TU Darmstadt / ULB / TUbiblio

Evaluierung von visuellen Einflüssen auf die Wahrnehmung von Ähnlichkeiten zwischen Graphen

Eggert, Matthias (2013)
Evaluierung von visuellen Einflüssen auf die Wahrnehmung von Ähnlichkeiten zwischen Graphen.
Technische Universität Darmstadt
Masterarbeit, Bibliographie

Kurzbeschreibung (Abstract)

Diese Arbeit untersucht kognitive Einflüsse - wie Form, Kantenkreuzungen und Symmetrie - in Bezug auf die visuelle Ähnlichkeit von Netzwerk Diagrammen (Graphen). Das gibt Aufschluss darüber, welche visuellen Eigenschaften von Bedeutung für die Einschätzungen von Ähnlichkeiten sind und wie stark sie beeinflussend wirken. Mit dieser Erkenntnis können Graphen besser für Menschen vergleichbar gemacht werden. Bisher sind algorithmische Ansätze zur Distanzmessung von Graphen hauptsächlich für die inhaltliche Struktur der Graphen ausgelegt. Für die Auswertung des äußeren Eindrucks existieren keine geeigneten Verfahren. Für diese Untersuchung wurden 25 Versuchspersonen gebeten, verschiedene Graphenpaare ihrer visuellen Ähnlichkeit nach zu bewerten. Die für die Erstellung der Graphen benutzten visuellen Merkmale basierten auf bereits bestehenden Wahrnehmungstheorien. Jedes Graphenpaar war einem solchen visuellen Merkmal zugeordnet. Alle Überlegungen der Versuchspersonen sollten für eine spätere Analyse mündlich erläutert werden. Durch diese Verbalisierung konnten weitere visuelle Merkmale gefunden werden. Es war möglich für einige Merkmale, wie Formerhaltung und Kantenanzahl, einen linearen Zusammenhang zur Bewertung zu finden. Besonders interessant ist auch die Auswertung der Überkreuzungen von Kanten. Es konnte kein Zusammenhang der Kreuzungen und der Ähnlichkeit gefunden werden, obwohl die Literatur häufig von einem großen Einfluss auf das Graph-Verständnis spricht.

Typ des Eintrags: Masterarbeit
Erschienen: 2013
Autor(en): Eggert, Matthias
Art des Eintrags: Bibliographie
Titel: Evaluierung von visuellen Einflüssen auf die Wahrnehmung von Ähnlichkeiten zwischen Graphen
Sprache: Deutsch
Publikationsjahr: 2013
Kurzbeschreibung (Abstract):

Diese Arbeit untersucht kognitive Einflüsse - wie Form, Kantenkreuzungen und Symmetrie - in Bezug auf die visuelle Ähnlichkeit von Netzwerk Diagrammen (Graphen). Das gibt Aufschluss darüber, welche visuellen Eigenschaften von Bedeutung für die Einschätzungen von Ähnlichkeiten sind und wie stark sie beeinflussend wirken. Mit dieser Erkenntnis können Graphen besser für Menschen vergleichbar gemacht werden. Bisher sind algorithmische Ansätze zur Distanzmessung von Graphen hauptsächlich für die inhaltliche Struktur der Graphen ausgelegt. Für die Auswertung des äußeren Eindrucks existieren keine geeigneten Verfahren. Für diese Untersuchung wurden 25 Versuchspersonen gebeten, verschiedene Graphenpaare ihrer visuellen Ähnlichkeit nach zu bewerten. Die für die Erstellung der Graphen benutzten visuellen Merkmale basierten auf bereits bestehenden Wahrnehmungstheorien. Jedes Graphenpaar war einem solchen visuellen Merkmal zugeordnet. Alle Überlegungen der Versuchspersonen sollten für eine spätere Analyse mündlich erläutert werden. Durch diese Verbalisierung konnten weitere visuelle Merkmale gefunden werden. Es war möglich für einige Merkmale, wie Formerhaltung und Kantenanzahl, einen linearen Zusammenhang zur Bewertung zu finden. Besonders interessant ist auch die Auswertung der Überkreuzungen von Kanten. Es konnte kein Zusammenhang der Kreuzungen und der Ähnlichkeit gefunden werden, obwohl die Literatur häufig von einem großen Einfluss auf das Graph-Verständnis spricht.

Freie Schlagworte: Forschungsgruppe Visual Search and Analysis (VISA), Graph visualization, Graph algorithms, Perception, Visual graph analysis
Zusätzliche Informationen:

88 S.

Fachbereich(e)/-gebiet(e): 20 Fachbereich Informatik
20 Fachbereich Informatik > Graphisch-Interaktive Systeme
Hinterlegungsdatum: 12 Nov 2018 11:16
Letzte Änderung: 12 Nov 2018 11:16
PPN:
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen