TU Darmstadt / ULB / TUprints

Adaptive Semantics Visualization

Nazemi, Kawa (2014)
Adaptive Semantics Visualization.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
Nazemi_Diss.pdf
Copyright Information: CC BY-NC-ND 2.5 Generic - Creative Commons, Attribution, NonCommercial, NoDerivs .

Download (213MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Adaptive Semantics Visualization
Language: English
Referees: Fellner, Prof. Dr. Dieter W.
Date: 2014
Place of Publication: Darmstadt
Date of oral examination: 27 November 2014
Abstract:

Human access to the increasing amount of information and data plays an essential role for the professional level and also for everyday life. While information visualization has developed new and remarkable ways for visualizing data and enabling the exploration process, adaptive systems focus on users’ behavior to tailor information for supporting the information acquisition process. Recent research on adaptive visualization shows promising ways of synthesizing these two complementary approaches and make use of the surpluses of both disciplines. The emerged methods and systems aim to increase the performance, acceptance, and user experience of graphical data representations for a broad range of users. Although the evaluation results of the recently proposed systems are promising, some important aspects of information visualization are not considered in the adaptation process. The visual adaptation is commonly limited to change either visual parameters or replace visualizations entirely. Further, no existing approach adapts the visualization based on data and user characteristics. Other limitations of existing approaches include the fact that the visualizations require training by experts in the field. In this thesis, we introduce a novel model for adaptive visualization. In contrast to existing approaches, we have focused our investigation on the potentials of information visualization for adaptation. Our reference model for visual adaptation not only considers the entire transformation, from data to visual representation, but also enhances it to meet the requirements for visual adaptation. Our model adapts different visual layers that were identified based on various models and studies on human visual perception and information processing. In its adaptation process, our conceptual model considers the impact of both data and user on visualization adaptation. We investigate different approaches and models and their effects on system adaptation to gather implicit information about users and their behavior. These are than transformed and applied to affect the visual representation and model human interaction behavior with visualizations and data to achieve a more appropriate visual adaptation. Our enhanced user model further makes use of the semantic hierarchy to enable a domain-independent adaptation. To face the problem of a system that requires to be trained by experts, we introduce the canonical user model that models the average usage behavior with the visualization environment. Our approach learns from the behavior of the average user to adapt the different visual layers and transformation steps. This approach is further enhanced with similarity and deviation analysis for individual users to determine similar behavior on an individual level and identify differing behavior from the canonical model. Users with similar behavior get similar visualization and data recommendations, while behavioral anomalies lead to a lower level of adaptation. Our model includes a set of various visual layouts that can be used to compose a multi-visualization interface, a sort of "‘visualization cockpit"’. This model facilitates various visual layouts to provide different perspectives and enhance the ability to solve difficult and exploratory search challenges. Data from different data-sources can be visualized and compared in a visual manner. These different visual perspectives on data can be chosen by users or can be automatically selected by the system. This thesis further introduces the implementation of our model that includes additional approaches for an efficient adaptation of visualizations as proof of feasibility. We further conduct a comprehensive user study that aims to prove the benefits of our model and underscore limitations for future work. The user study with overall 53 participants focuses with its four conditions on our enhanced reference model to evaluate the adaptation effects of the different visual layers.

Alternative Abstract:
Alternative AbstractLanguage

Die stetig wachsende Menge und Komplexität digitaler Daten erfordern neue Wege zur Erschließung von Informationen durch den Menschen. Verschiedene Forschungsrichtungen widmen sich dem menschlichen Zugang zu den wachsenden Mengen an Daten. Während etwa die Forschung im Bereich der Informationsvisualisierung immer wieder neue und effiziente Methoden zur explorativen graphischen Informationserschließung entwickelt, werden diese oft auf Grund der Komplexität von vergleichsweise wenigen, speziellen Benutzern angewandt. Komplementär dazu steht im Fokus der adaptiven Systeme der Mensch mit seinen Fähigkeiten, Kenntnissen und Präferenzen. Dabei werden Informationen und Darstellungsarten an die Bedürfnisse und Fähigkeiten der jeweiligen Benutzer angepasst, um so möglichst heterogene Nutzer zu unterstützen. Das neue Forschungsgebiet der adaptiven Visualisierungen vereinigt Methoden aus beiden Disziplinen, um die jeweiligen Vorteile zu nutzen. Dabei zielen adaptive Visualisierungen nicht nur darauf ab, die Effektivität und Effizienz zu steigern, sondern auch die Benutzerakzeptanz und das Benutzungserlebnis. Obwohl die Evaluationsergebnisse der entwickelten Systeme sehr vielversprechend sind und gesteigerte Effizienz und Akzeptanz aufzeigen, werden wichtige Aspekte der Informationsvisualisierung nicht im Adaptionsprozess berücksichtigt. So adaptieren existierende Systeme entweder basierend auf den Datencharakteristika oder den Benutzereigenschaften. Ein Ansatz, der beide Einflussfaktoren berücksichtigt, fehlt gänzlich. Des Weiteren werden entweder Visualisierungsarten durch andere im Adaptionsprozess ersetzt oder bestimmte Variablen einer Visualisierungsart angepasst. Der Transformationsprozess, von Daten hin zu visuellen Repräsentationen, der sehr viele Möglichkeiten zur Anpassung anbieten würde, wird in heutigen Systemen nicht ausreichend berücksichtigt. Benutzeradaptive Visualisierungen müssen oftmals von Experten aufwändig trainiert werden, damit ein Adaptionseffekt entsteht. Die hier genannten Punkte sind lediglich Beispiele, um aufzuzeigen, dass ein methodisches Modell für die Adaption von Informationsvisualisierung fehlt. Heutige Ansätze haben einen mehr experimentellen Charakter, der nicht zu einer ganzheitlichen Lösung führt. Die vorliegende Dissertationsschrift stellt ein modellbasiertes, methodisches Konzept zur adaptiven Visualisierung vor, das die Vorteile der adaptiven Systeme und die der Informationsvisualisierung vereint. Im Gegensatz zu existierenden Ansätzen, werden dabei insbesondere die Adaptionspotentiale der Informationsvisualisierung untersucht und auf das Referenzmodel übertragen. Dazu nutzt das hier vorgestellte Modell nicht nur das bereits existierende Referenzmodell der Informationsvisualisierung als Grundlage zur Identifikation von Adaptionsvariablen. Es werden vielmehr Modelle aber auch Studienergebnisse aus dem Bereich der visuellen Wahrnehmung und menschlicher Informationsverarbeitung herangezogen, um das Referenzmodel für den Einsatz in adaptiven Visualisierungen zu erweitern und zu optimieren. Um dem Charakter der Informationsvisualisierung gerecht zu werden, berücksichtigt das Modell im Adaptionsprozess sowohl die Charakteristika der Benutzer als auch die der Daten. Dabei werden Benutzercharakteristika implizit und nur anhand der Benutzerinteraktionen mit der Visualisierung ermittelt. Die Arbeit untersucht in diesem Kontext diverse Methoden und deren Effekte auf die Systemadaption, die dann für die Adaption von Visualisierungen entsprechend angepasst werden. Das in dieser Arbeit vorgestellte Benutzermodell kombiniert das Benutzungsverhalten mit Daten und Visualisierungen, um die Effizienz, Effektivität und Benutzerakzeptanz von adaptiven Visualisierungen zu steigern. Des Weiteren wird über die semantische Konzeptstruktur der Daten eine domänenübergreifende Benutzermodellierung erzielt. Ein integrierter Ansatz zur kanonischen Benutzermodellierung, der das durchschnittliche Benutzungsverhalten aller Benutzer mit der Visualisierung modelliert, macht das Antrainieren des Systems überflüssig. Mit Hilfe des kanonischen Benutzermodells lernt das System sich dem durchschnittlichen Benutzer anzupassen. Mit jeder Benutzung durch reale Benutzer wird die visuelle Adaption des Systems verbessert. Um individuelle Benutzer und deren spezielle An-forderungen zu unterstützen, werden Ähnlichkeits- und Unterscheidungsmessungen eingeführt. Wenn sich Benutzer individuell angemeldet haben, wird deren Verhalten durchgehend mit dem Benutzungsverhalten anderer Benutzer verglichen. Werden dann etwa ähnliche Verhaltensmuster festgestellt, können Lücken des Benutzermodels durch das Model eines ähnlichen Nutzers gefüllt werden. Wird dagegen festgestellt, dass das Verhalten eines Benutzer vom allgemeinen Durchschnittsverhalten stark divergiert, werden die Adaptionseffekte basierend auf das kanonische Model reduziert und jene Effekte verstärkt, die durch die individuellen Interaktionen des Benutzers selbst modelliert wurden. Das hier vorgestellte Visualisierungsadaptionsmodell integriert eine Reihe von verschiedenen Visualisierungslayouts. Diese können bei Bedarf zu einem so genannten Visualisierungscockpit zusammengestellt werden und so verschiedene Perspektiven auf dieselben Daten oder auf unterschiedliche Daten anbieten. Die visualisierten Daten auf dem Bildschirm können dabei von unterschiedlichen Quellen stammen und somit das Vergleichen von Daten auf visueller Ebene ermöglichen. Das Zusammenstellen unterschiedlicher Visualisierungslayouts zu einer Benutzerschnittstelle kann vom Benutzer aber auch automatisch vom System durchgeführt werden. Das in dieser Arbeit dargestellte konzeptionelle Modell wurde implementiert, um die Umsetzbarkeit darzulegen. Die Umsetzbarkeit der vorgestellten Modelle und Methoden wurde mit dem SemaVis System nachgewiesen. SemaVis ist ein adaptives Visualisierungssystem, das in verschiedenen Anwendungsszenarien eingesetzt werden kann. In dieser Arbeit werden drei ausgewählte Anwendungsszenarien vorgestellt, um neben der Umsetzbarkeit auch das adaptive Verhalten des SemaVis Systems aufzuzeigen. Um die Vorteile des adaptiven SemaVis und somit des Modells zu belegen und Defizite zu identifizieren, wurde eine umfangreiche Benutzerstudie mit 53 Probanden unter Laborbedingungen durchgeführt. Dabei wurden vier Konditionen gegeneinander untersucht. Die Konditionen basierten auf das hier vorgestellt Referenzmodell der visuellen Adaption und einer textuellen Darstellung als Baseline. Das Ziel war es, die Adaptionseffekte der definierten visuellen Variablen zu untersuchen.

German
URN: urn:nbn:de:tuda-tuprints-43199
Classification DDC: 000 Generalities, computers, information > 004 Computer science
Divisions: 20 Department of Computer Science > Interactive Graphics Systems
Date Deposited: 22 Dec 2014 13:11
Last Modified: 09 Jul 2020 00:51
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/4319
PPN: 352420049
Export:
Actions (login required)
View Item View Item