Qualitative Principles of Visual Information Encodings

  • As visualization as a field matures, the discussion about the development of a theory of the field becomes increasingly vivid. Despite some voices claiming that visualization applications would be too different from each other to generalize, there is a significant push towards a better understanding of the principles underlying visual data analysis. As of today, visualization is primarily data-driven. Years of experience in the visalization of all kinds of different data accumulated a vast reservoir of implicit knowledge in the community of how to best represent data according to its shape, its format, and what it is meant to express. This knowledge is complemented by knowledge imported to visualization from a variety of other fields, for example psychology, vision science, color theory, and information theory. Yet, a theory of visualization is still only nascent. One major reason for that is the field's too strong focus on the quantitative aspects of data analysis. Although when designing visualizations major design decisions also consider perception and other human factors, the overall appearance of visualizations as of now is determined primarily by the type and format of the data to be visualized and its quantitative attributes like scale, range, or density. This is also reflected by the current approaches in theoretical work on visualization. The models developed in this regard also concentrate primarily on perceptual and quantitative aspects of visual data analysis. Qualitative considerations like the interpretations made by viewers and the conclusions drawn by analysts currently only play a minor role in the literature. This Thesis contributes to the nascent theory of visualization by investigating approaches to the explicit integration of qualitative considerations into visual data analysis. To this end, it promotes qualitative visual analysis, the explicit discussion of the interpretation of artifacts and structures in the visualization, of efficient workflows designed to optimally support an analyst's reasoning strategy and capturing information about insight provenance, and of design methodology tailoring visualizations towards the insights they are meant to provide rather than to the data they show. Towards this aim, three central qualitative principles of visual information encodings are identified during the development of a model for the visual data analysis process that explicitly includes the anticipated reasoning structure into the consideration. This model can be applied throughout the whole life cycle of a visualization application, from the early design phase to the documentation of insight provenance during analysis using the developed visualization application. The three principles identified inspire novel visual data analysis workflows aiming for an insight-driven data analysis process. Moreover, two case studies prove the benefit of following the qualitative principles of visual information encodings for the design of visualization applications. The formalism applied to the development of the presented theoretical framework is founded in formal logics, mathematical set theory, and the theory of formal languages and automata. The models discussed in this Thesis and the findings derived from them are therefore based on a mathematically well-founded theoretical underpinning. This Thesis establishes a sound theoretical framework for the design and description of visualization applications and the prediction of the conclusions an analyst is capable of drawing from working with the visualization. Thereby, it contributes an important piece to the yet unsolved puzzle of developing a visualization theory.
  • Während Visualisierung als Forschungsfeld weiter an Reife gewinnt, nimmt auch die Diskussion um eine dem Feld zugrundeliegende Theorie weiter an Fahrt auf. Trotz einiger Stimmen, die behaupten, dass Visualisierungsanwendungen zu verschieden voneinander seien um generelle Aussagen machen zu können ist eine rapide Entwicklung in Richtung eines besseren Verständnisses der der visuellen Datenanalyse zugrundeliegenden Prinzipien beobachten. Zum heutigen Stand ist Visualisierung vor allem datengetrieben. Aus der jahrelangen Erfahrung in der Visualisierungen verschiedenster Daten hat sich ein enormer Vorrat an implizitem Wissen darüber angesammelt, wie Daten basierend auf Form, Format und erwarteter Aussage am Besten repreäsentiert werden. Dieses Wissen wird ergänzt durch Erkenntnisse aus einer Reihe anderer Felder, beispielsweise Psychologie, Farbtheorie und Informationstheorie. Eine eigenständige Theorie der Datenvisualierung steckt jedoch noch in den Kinderschuhen. Ein wesentlicher Grund dafür liegt in der zu starken Fokussierung des Feldes auf quantitative Aspekte der Datenanalyse. Auch wenn im Design von Visualisierungen menschliche Faktoren wie Wahrnehmung bereits Berücksichtigung finden, ist die graphische Darstellung von Daten gegenwärtig immer noch hauptsächlich durch Datentyp, Datenformat und quantitative Attribute wie Einheiten, Dichte oder Varianzen bestimt. Dieser Fokus spiegelt ich auch in den meisten heutigen Ansätzen zur Entwicklung einer Visualisierungstheorie wider. Auch die in diese Richtung entwickelten Modelle konzentrieren sich primär auf die menschliche Wahrnehmung und quantitative Aspekte der Datenanalyse. Qualitative Betrachtungen wie zum Beispiel über die Interpretationen eines Betrachters oder die gezogenen Schlüsse eines Analysten spielen gegenwärtig in der Visualisierungsliteratur nur eine untergeordnete Rolle. Diese Dissertationsschrift leistet einen Beitrag zur entstehenden Theorie der Visualisierung, indem Ansätze zur expliziten Miteinbeziehung qualitativer Überlegungen in die visuelle Datenanalyse untersucht. Vor diesem Hintergrund wird eine qualitative visuelle Analyse vorgeschlagen. Diese beschreibt die explizite Diskussion der Interpretation von Artefakten und Strukturen in der grafischen Darstellung sowie von effizienten Arbeitsabläufen, die die Schlussfolgerungsstrategie des Analysten optimal unterstützen bis hin zu Designmethoden für den Entwurf von Visualisierungen, die au die zu vermittelnden Einsichten maßgeschneidert sind statt auf die darzustellenden Daten. Zu diesem zweck werden im Zuge der Entwicklung eines die erwartete Struktur der vom Betrachter angewendeten Schlussregeln berücksichtigenden Modells für den Prozess der visuellen Datenanalyse drei zentrale qualitative Prinzipien visueller Informationskodierungen herausgearbeitet. Dieses Modell ist über den gesamten Lebenszyklus einer Visualisierungsanwendung hin anwendbar, von der frühen Designphase bis hin zur Dokumentation von mit Hilfe der Visualisierung gewonnenen Einsichten in den Unteruchungsgegenstand und deren schlussendliche Verankerung in den Daten. Die drei gefundenen qualitativen Prinzipien motivieren neuartige Arbeitsläufe für einen durch den gewünschten Gewinn von Einsichten getriebenen Analyseprozess. Zwei Fallstudien belegen darüber hinaus den Mehrwert der Beachtung der gefundenen qualitativen Prinzipien beim Design von Visualisierungsanwendungen. Der für die Entwicklung des präsentierten theoretischen Frameworks angewendete Formalismus fußt auf Formaler Logik, Mengentheorie und der Theorie von formalen Sprachen und Automaten. Die in dieser Arbeit disukutierten Modelle und die daraus abgeleiteten Erkenntnisse basieren daher auf einem soliden theoretischen Fundament. Diese Arbeit entwickelt ein solides theoretisches Rahmenwerk für das Design und die Beschreibung von Visualisierungsanwendungen und die Vorhersage von Schlussfolgerungen, die Analysten unter Verwendung dieser Anwendungen treffen können. Damit leistet sie einen wichtigen Beitrag zur Findung einer allgemein gültigen und anwendbaren Theorie der Visualisierung und visuellen Datenanalyse.

Download full text files

Export metadata

Metadaten
Author:Benjamin Karer
URN:urn:nbn:de:hbz:386-kluedo-59487
Advisor:Hans Hagen
Document Type:Doctoral Thesis
Language of publication:English
Date of Publication (online):2020/04/05
Year of first Publication:2020
Publishing Institution:Technische Universität Kaiserslautern
Granting Institution:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2019/04/05
Date of the Publication (Server):2020/04/06
Tag:Visualization; Visualization Theory
Page Number:194
Faculties / Organisational entities:Kaiserslautern - Fachbereich Informatik
CCS-Classification (computer science):H. Information Systems / H.1 MODELS AND PRINCIPLES / H.1.2 User/Machine Systems / Human information processing
DDC-Cassification:0 Allgemeines, Informatik, Informationswissenschaft / 004 Informatik
Licence (German):Creative Commons 4.0 - Namensnennung, nicht kommerziell, keine Bearbeitung (CC BY-NC-ND 4.0)