Berliner Herbstkongress "Deutscher Verein zur Förderung des mathematischen und naturwissenschaftlichen Unterrichts e.V." (MNU)
Prof. Dr. Claudia Müller-BirnInstitut für Informatik, Arbeitsgruppe Vernetzte Informationssysteme
30. August 2012
Visual Analytics in der Schule
Mit Daten lehren Aus
Daten lernen
Warum?
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Mit Daten lehren
2
“The purpose of visualization is insight, not pictures”Ben Shneiderman (1999)
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
• Visual Analytics ist die Wissenschaft des analytischen Schlussfolgerns durch die Interaktion mit Daten mithilfe visueller Benutzeroberflächen
• Ziele des Visual Analytics sind die Entdeckung von versteckten Informationen, Mustern und Trends
• Visual Analytics vereinigt Bereiche wie Interaktionsdesign und Usability, die Darstellung und Aufbereitung von Daten, aber auch die Bereitstellung von Untersuchungsergebnissen
• Bestehende Herausforderungen, z.B.- Elektronische Repräsentation der Daten ist häufig beschränkt durch die Größe der
Displays- Zunehmende Größe der zugrunde gelegten Datensätze (“Big Data”)
3
Was bedeutet Visual Analytics?
(Thomas & Cook 2004)
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Bereiche des Visual Analytics
4
Visualization
Data Analysis Interaction
Information RetrievalData Retrieval
Data Mining
Information VisualizationScientific VisualizationComputer Graphics
Human-Computer InteractionCognitive Psychology
Perception
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Informationsvisualisierung
• Visuelle Repräsentation von Abstraktionen von oder Beziehungen zwischen den zugrunde gelegten Daten
• Hauptaufgabe der Informationsvisualisierung ist das Übersetzen der Daten in eine möglichst einfache graphische Darstellung, in der alle notwendigen und wichtigen Informationen enthalten sind
• Ziele der Informationsvisualisierung
- Kommunikation von komplexen Zusammenhängen (z.B. Minards Darstellung von Napoleons Russlandfeldzug im Jahr 1812)
- Unterstützung des analytischen Problemlöseprozesses(z.B. Snows Cholera Karte von London aus dem Jahr 1854)
5
(Thomas & Cook 2004)
• Verwendete Daten- Geographische Informationen (Städtenamen, Flüße)- Strategien der unterschiedlichen Bataillone- Grundsätzliche Marschrichtung der Armee- Größe der Armee- Temperatur - Zeit
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
(Charles Joseph Minard, 1861)
Beispiel Minard
6
• Verwendete Daten- Geographische Informationen (Städtenamen, Flüße)- Strategien der unterschiedlichen Bataillone- Grundsätzliche Marschrichtung der Armee- Größe der Armee- Temperatur - Zeit
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
(Charles Joseph Minard, 1861)
Beispiel Minard
7
• Verwendete Daten- Geographische Informationen (Straßennamen)- Verwaltungsdaten- Öffentliche Daten der Wasserwirtschaft
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Beispiel Snow
8
(Dr. John Snow, 1854)
• Verwendete Daten- Geographische Informationen (Straßennamen)- Verwaltungsdaten- Öffentliche Daten der Wasserwirtschaft
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Beispiel Snow
9
(Dr. John Snow, 1854)
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Bereits untersucht und belegt:Visualisierungen helfen Lernenden, spezifisches Wissen beispielsweise Konzepte, Fakten, Algorithmen und Beziehungen leichter und schneller zu internalisieren.
10
Informationsvisualisierung im Unterricht
User Engagement
Scaffolding
These:Kann der Erstellungsprozess einer Visualisierung bereits helfen, Wissen über Datenbeziehungen und Algorithmen leichter und schneller zu internalisieren?
Nutzbare Technik
Nutzbare Theorie
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012) 11
Attraktoren des User Engagements
Dis-engagement
Point of Engagement
Re-Engagement
Attributes of varyinglevels of intensity
(O'Brien and Toms, 2008)
Phase of Engagement
ÄsthetikNeuheitInteresseMotivationSpezifisches Ziel
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
• “Instructional devices that enable students to complete tasks they would be unable to master without assistance” (Grady, 2006)
• Befähigt Lernende ein bestimmten Erkenntnisstand zu erreichen bevor das Gerüst (Orientierungsgrundlage in Form einer Vorlage oder Anleitung) entfernt wird
• Lernende können dann mit komplexeren Aufgaben fortfahren oder aber aufbauende Gerüste verwenden
12
Scaffolding aus lerntheoretischer Sicht
photo credit: http://www.flickr.com/photos/dystopos/13891567/ CC BY-NC 2.0
Wie?
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Aus Daten lernen
13
“This quantity over quality shift in our culture has created an even deeper need for truly informing experiences - for insight, the most precious form of information.”Nathan Shedroff (2000)
Sammeln der Daten
Aufbereiten der Daten
Präsentieren der Daten
Interagieren mit Daten
Visualisieren der Daten
Formulieren der Frage
Datenvisualisierung besteht
80% aus Daten
und nur zu 20% aus der eigentlichen Visualisierung.
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Mögliche Datenquellen
15
Ausführliche Liste bei http://www.quora.com/Data/Where-can-I-get-large-datasets-open-to-the-public
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Visualisieren der Daten
Wie können Schüler an dieses Thema herangeführt werden?
16
Analysieren von “vorgefertigten” Visualisierungen
Anpassen von Visualisierungsvorlagen
Erstellen von individuellen Visualisierungen
1
2
3
Eng
agem
ent (
idea
l)
Sca
ffold
ing
1
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Anwendungsbeispiel
17
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
1 Gapminder
18
Februar 2006 Hans Rosling“No more boring data”
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Many Eyes
19
2
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Worldbank Daten in ManyEyes
Daten von World Bank http://data.worldbank.org/indicator/IT.NET.USER.P2
20
2
2
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Anwendungsbeispiel
21
photo credit: http://www.flickr.com/photos/der_robert/7547499690/ CC BY 2.0
Cro
EASY, ea ea, mh mhEASY, ea ea, mh mh
Leute sagen zu mir "Cro das Genie",denn er flowt wieder wiedieser Hovaund außerdem baut er die Beatses ist EASY, ea ea, mh mh
Und dieser Typ hier vergleicht sich mit Jay-Zund scheiß auf die Playsidenn ich häng' ab mit Rockstarsgenauso wie AC/D EASY, ea ea, mh mh
Ich chill im Bett mit ner Chicdie sieht auswie die Sis' von Beyoncé,doch eigentlichgeb ich n' Fick auf Frau'nwie EASY, ea ea, mh mh
Ok, das mit den Chics tut mir Leid,es war nicht so gemeint,kannst Du mir noch mal verzeihn' Ina,und Sie schreit"Ich heiß" EASY, ea ea, mh mh
Doch wenn Sie plötzlich so kleines Ding zeigt,du eiegntlich schon weißtder zweite Strich heißtes ist aus und vorbei bleibEASY, ea ea, mh mh
Und wenn Sie heiraten willund nach drei Tagen chillnschon Dein ganzes Haus undDeinen Leihwagen willersch EASY, ea ea, mh mh
Doch das würd ich mich nicht traun'man das weiß ich genau,denn davor hau ich abund sing "Run Away"wie Kan-YEASY, ea ea, mh mh
und dann lauf ich und lauf ichwohin ist noch offenam Besten nur weit, weit wegvielleicht Washington D EASY, ea ea, mh mh
Und diese Frau war verrücktdenn Sie hat mich erdrückt,Schreit "Cro komm zurück"doch ich schlüpf grad in dieAir EASY,und verl EASY,und mach den iPod anund alles was ich hör' ist
SUNNY,ah,ah,ahich weiß schon Du heißt EASYaber ist mir egal,ich nenn dich lieberSUNNY,ah,ah,ahab jetzt wird alles EASYdenn du bist nicht mehr da
SUNNY,ah,ah,ahich weiß schon Du heißt EASYaber ist mir egal,ich nenn dich lieberSUNNY,ah,ah,ahab jetzt wird alles EASYdenn du bist nicht mehr da
EASY, ea ea, mh mhEASY, ea ea, mh mh
EASY
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Visualisierung von Tag Clouds
• Schlagwortwolken (Tag Clouds) wurden ursprünglich als Navigationshilfe von Jonathan Feinberg und Bernhard Kerr entwickelt
• Ermöglichen den Nutzer einen schnellen (dynamischen) Überblick über den Inhalt einer Seite und wurden daher vor allem in Bookmarking-Systemen wie Flickr oder del.icio.us verwendet
23
2
Beispiele von http://www.smashingmagazine.com/2007/11/07/tag-clouds-gallery-examples-and-good-practices/
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Easy von Cro in Wordle
24
2
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Processing
• Processing ist eine Open Source Programmiersprache und Entwicklungsumgebung für Personen, die Visualisierungen, Animations- und Interaktionsprojekte (Sketches) umsetzen wollen
• Ursprünglich entwickelt, um die Grundlagen der Programmierung zu vermitteln• Für GNU/Linux, Mac OS X und Windows• Über 100 Bibliotheken, die die Software um Sound, Video und vieles mehr
erweitern • Sehr gut dokumentiert und eine große Community
• Ressourcen- Discussion Forum: http://forum.processing.org/- Wiki: http://wiki.processing.org/w/Main_Page- Processing sketches: http://www.openprocessing.org/
25
3
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Tag Cloud in Processing (1)import wordcram.*;
size(600, 350);background(255);
new WordCram(this)
// load file with text .fromTextFile("cro_easy.txt")
.lowerCase()//.upperCase()//.keepCase() // the default
/* * Tell WordCram which words to skip by calling * withStopWords() with a space-delimited string. *///.withStopWords("easy")
// Much bigger: not all words will fit, and it'll take // longer to place them. Be patient!.sizedByWeight(15, 90)
26
3
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Tag Cloud in Processing (2)// Since there will be little change between words in // size, many of them will be pretty large - so make the// range small enough to fit them.//.sizedByRank(1, 30)
//-----------// Coloring words//.withColor(#0000AA).withColors(#00C90D, #26972D, #008209, #39E444, #67E46F)
//---------// Padding.withWordPadding(2)//-----------// Words at Angles//.angledAt(radians(30)).angledAt(radians(30), radians(-60))
.drawAll();
27
3
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Easy von Cro in Processing
28
3
photo credit: http://www.flickr.com/photos/nasamarshall/6425767811/ CC BY-NC 2.0
Interesse?Sie wollen es in Ihrem Unterricht testen?Lassen Sie es mich wissen...
Prof. Dr. C. Müller-Birn «Visual Analytics in der Schule - Mit Daten lehren und aus Daten lernen» (August 2012)
Kontaktdaten
Claudia Müller-BirnFreie Universität Berlin
Institute of Computer ScienceAG Networked Information Systems
phone: +49 30 838 75256mail: clmb [ at ] inf dot fu-berlin dot de
30