Die Ergebnisse für den jeweiligen Probanden sind in Abbildung 5.4 zusammengefasst. 11 Probanden ordnen ihre Kenntnisse auf „Keine“ ein. 3 Probanden ordnen ihre Fähigkeiten auf den Stand „Gut“ ein, 1 Proband sogar auf „Sehr gut“. Die entsprechende Vorlesung „Information Visualization and Visual Analytics“

der Universität Stuttgart wurde von 2 Probanden mit bestandener Prüfung erfolgreich abgeschlossen. Die Grundlagenvorlesung „Computergrafik“ wurde von 7 Probanden erfolgreich absolviert.

Vorkenntnisse Computer

Im Umgang mit Computern schätzen sich die Probanden deutlich besser ein als mit Visual Analytics. Der Durchschnitt liegt bei 4,2 „Gut“. Die Hälfte der Probanden gibt den Kenntnisstand „sehr gut“ an. Im Schnitt verbringen alle Probanden 5,8 Stunden am Tag vor einem Computer.

Ortskenntnisse im Großraum Stuttgart

Bei der Einschätzung der Ortskenntnisse ist das Ergebnis im Durchschnitt bei 2,8 „Aus-reichend“. Alle Probanden, mit Ausnahme von einem Probanden, nutzen die öffentlichen Verkehrsmittel. Zusätzlich sind 9 Probanden regelmäßig mit dem Fahrrad im Großraum Stuttgart unterwegs. Des weiteren geben 13 Probanden an, regelmäßig mit dem Auto im Großraum Stuttgart unterwegs zu sein. 23 Probanden leben weniger als 10 Jahre in Stutt-gart, 22 Probanden sogar weniger als 5 Jahre. Die restlichen 7 Probanden leben seit mehr als 10 Jahren in Stuttgart. In dem für die Hauptanwendung relevanten Kartenausschnitt wohnen 7 Probanden.