A comparison of static and dynamic visualizations for time-oriented data
Barbara Neubauer · reposiTUm (TU Wien) · 2012
Visualisierungtechniken für zeit-orientierte Daten können in zwei Kategorien eingeteilt werden: dynamische und statische Visualisierungen.Dynamische Visualisierungen bilden die Zeit direkt als Zeit ab und präsentieren die Daten der verschiedenen Zeitpunkte oder -intervalle nacheinander.Das heißt, die Visualisierung verändert sich über die Zeit.Im Vergleich dazu wird in statischen Visualisierungen der Faktor Zeit explizit im Raum dargestellt (z.B. ein Liniendiagramm, bei dem die Zeit auf die X-Achse projiziert wird).Statische Visualisierungen können weiters danach differenziert werden, ob nur einzelne Zustände oder auch eine Entwicklung z.B. durch Pfeile oder Linien dargestellt wird.Das Ziel dieser Diplomarbeit war der empirische Vergleich zwischen einer dynamischen und zwei statischen Visualisierungen, mit denen die Möglichkeit besteht, das Verhältnis von zwei Variablen zueinander und deren Entwicklung über die Zeit zu analysieren.Die dynamische Visualisierung zeigt die Entwicklung der Daten in einem animierten Punktdiagramm.In den beiden statischen Visualisierungen ("Small Multiples" und "Trace View") werden die Zeitintervalle und die in den Zeitintervallen aufgenommenen Daten in kleinen, nebeneinander liegenden Bildern dargestellt.In der "Trace View" werden zusätzlich zusammengehörige Datenpunkte eines Objekts durch Linien miteinander verbunden.Diese Verbindung wird über alle Bilder der einzelnen Zeitintervalle fortgeführt.Dadurch wird die zeitliche Entwicklung der Parameterwerte explizit visualisiert.Um den Vergleich durchführen zu können wurde der Prototyp TimeRider um die "Small Multiple" Visualisierung erweitert mit der Möglichkeit zur Aktivierung der Linien-Darstellung für die "Trace View".Die quantitative Evaluierung bestand aus einer über das Internet durchgeführten Studie, bei der jeder der 29 Teilnehmer verschiedene Aufgaben mit allen Visualisierungen lösen musste.Die Aufgaben deckten dabei drei Gebiete ab: die Untersuchung von Trends, die Identifikation und Analyse von Ausreißern sowie die Identifikation von Daten-Clustern und deren Entwicklungen.Die Analyse der Erfolgsraten und der Antwortzeiten der Fragen zeigte, dass die drei Visualisierungen bei Ausreißer-und Cluster-Aufgaben ungefähr die gleichen Ergebnisse erzielten.Bei Datenbewegungen innerhalb von Clustern und kleineren Änderungen in den Daten lieferte die Animation signifikant bessere Erfolgsraten als die beiden anderen Visualisierungen.Auch bei der Analyse von einzelnen Datenpunkten und Vergleichen zwischen solchen ergab die statistische Auswertung, dass die Teilnehmer mit der dynamischen Visualisierung schneller und öfter korrekt antworteten.Es konnte allerdings eine Datensatz-Abhängigkeit bei allen Hypothesen festgestellt werden, die dazu führte, dass die Ergebnisse getrennt nach Datensatz ausgewertet werden mussten, wodurch die Signifikanz der Ergebnisse eingeschränkt wird.Insgesamt deuten die Ergebnisse aber darauf hin, dass Animation besser oder zumindest gleich gut wie die beiden statischen Visualisierungen für die Analyse von zeit-orientierten Daten ist.