ViMaL - Eine Visualisierung - Abbildungs-Sprache

Visualisierung beschäftigt sich mit dem Abbilden von Daten. Das Zuordnen von visuellen Abstraktionen zu Datenabstraktionen nennt man Visualisierungsabbildung. Ausdrucksstarke Visualisierungsabbildungen werden verwendet um große Mengen von Daten (anstatt Zahlentabellen direkt darzustellen) "lesbar" zu machen. Obwohl die Visualisierungsabbildung ein unumgänglicher Teil der Visualisierungs-Pipeline ist, existieren nur wenige generelle Ansätze zur Beschreibung einer ausdrucksstarken Visualisierungsabbildung. Unser Vorschlag ist eine Visualisierungs-Abbildungs-Sprache (ViMaL) zu entwickeln, die mächtig genug ist, um expressive Visualisierungsabbildungen zu beschreiben. Wir schlagen außerdem Benutzerschnittstellen vor, die es Visualisierungs-Laien ermöglichen, solche Ab-bildungen zu spezifizieren. ViMaL soll verwendet werden, um Visualisierungs-Pipelines zu beschreiben. Wir werden daher Sprachkonzepte zur Verfügung stellen, welche die Spezifikation von Datenabstraktionsprozessen, visuellen Konkretisierungsprozesse und die Abbildung zwischen diesen beiden ermöglichen. Durch diesen Ansatz kann der Domänenexperte unabhängig vom Visualisierungsexperten die Datenabstraktion unter Verwendung der ihm vertrauten Semantik beschreiben. Der Visualisierungsexperte kann den visuellen Konkretisierungsprozess unter Verwendng von Visualisierungssemantiken beschreiben. Anders als mit bereits vorhandenen Ansätzen kann ein ViMaL kompatibles System die definierten Semantiken verwenden um informationsbasierte und wissensbasierte Ansätze in die Visualisierungsabbildung einzubinden. Im Rahmen dieses Projekts wird die neue Visualisierungs-Abbildungs-Sprache definiert und Sorftwarewerkzeuge implementiert, die Wissenschaftlern anderer Gebiete helfen soll, ViMaL Konzepte in ihr System zu integrieren. Einerseits werden Werkzeuge für die grundlegende Funktionalität zum Bearbeiten und Einlesen der Sprache zur Verfügung gestellt; andererseits werden Werkzeuge entwickelt die wissensbasierte Konzepte in jeden Schritt der Visualisierungspipeline integrieren. In diesem Zusammenhang werden wir Fuzzy Logic verwenden, um einfache Module für die Datenabstraktion, die visuelle Konkretisierung und die Visualisierungsabbildung zu implementieren. Wir gehen davon aus, dass die Formalisierung der Visualisierungs-Pipeline, die wir mit der Visualisierungs- Abbildungs-Sprache erreichen, vielen Wissenschaftlern anderer Forschungsgebiete existierende Visualisierungsmethoden erschließen wird. Außerdem werden durch die Integration von Domäne- und Visualisierungssemantik Meta-Visualisierungsmethoden ermöglicht, die die Illustration von einzelnen Komponenten des Visualisierungssystems zulassen und damit auch Laien Einblicke in die zugrunde liegenden Methoden verschaffen.

Visualisierung beschäftigt sich mit der graphischen Darstellung von Daten. Es wird dabei versucht, abstrakte Daten in eine visuell erfassbare Form zu bringen, um Zusammenhänge besser erkennen zu können. Werkzeuge aus dem Bereich der Visualisierung werden bereits in unterschiedlichen Bereichen verwendet und entwickeln sich stetig weiter. Bei jeder Visualisierung werden die Datenpunkte der Ausgangsdaten mit graphischen Eigenschaften verknüpft. Diese Verknüpfung wird benötigt, um die Datenpunkte visuell darstellen zu können. Um Konsistenz zu garantieren, basieren solche Verknüpfungen auf einem Regelwerk, welches in der Fachsprache als "Visualization Mapping" bezeichnet wird. Dieses Regelwerk definiert, welche, und in welcher Form, graphische Elemente den Datenelementen zugeordnet werden. Je nach Art und Daten und je nach Anwendung werden unterschiedliche Regelwerke benötigt. Die Erstellung eines Regelwerks erfordert üblicherweise die Einbeziehung von Fachleuten. Nur so kann man garantieren, dass die resultierenden Visualisierungen von den Fachleuten auch sinnvoll verwendet werden können. Fachleute sind zwar mit den Daten vertraut, haben aber üblicherweise keine Erfahrung mit Werkzeugen der Visualisierung. Es ist daher notwendig, das Wissen der Fachleute mit dem Fachwissen der Visualisierung zu verbinden, um aussagekräftige Resultate zu bekommen. Dieser Arbeitsschritt bedeutet einen erheblichen Mehraufwand für alle Beteiligten. In diesem Projekt wurden daher Methoden untersucht, wie man die Kommunikation zwischen Fachleuten und Visualisierung verbessern kann. Als ein Ergebnis dieses Projektes wurden Techniken entwickelt, die Fachleute verwenden können, um die von ihnen von der Visualisierung gewünschten Resultate in ihren eigenen Worten besser beschreiben zu können. Als zentrales Element zur Kommunikation fungiert dabei die neu entwickelte "Visualization Mapping Language", genannt ViSlang. Mit Hilfe dieser Metasprache kann eine Umgebung geschaffen werden, in der Fachleute ihre Datenelemente selbst mit graphischen Elementen verknüpfen können, um so ein Regelwerk für eine Visualisierung zu kreieren. Es ist möglich mehrere unterschiedliche Umgebungen zur Verfügung zu stellen, je nachdem welche Visualisierungswerkzeuge von den Fachleuten benötigt werden. Durch die Verwendung der ViSlang konnte die Kommunikation zwischen den Fachleuten und Entwicklern aus dem Bereich der Visualisierung erheblich vereinfacht werden. Zusätzlich zur Metasprache ViSlang wurden weitere hilfreiche Werkzeuge zur Unterstützung von Fachleuten bei der Datenanalyse entwickelt. In vielen Fachbereichen beruhen Ergebnisse (z.B. von Simulationen) auf der Einstellung eines oder mehrerer Parameter. Ein wichtiger Aspekt bei der Analyse der Daten ist daher die Einbeziehung dieser Parametereinstellungen. Hier wurden im Rahmen des Projektes Werkzeuge entwickelt, mit derer Fachleute den Einfluss von Parametern auf die Daten untersuchen können. Damit zusammenhängend, wurde im Projekt der Frage nachgegangen, wie Datensätze sinnvoll miteinander verglichen werden können. Je nachdem wie komplex die Daten sind, und wie viele verschiedene Datensätze miteinander verglichen werden sollen, ist diese Frage leichter oder schwerer zu beantworten. Es wurden daher neue Techniken im Bereich der vergleichenden Visualisierung entwickelt, welche Fachleute dabei unterstützen, Datensätze verschiedener Komplexität visuell miteinander vergleichen zu können.