SEVA

Self-Explanatory Visual Analytics for Data-Driven Insight Discovery (SEVA)

Ist ein Projekt um Anwender*innen dabei zu unterstützen, neue Werkzeuge zur visuellen Datenanalyse schneller zu erlernen. Das Hauptziel ist, Onboarding-Methoden für visuelle Analysesysteme zu entwickeln, die automatisch generiert werden können. Spezifisch geht es um die Anwendungsbereiche Datenjournalismus und biomedizinischer Forschung und Entwicklung. Mit geeigneten Onboarding-Methoden wird die Benutzer*innenerfahrung sowie das Verständnis von visuellen Datenanalysetools für große und komplexe Datensätze verbessert. Methodisch werden Proof-of-Concept-Prototypen entlang eines iterativen, benutzer- und problemorientierten Forschungsprozesses entworfen, gebaut und bewertet. 

SEVA (self-explanatory visual analytics) Logo

Projekt Beschreibung

Menge und Komplexität der uns zur Verfügung stehenden Daten steigen in immer größerem Ausmaß. Obwohl diese Datenfülle in vielen Bereichen (z.B. Industrie, Biomedizin, Journalismus) völlig neue Möglichkeiten sowohl für den technischen Fortschritt als auch den wirtschaftlichen Erfolg öffnet, können die Methoden um Daten zu analysieren nicht mit dem rasanten Datenzuwachs Schritt halten. Visual Analytics (VA) ist ein aufstrebendes Forschungsfeld, das sich dieser Herausforderung stellt, indem es die herausragenden Fähigkeiten der visuellen Wahrnehmung des Menschen mit den Stärken automatisierter Datenanalyse von Computern kombiniert.

Obwohl visuelle Darstellungen leichter zu verstehen sind, als andere Formen der Datenrepräsentation, müssen BenutzerInnen sie lesen und verstehen lernen. In ihren Gebieten sind JournalistInnen oder BiomedizinerInnen hochqualifiziert, haben jedoch meist Schwierigkeiten bei der Interpretation und Arbeit mit neuen visuellen Darstellungen oder dem Verständnis von Datenanalysemethoden. Dies birgt nicht nur das Risiko falscher Schlüsse, sondern führt auch zu Frustration oder Ablehnung leistungsfähiger Datenwerkzeuge. Da VA eine junge und dynamische Disziplin ist, kommt hinzu, dass laufend eine Vielzahl neuer VA-Ansätze entstehen.

Onboarding-Methoden zielen darauf ab, AnwenderInnen zu helfen, Datenvisualisierungen und automatische Analysealgorithmen zu verstehen, und die Möglichkeiten verfügbarer Werkzeuge auszuschöpfen – ein bisher wissenschaftlich vernachlässigtes Thema. Bisherige Lösungen konzentrieren sich hauptsächlich auf die Benutzeroberfläche und nicht auf die visuellen Darstellungen. Zusätzlich müssen solche Hilfesysteme mühsam maßgeschneidert erstellt werden und sind somit, insbesondere für KMU, eine wirtschaftliche Belastung. NutzerInnen durch VAOnboarding-Methoden zu stärken, ist nicht nur eine offene Forschungsaufgabe, sondern auch entscheidend für Anbieter von Softwarelösungen. Die Unternehmenspartner im Konsortium stellen VA-Tools für BiomedizinerInnen und DatenjournalistInnen her. Für sie ist die rasche Anwendbarkeit visueller Datentools eine der wichtigsten Herausforderungen am Markt. Die Möglichkeit, diese Technologie in ihren Produkten einzusetzen, wäre, durch erhöhte Benutzerzufriedenheit und Ergebnisqualität bei moderaten Kosten, ein erheblicher Marktvorteil.

Ziele und Umsetzung

Projektziel ist es, geeignete Onboarding-Methoden für VA-Tools zu entwickeln, die automatisiert generiert werden können. Unsere Vision sind selbsterklärende VATools, die AnwenderInnen aktiv bei der Interpretation von Visualisierungen und Analysemethoden unterstützen. Die Ergebnisse werden ein konzeptionelles Framework für VA-Onboarding, Proof-of-Concept-Implementierungen, sowie Anwendungsfälle in Biomedizin und Journalismus sein.

Wir werden einen user-zentrierten und problemorientierten Forschungsansatz verfolgen und transdisziplinär kognitionswissenschaftliche Erkenntnisse miteinbeziehen. Aus technischer Sicht werden wir auf deklarativen Spezifikationen (Visualisierungs- und Datenanalysegrammatiken) aufbauen und eine neue Methode zur automatischen Generierung von Onboarding-Idiomen entwickeln. Durch die Einbindung von Unternehmen aus zwei sehr unterschiedlichen Anwendungsbereichen stellen wir die Relevanz und Verallgemeinerbarkeit unseres neuartigen technologischen Ansatzes sicher. Damit werden sowohl hochinnovative wissenschaftliche Forschung als auch hoher Praxisbezug sichergestellt.

Kontakt

Arbeitsplatz: A - Campus-Platz 1
M: +43/676/847 228 611
Externe MitarbeiterInnen
Landsiedl Popper OG:
- Štefan Emrich

datavisyn:
- Marc Streit
- Dominic Girardi
- Holger Stitz
- Daniela Moitzi

FH JOANNEUM:
- Eva Goldgruber
- Robert Gutouning
- Sonja Radkohl

TU Wien:
- Margit Pohl
- Benjamin Potzmann
Finanzierung
FFG – IKT der Zukunft
Laufzeit
01.10.2022 – 31.12.2023
Projektstatus
laufend