Dr. Tide: Digital Research Tailored Information Detector
Nachwuchsgruppe | Soziale Medien |
Laufzeit | 05/2016 - 10/2019 |
Förderung | Eurostars/BMBF |
Projektbeschreibung
Organisationen müssen interne und externe Daten auswerten und überblicken. Im Zeitalter von Big Data greifen hierfür immer mehr Organisationen auf Visualisierungstools zurück, mit denen sich Grafiken erstellen lassen. Bei der Gestaltung von Visualisierungen existieren jedoch einige Schwierigkeiten: Wie sollten komplexe Daten visualisiert werden, um bei der Entscheidungsfindung nützlich zu sein? Wie lässt sich eine Überforderung der Nutzenden verhindern? Wie flexibel bzw. interaktiv sollten sich Visualisierungsformate nachträglich variieren lassen?
Im Eurostars-Projekt „Dr. Tide: Digital Research Tailored Information Detector“ wurde in Kooperation mit einem deutschen und einem norwegischen Unternehmen erforscht, wie komplexe Daten visualisiert werden sollten. Dazu wurden aus der Literatur gewonnene Visualisierungsregeln sowohl mit Pilotnutzern und -nutzerinnen eines beteiligten Unternehmens als auch mit Studierenden empirisch getestet. Zu Beginn des Projekts wurde dabei hauptsächlich auf das Design von statischen Visualisierungen eingegangen. Gegen Ende des Projekts wurde der Schwerpunkt auf interaktive Visualisierungen verlegt. Am Beispiel komplexer Daten aus dem Agrarversicherungsbereich (angebaute Sorten, Wetter, Schäden durch Dürre oder Hagel) wurde untersucht, ob und wie das selbständige Variieren des Präsentationsformats den Nutzenden dabei hilft, ein besseres Verständnis der Daten zu erwerben. Die Experimente zu den Effekten des Selbsterstellens von Visualisierungen zeigten, dass die Komplexität der Fragestellung und das Vorwissen der Nutzenden eine wichtige Rolle spielen. Insgesamt zeigten die Experimente, dass es für "Dr. TIDE" sinnvoll ist, den Nutzenden eine beschränkte Anzahl sinnvoller Interaktionsmöglichkeiten zur Verfügung zu stellen.
Kooperationen
Genillard & Co
OSINT Analytics
Publikationen
Kopp, T., Riekert, M., & Utz, S. (2018). When cognitive fit outweighs cognitive load: Redundant data labels in charts increase accuracy and speed of information extraction. Computers in Human Behavior, 86, 367-376. https://dx.doi.org/10.1016/j.chb.2018.04.037.