Datenvisualisierung Selina Galka Projektleitung Helmut W. Klug Datenmodellierung Selina Galka Datenmodellierung Elisabeth Steiner Bundesministerium für Wissenschaft, Forschung und Wirtschaft Zentrum für Informationsmodellierung - Austrian Centre for Digital Humanities, Karl-Franzens-Universität Graz Austria Zentrum für Informationsmodellierung - Austrian Centre for Digital Humanities, Karl-Franzens-Universität Graz Austria GAMS - Geisteswissenschaftliches Asset Management System Creative Commons BY 4.0 2021 Graz o:konde.54 KONDE Weißbuch Projektleitung Helmut W. Klug Weißbuchartikel: Datenvisualisierung Selina Galka Herausgegeben von Helmut W. Klug unter Mitarbeit von Selina Galka und Elisabeth Steiner 2021 Austria KONDE Weißbuch

Im KONDE-Projekt, das aus Hochschulraumstrukturmitteln finanziert wird, beschäftigten sich sieben universitäre Partner und drei weitere Einrichtungen aus unterschiedlichen Blickwinkeln mit theoretischen und praktischen Aspekten der Digitalen Edition. Ein Outcome des Projektes stellt das Weißbuch dar, welches über 200 Artikel zum Thema Digitale Edition umfasst. Die behandelten Themenkomplexe reichen dabei über Digitale Editionswissenschaft im Allgemeinen, Annotation und Modellierung, Interfaces, Archivierung und Metadaten bis hin zu rechtlichen Aspekten.

Deutsch
Datenvisualisierung
Galka, Selina; selina.galka@uni-graz.at

Datenvisualisierung eignet sich einerseits, um komplexere Sachverhalte darzustellen, die visuell verständlicher werden, andererseits aber auch, um eine große Menge an Daten besser analysieren zu können. (Rehbein 2017, S. 228)

Bei allen Formen von Informationsvisualisierung sollte darauf geachtet werden, die Daten transparent und unverfälscht zu zeigen und Visualisierungen außerdem nur dann einzusetzen, wenn es auch wirklich sinnvoll erscheint; also wenn eine reichhaltige, mehrdimensionale oder komplexe Datengrundlage vorliegt. In der Forschung dienen Datenvisualisierungen z. B. der Präsentation, aber auch der konfirmativen oder explorativen Analyse. Die Visualisierung als Präsentation hat zum Ziel, Forschungsergebnisse anschaulich darzustellen. (Rehbein 2017, S. 331) Visualisierungen ermöglichen aber auch, Erkenntnisse überhaupt erst zu gewinnen: Bei der explorativen Analyse wird beispielsweise versucht, Strukturen, Muster oder Auffälligkeiten in den Daten zu erkennen; so ist dies oft im Data Mining der Fall. Darüber hinaus können Visualisierungen auch künstlerisch eingesetzt werden, z. B. als Mittel zum Storytelling, oder sie können mit Simulationen verbunden werden. (Rehbein 2017, S. 331f.)

Je nach vorliegenden Daten bieten sich unterschiedliche visuelle Strukturen und Repräsentationsmöglichkeiten an: für Daten mit räumlichem Bezug beispielsweise Datenkarten, für Daten mit temporalem Bezug u. a. Zeitreihen. Außerdem gibt es mehrere Arten von Diagrammen, wie Linien-, Punkt- oder Streudiagramme; für die Darstellung von Beziehungen eignen sich Graphe oder Baumstrukturen. Visualisierungen können darüber hinaus statisch oder interaktiv gestaltet werden. (Rehbein 2017, S. 334f.)

Information Visualization for Humanities Scholars Stéfan Sinclair Stan Ruecker Milena Radzikowska Literary Studies in the Digital Age Kenneth Price Ray Siemens Modern Language Association of America 2013 Informationsvisualisierung Malte Rehbein Digital Humanities. Eine Einführung Fotis Jannidis Hubertus Kohle Malte Rehbein Stuttgart 328–342 Metzler 2017 The Visual Display of Quantitative Information Edward R Tufte Cheshire Graphics 2001 Graphesis: Visual Forms of Knowledge Production Graphesis 978-0-674-72493-8 Johanna Drucker Cambridge, Massachusetts Harvard University Press 2014 Visualization and Interpretation: Humanistic Approaches to Display Visualization and Interpretation 978-0-262-04473-8 Johanna Drucker Cambridge, Massachusetts The MIT Press 2020
Visualisierungstools Data Mining Dramennetzwerkanalyse
Datenanalyse