Mikrovisualisierung

Mikrovisualisierung umfasst verschiedene Unterthemen, insbesondere Glyphen, wortgroße Graphiken und andere kleine Visualisierungen. Glyphen repräsentieren meist multivariate Daten, welche in andere Visualisierungen integriert werden. Wortgroße Graphiken sind Visualisierungen, welche auf Wortgröße skaliert sind, die meist in Texte integriert werden. Sonstige kleine Visualisierungen können z. B. auf "kleinen" Displays, wie es der Fall bei Smartwatches und Fitnesstrackern ist, angezeigt werden.

Glyphenbasierte Visualisierung ist eine gängige Form des visuellen Designs wobei ein Datensatz durch eine Sammlung von visuellen Objekte dargestellt wird, die als Glyphen bezeichnet werden. Eine Glyphe ist dabei ein kleines visuelles Objekt, das unabhängig und konstruktiv verwendet werden kann, um Attribute eines Datensatzes oder die Zusammensetzung eines Satzes von Datensätzen darzustellen. Jede Glyphe kann unabhängig von anderen platziert werden, während in einigen Fällen Glyphen räumlich verbunden werden können, um die topologischen Beziehungen zwischen Datensätzen oder die geometrische Kontinuität des zugrundeliegenden Datenraums zu vermitteln. Glyphen sind eine Art von visuellen Zeichen, die visuelle Merkmale anderer Zeichenarten wie Icons, Indizes und Symbole nutzen können [Borgo et al. 2013].

Edward Tufte definierte den Begriff der Sparkline, als "kleine, intensive, einfache, wortgroße Grafiken mit typographischer Auflösung, die überall dort stehe können, wo ein Wort oder eine Zahl vorkommen kann, z. B. in einem Satz, einer Tabelle, einer Überschrift, einer Karte, einer Kalkulationstabelle oder einer Grafik" [Tufte, 2006]. Diese Definition wurde später erweitert, um eine größere Vielfalt von kleinen eingebetteten Grafiken zu umfassen [Goffin et al. 2014]. Alle eingebetteten Graphiken werden dabei unter dem Begriff der wortgroßen Graphiken zusammengefasst. Diese wortgroßen Graphiken sind dabei entweder datengetrieben (Sparklines und wortgroße Visualisierungen) oder nicht-datengetrieben (Emoticons, Icons). Wortgroße Visualisierungen können dabei so klein wie ein einzelner Buchstabe aber auch so groß wie ein Satz oder Absatz sein.

Wortgroße Visualisierungen können je nach Einsatzzweck statisch oder dynamisch in ein Dokument sowie über, neben oder auf dem Wort selbst platziert werden [Goffin et al. 2014].  Bei der dynamischen Integration spielt Interaktion eine wichtige Rolle und so kann z. B. bei Bedarf zusätzliche eine größere Variante der wortgroßen Visualisierung neben oder unter dem Text angezeigt werden [Beck and Weiskopf 2017, Latif et al. 2018, Latif and Beck 2019] oder alle wortgroßen Visualisierungen können als Liste oder Tabelle zusammengeführt werden, um diese Vergleichen zu können [Goffin et al. 2020]. Für die Anzeige einer größeren Version der wortgroßen Visualisierung gibt es verschiedene Möglichkeiten zur Platzierung. So können diese z. B. als space-filling Overlay, als Tooltip, in den Text integriert oder in einer speziell zugewiesenen Position (z. B. am Rand) dargestellt werden. Für die Interaktion zur Zusammenführung von wortgroßen Visualisierungen gibt es verschiedene Interaktionstechniken (sammeln, ordnen, vergleichen oder organisieren) und Layout-Optionen (als Tabelle, als Reihe, als Zeile etc.).

Eyetracking-Daten lassen sich als wortgroße Visualisierungen zu Analysezwecken z.B. in einer Vergleichstabelle anordnen (siehe Beck et al. 2016) oder zur Diskussion der Ergebnisse in den Analysebericht integrieren (siehe Beck und Weiskopf 2017). Es gibt eine große Anzahl an wortgroßen Visualisierungen [Beck et al. 2017], die sich in Punkt-basierte (z.B. Fixationen) und AOI-basierte Visualisierungen einteilen lassen.

Punkt-basierte Visualisierungen können als Scanpath die X- und Y-Position der Fixationen als Verbindung von Linien darstellen oder als Attentionmap die Häufung von Fixationen auf einem Bereich des Stimulus. Es kann auch die Häufigkeit der X- oder Y-Position von Fixationen als Balkendiagramm dargestellt werden. Wenn die zeitliche Komponente der Eyetracking-Daten in die Visualisierung integriert werden soll, kann ein diese entweder auf der X-Achse abgetragen werden und die Y-Achse der wortgroßen Visualisierung stellt wieder entweder die X- oder Y-Position der Fixationen dar, oder der Scanpath wird anhand der Zeit eingefärbt (von blau (Start) bis rot (Ende des Scanpaths)). Eine weitere Möglichkeit ist die Darstellung von Kreisbögen, um den Verlauf der X- oder Y-Position der Fixationen über die Zeit (farblich kodiert) anzuzeigen.

Zur Darstellung von AOI-basierten Daten können zunächst verschiedene statistische Informationen (z.B. durchschnittliche Dauer innerhalb einer AOI) als Balkendiagramm angezeigt werden. Eine weitere Möglichkeit ist es die zeitliche Reihenfolge von AOIs unterschiedlich darzustellen (als Spalten, als Boxen). Hierbei kann die Y-Achse genutzt werden, um jede Zeile einer AOI zuzuordnen. Die Boxen können auch anhand der Dauer skaliert werden sowie farblich, um die AOI oder die Zeit zu visualisieren. Für die Visualisierung von Transitionen zwischen AOIs, Kreisbögen oder Linien können genutzt werden sowie eine Matrix.

In Sozialen Medien können wortgroße Visualisierungen verwendet werden, um Anwendern mehr Informationen über die Diversität der Diskussion und Änderungen des Kontexts zu geben, als eine Art casual analytics. Wortgroße Visualisierungen können in Mikroposts eingebettet werden und zum Beispiel anzeigen, in welchen Kontexten Themen, Nachrichtenartikel oder Hashtags  - sogenannte digitale Fragmente  - diskutiert werden, und außerdem den Mikropost in die Diskussion einordnen, ohne dass Anwender den Social-Media-Feed verlassen müssen.

In Social-Media-Posts integrierte wortgroße Visualisierungen eröffnen ein weites Feld von Analysemöglichkeiten, unter anderem die Darstellung der Diskussionsvielfalt durch diskutierte Themen, Sentiment oder Diskurs, und deren Entwicklung über die Zeit. Es kann Anwendern die Möglichkeit geben, einzelne Beiträge in einen größeren Kontext einzuordnen und  Wege aus der Filterblase aufzeigen.

Kleine mobile Geräte wie Fitnesstracker, Smartwatches oder Mobiltelefone ermöglichen es Menschen, überall und jederzeit mit Echtzeit-Visualisierungen von Daten zu interagieren, die von physiologischen Sensoren gesammelt wurden, zum Beispiel beim Sitzen im Bus, beim Gehen oder Laufen, zu Hause oder im Supermarkt, außerhalb und innerhalb von Gebäuden. Dieser Nutzungskontext unterscheidet sich von der Desktop-Nutzung, und mit dem minimalen Platz für Datendarstellungen, der mobilen Geräten und insbesondere Smartwatches und Fitnesstrackern inhärent ist, ergeben sich interessante neue Herausforderungen für Visualisierungen.

Wie schnell kann eine Person eine bestimmte Aufgabe mit Hilfe einer Visualisierung bewerkstelligen? Mit dieser Frage beschäftigt sich die Forschung von small-scale Visualisierungen die auf Smartwatches angezeigt werden. Die Antwort auf diese Frage ist abhängig von der konkreten Aufgabe und Visualisierung. Zum Beispiel kann ein Mensch im Durschnitt in weniger als 300 ms die Aufgabe lösen, welches von zwei markierten Elementen in einem Balkendiagramm oder Donut-Diagramm das Größere ist. Bei der Darstellung als radiales Balkendiagramm ist die Durchschnittszeit schon höher (~1800 ms). Das Ziel bei der Entwicklung von Visualisierungen für Smartwatches muss es also sein, die geeignete Visualisierung für die entsprechende Aufgabe zu finden.

Des Weiteren stellt sich die Frage, was bzw. wie viel Information zum Beispiel auf dem Display einer Smartwatch angezeigt werden kann? Neben der Uhrzeit zeigen moderne Smartwatches auch verschiedene Daten, wie die Herzfrequenz, die Schrittzahl, die Kalorienanzahl oder das Batterielevel an. Welche Informationen und wie schnell können jedoch Menschen diese Informationen aufnehmen? Und welche Daten wollen Personen überhaupt neben der Uhrzeit sehen? In einer Umfrage hat Islam et al. (2020) herausgefunden, dass meist zwischen 3-5 Datenelemente neben der Uhrzeit angezeigt werden und diese Datenelemente vor allem Gesundheits- und Fitnessdaten repräsentieren. Die Beliebteste Darstellungsart ist dabei eine Kombination aus Icon und Text. Jedoch gibt es noch viele interessante Möglichkeiten wie Visualisierungen besser auf dem Ziffernblatt angezeigt werden können.

Welche Arten von Visualisierungen wünschen sich Personen für die Darstellung ihrer Schlafdaten? In einer großen Umfrage sind Aravind et al. [2019] dieser Frage nachgegangen und wollten wissen welche Visualisierungen für die Anzeige von Schlafphasen und Schlafdauer für die letzte Nacht, für eine wöchentliche sowie monatliche Übersicht und einen sozialen Vergleich genutzt werden. Dabei gab es teilweise Unterschiede ob die Visualisierung auf einer Smartwatch oder einem Fitness Tracker angezeigt wurde, jedoch wurde oft eine Form des Balkendiagrams als Favorit gewählt. Jetzt stellt sich natürlich die Frage, ob diese Visualisierungen auch gut geeignet sind und ob es Unterschiede zwischen der Darstellung auf einer Smartwatch und einem Fitnesstracker gibt sowie ob eine horizontale oder vertikale Darstellung auf einem Fitnesstracker besser geeignet ist.