Wissens-erzeugung in Visual Analytics

Beschreibung

pVisual Analytics (VA) vereint menschliche und maschinelle Fähigkeiten, um Wissen aus Daten zu erzeugen. Automatisierte Systeme sind in der Lage große Datenmengen zu verarbeiten, während Menschen komplexe Schlüsse ziehen und dabei auf ihr Allgemeinwissen zurückgreifen. Am VA Prozess sind Menschen für das interaktive Steuern und Kontrollieren der analytischen Verfahren verantwortlich. Die meisten aktuellen Ansätze haben jedoch zwei wesentliche Nachteile: 1) Einerseits können die Analysten ihr Expertenwissen während des Analyseprozesses nicht externalisieren; 2.) andererseits verstehen sie die Prozesse, die im System ablaufen, nur unzureichend. Das Projekt hat das Ziel, das Zusammenspiel von Mensch und Maschine im VA Prozess zu verbessern, um eine effektivere und effizientere Datenanalyse zu ermöglichen. Dies wird durch das Zusammenführen von Daten und Analyse-Provenienz mit automatisierten und visuellen Methoden erreicht. Die Erfassung aller Datenverarbeitungs- und Analyseschritte werden dazu verwendet, die menschlichen Wissens-Erzeugungsprozesse an die individuellen Bedürfnisse der Benutzer anzupassen und während der Analyse zu unterstützen und zu automatisieren. Dabei soll die Lücke zwischen menschlicher Interaktion und maschinellem Lernen (ML) geschlossen werden, um komplexe Modell-Konfigurationen und Interaktionen damit zugänglich und benutzbar zu machen. Darüber hinaus sollen menschliche Befangenheiten und Fehler während des Analyseprozesses, die durch kognitive Täuschungen (Cognitive Biases) entstehen, entdeckt und verhindert werden. Die Maschine kann hierbei als unbefangenes Gegenüber eingesetzt werden. Das einzigartige Merkmal dieses Forschungsprojektes ist die ganzheitliche Betrachtung des Wissens- Erzeugungsprozesses mit der Zielsetzung, den aktuellen Forschungsstand durch das Entwickeln und Verknüpfen von Verfahren entlang der gesamten VA-Verarbeitungskette zu verbessern. Die erforschten Verfahren werden auf mehrere echte Datensätze, Domänen, Aufgaben und Benutzer aus den Analysebereichen von Flugverkehr-Trajektorien, politischen Diskussionen und Subspace Clustering in hoch-dimensionalen Daten angewandt. Der Nutzen dieser Forschung wird durch Benutzerstudien evaluiert, welche die Vorteile der neuartigen Verfahren, den Datenanalyse-Prozess zugänglicher, effektiver, effizienter, transparenter und verlässlicher zu machen, demonstrieren.

Institutionen
  • AG Keim (Data Analysis and Visualization)
Publikationen
    Miller, Matthias; Rauscher, Julius; Keim, Daniel A.; El-Assady, Mennatallah (2022): CorpusVis : Visual Analysis of Digital Sheet Music Collections Computer Graphics Forum. The Eurographics Association. 2022, 41(3), pp. 283-294. ISSN 0167-7055. eISSN 1467-8659. Available under: doi: 10.1111/cgf.14540

CorpusVis : Visual Analysis of Digital Sheet Music Collections

×

Manually investigating sheet music collections is challenging for music analysts due to the magnitude and complexity of underlying features, structures, and contextual information. However, applying sophisticated algorithmic methods would require advanced technical expertise that analysts do not necessarily have. Bridging this gap, we contribute CorpusVis, an interactive visual workspace, enabling scalable and multi-faceted analysis. Our proposed visual analytics dashboard provides access to computational methods, generating varying perspectives on the same data. The proposed application uses metadata including composers, type, epoch, and low-level features, such as pitch, melody, and rhythm. To evaluate our approach, we conducted a pair analytics study with nine participants. The qualitative results show that CorpusVis supports users in performing exploratory and confirmatory analysis, leading them to new insights and findings. In addition, based on three exemplary workflows, we demonstrate how to apply our approach to different tasks, such as exploring musical features or comparing composers.

Forschungszusammenhang (Projekte)

Mittelgeber
Name Finanzierungstyp Kategorie Kennziffer
Sachbeihilfe/Normalverfahren Drittmittel Forschungsförderprogramm 566/17
Weitere Informationen
Laufzeit: 09.03.2017 – 08.03.2020