Data-Storytelling ist die Verwendung von Daten, Visualisierungen und Narration, um Geschichten zu erzählen und Informationen zu präsentieren. Data-Storytelling erfordert Kenntnisse der Datenanalyse als auch der Kommunikation, um erfolgreich zu sein.

Es erfordert auch die Fähigkeit, die richtigen Daten auszuwählen, die richtigen Visualisierungen zu erstellen und die richtigen Botschaften zu kommunizieren, um die gewünschte Wirkung zu erzielen. Es geht darum, komplexe und möglicherweise trockene Daten in eine leicht verständliche Form zu bringen, die für die Zielgruppe relevant ist und sie dazu inspiriert, zu handeln oder Entscheidungen zu treffen.

Data-Storytelling kann in vielen Bereichen eingesetzt werden, wie z.B. in Unternehmen, um Geschäftsentscheidungen zu unterstützen, in der Wissenschaft, um Forschungsergebnisse zu präsentieren oder in der Medienbranche, um Nachrichten und Analysen zu präsentieren.

Eine wichtige Komponente von Data-Storytelling ist die Visualisierung von Daten. Durch die Verwendung von Diagrammen, Grafiken und anderen visuellen Elementen können komplexe Daten in einer leicht verständlichen Form dargestellt werden. Dies erleichtert es dem Publikum, die Informationen schnell zu verstehen und zu verinnerlichen.

Eine weitere wichtige Komponente von Data-Storytelling ist die Verwendung einer klaren und prägnanten Sprache. Durch die Verwendung von Beispielen und Analogien kann man komplexe Sachverhalte erklären und die Aufmerksamkeit des Publikums halten.

Data-Storytelling erfordert sowohl Kenntnisse in der Datenanalyse als auch in der Kommunikation, um erfolgreich zu sein. Es erfordert auch die Fähigkeit, die richtigen Daten auszuwählen, die richtigen Visualisierungen zu erstellen und die richtigen Botschaften zu kommunizieren, um die gewünschte Wirkung zu erzielen.

Der Erstellung, Verwaltung und Analyse von Daten wird in der Industrie und in der beruflichen Praxis zunehmend mehr Aufmerksamkeit geschenkt. Das Potenzial der Aufbereitung von Daten und Analyseergebnissen in leicht verdauliche und visuell erforschbare Inhalte für ein nichtprofessionelles Publikum ist jedoch noch nicht in vollem Umfang erforscht worden. Wir haben dazu beigetragen, die Kluft zwischen Datenanalyse und Datenpräsentation zu überwinden. Durch die Integration einer geschichtenähnlichen Umgebung und von Unterhaltungselementen in die Datenvisualisierung erkunden wir die Möglichkeiten der effizienten Vermittlung von Daten und Erkenntnissen an ein allgemeines Publikum in einem lockeren Kontext. Wir stellen diesen modularen Ansatz zur Anpassung von Botschaften für visuelles Data-Storytelling aus einer Informations- und Kommunikationsperspektive vor, einschließlich eines Testprototyps, der zur Veranschaulichung unseres Data-Storytelling-Framework entwickelt wurde.

Unter den vielen Möglichkeiten, visuelle Informationen zu nutzen, sind Bild-/Video-Sharing-Dienste und Datenvisualisierung zwei der bekanntesten Anwendungen. Ersteres wird in der Regel mit verschiedenen Formen der Unterhaltung in Verbindung gebracht, letzteres mit dem Bedürfnis nach einer übersichtlichen Darstellung von Daten, um deren effiziente Nutzung und Anwendung zu ermöglichen. Bilder sind in der heutigen Kultur wohl die vorherrschende Art der Informationsübermittlung. Wir erstellen heute immer mehr visuelle Inhalte zu Unterhaltungszwecken, und inzwischen nutzen wir die Datenvisualisierung auch als Instrument zur Unterstützung der Produktivität und Entscheidungsfindung in Industrie und Unternehmen. Bei beiden visuellen Ansätzen geht es um die Vermittlung und Verwertung von Informationen, doch werden sie als getrennte Tätigkeits- und Einflussbereiche wahrgenommen. Werden ihre jeweiligen Stärken jedoch zusammengeführt, können sie die Strategien zur Datenvisualisierung und -kommunikation erheblich verbessern.
Daten sind eine ergiebige Informationsquelle. In ihrer vereinfachten, „rohen“ Form enthalten sie eine Fülle von Wissen und Erkenntnissen. In den meisten Fällen erfordert die Umwandlung von Daten in eine für den Menschen verständliche Form jedoch einen Analyseprozess, eine Vereinfachung und die Auswahl geeigneter Visualisierungsmethoden. Rohdaten sind für ein Laienpublikum in der Regel schwer zu verstehen, aber die auffälligen Bilder, Grafiken, Gifs und Videos, die sich in den Kreisläufen des Alltags und der Populärkultur ausbreiten, sind zwar leicht zu verstehen, aber manchmal nicht sehr aussagekräftig, da sie oft zum Zweck des reinen ästhetischen Reizes oder der Unterhaltung erstellt werden. Unter diesem Gesichtspunkt erscheint es machbar, Unterhaltung und Datenvisualisierung zusammenzubringen, um „seriöse“ Daten in unterhaltsame Inhalte für ein breites Publikum zu verpacken. Dies würde den praktischen Bereich der Datenvisualisierung potenziell erweitern und sie für die Öffentlichkeit attraktiver machen.

Der nächste Schritt in der Visualisierung darin, von der Exploration und Datenanalyse zur Präsentation überzugehen. Die Verwendung von Visualisierung als Werkzeug für die Datenexploration und -analyse ist beschrieben worden. Genauer gesagt ging es darum, zu untersuchen, wie die Kommunikation von Informationen und Erkenntnissen, die während des Datenanalyseprozesses gewonnen wurden, verbessert werden kann. Besonderes Augenmerk legten wir dabei auf die Vermittlung der Erkenntnisse an ein allgemeines, nicht professionelles Publikum. In dieser Studie ging es nicht darum, den Prozess der Datenanalyse zu untersuchen. Stattdessen lag der Schwerpunkt auf der Erstellung von visuellen Inhalten auf der Grundlage der aus der Datenanalyse gewonnenen Informationen. Mit anderen Worten, wir haben uns darauf konzentriert, wie man die Ergebnisse der Datenanalyse einem allgemeinen Publikum durch ein visuelles Erzählformat besser präsentieren kann.

Basierend auf früheren Arbeiten im Bereich der narrativen Visualisierung und der beiläufigen Visualisierung wird in dieser Studie ein Framework für die Erstellung von visuellen Data-Storytelling-Anwendungen in einer interaktiven digitalen Plattform für ein allgemeines Publikum vorgestellt und erweitert. Wir haben eine Kodierungsstrategie für visuelles Data Storytelling vorgeschlagen, die auf der Strukturierung von Informationseinheiten, damit verbundenen Computertechnologien, Methoden aus Serious Games und Entertainment Computing basiert, und haben kognitive Faktoren untersucht, um eine bessere Einprägsamkeit und Attraktivität zu erreichen. Mit dem Ziel, geschichtenähnliche Dateninhalte zu erstellen, haben wir ein Design für einen neuen interdisziplinären Rahmen vorgeschlagen, um Daten mit Geschichtenelementen zu verbinden und Informationseinheiten in eine visuelle Umgebung zu übersetzen. In diesem Artikel untersuchen wir, wie man Daten auf ansprechendere Weise mit der Öffentlichkeit teilen kann. Unser Ziel ist es, Daten in einer unterhaltsamen und aufschlussreichen interaktiven visuellen Form zu visualisieren, die eine praktikable Option für die Erstellung von Datengeschichten darstellt. Die Grundidee unseres Ansatzes ist in Abbildung 1 dargestellt.

Das Framework basierte auf der Kommunikation von Informationen, um die Entwicklung von visuellen Datengeschichten zu unterstützen und eine maßgeschneiderte unkonventionelle Datendarstellung zu ermöglichen.

RQ1-Welches ist die geeignete Kodierungsstrategie, um Daten zu einer unterhaltsamen Geschichtenkomposition zusammenzustellen, die die Kommunikationsqualität von Schlüsselinformationen in einer Umgebung mit erhöhter Komplexität und Redundanz beibehält?
RQ2-Wie kann Data Storytelling mit Technologien aus dem Bereich der digitalen Medien angewendet werden, um neuartige visuelle Inhalte für Data Storytelling zu entwickeln, die über konventionelle text- und chartbasierte Stile hinausgehen?

Die Datenvisualisierung ist eines der zentralen Konzepte für diese Forschung. Einige der bisherigen Forschungsarbeiten zur Datenvisualisierung konzentrierten sich auf die gestalterischen Aspekte der Visualisierung, und einige von ihnen schenkten dem Erkenntnisprozess mehr Aufmerksamkeit. Es gibt auch Arbeiten, die sich auf die technischen Aspekte der Verwendung von Visualisierung in der Datenanalyse konzentrieren.

Data Storytelling nutz für verschiedene Zwecke, z. B. in der Wirtschaft und im Bildungswesen. Data Storytelling wird häufig für professionelle Zwecke eingesetzt; daher ist seine visuelle Effizienz immer eine der obersten Prioritäten. Daher sind die Visualisierungen und die visuellen Stile des Data Storytelling in solchen Bereichen oft sehr einfach gestaltet. Wie bereits erwähnt, konzentrieren sich die meisten Studien zum Data Storytelling auf dessen Anwendung in einem professionellen Kontext. Während Forscher im Bereich der Datenvisualisierung begonnen haben, sich an ein breiteres Publikum zu wenden, wird es immer wichtiger, die Rahmenbedingungen und Techniken zu berücksichtigen, die es ermöglichen, Datengeschichten in einem zwanglosen Kontext zu erzählen und unterhaltsame Inhalte aus komplexen Datensätzen zu erstellen. Das Potenzial des visuellen Data Storytelling ist noch nicht vollständig erforscht worden. In einem ersten Schritt war unser Hauptziel, ein Framework für verbessertes Data Storytelling zu schaffen.

Da täglich immer mehr Daten gesammelt und verarbeitet werden, gewinnen die Möglichkeiten der Weitergabe und Kommunikation von Informationen, die auf Daten basieren, zunehmend an Bedeutung. Die Erforschung moderner Ausdrucksmöglichkeiten bietet neue Modalitäten, um Daten Bedeutung zu verleihen. So gibt es beispielsweise das Konzept des Serious Storytelling – „Storytelling außerhalb des Unterhaltungskontexts“ – und kognitive Big Data als neues Paradigma für die Definition datengesteuerter Visualisierungen.

erzählerische Visualisierung

Vier Hauptunterschiede zwischen traditionellen Informationsvisualisierungssystemen und gelegentlicher Informationsvisualisierung: Benutzerpopulation, Nutzungsmuster, Datentyp und Einblick. Sie wiesen darauf hin, dass eine der Herausforderungen bei der gelegentlichen Informationsvisualisierung darin besteht, das System so zu gestalten, dass „utilitaristische“ Ziele gegen eine breitere Palette „nützlicher“ Ziele eingetauscht werden. Mit unserer Forschung wollten wir einen modularen und anpassbaren Framework zur Verfügung stellen, um die Entwicklung von visuellen Data-Storytelling-Inhalten zu unterstützen und den Nutzern zu helfen, die in seriösen Daten enthaltenen Informationen an allgemeine, nicht-professionelle Betrachter zu vermitteln.

Die drei größten Herausforderungen bei der Interpretation von Datenvisualisierungen Misstrauen, proportionales Denken und zeitliches Denken sind. In Anbetracht dieser Herausforderungen hat unser Framework die Phase der Nachrichtenplanung beim Data Storytelling besonders hervorgehoben. Es bietet einen Ansatz, mit dem die Nutzer ihre Botschaft für die Betrachter bewusster planen können.

In einer anderen Untersuchung über Datenvideos wurde ein ähnlicher Prozess vorgeschlagen, der das Lesen und Interpretieren von Daten, die Auswahl von Daten, die Ausarbeitung der Erzählstruktur und die Integration von Strategien zur Einbeziehung der Betrachter umfasst. ….vier redaktionelle Ebenen für die Visualisierung von Erzählungen vor: Daten, visuelle Darstellung, Textanmerkungen und Interaktivität. Diese Modelle liefern wertvolle Erkenntnisse darüber, wie ein narratives Visualisierungssystem strukturiert werden sollte.

Die meisten der aktuellen Modelle für narrative Visualisierung [4,19,20,21,22] basieren jedoch auf der Beobachtung und Untersuchung bestehender Beispiele für narrative Visualisierung. Einerseits ist es wichtig, Verbesserungen auf der Grundlage bestehender Praktiken oder Muster vorzunehmen; andererseits ist es auch sehr wichtig, den wesentlichen Bedarf und Zweck aus einer grundlegenden Perspektive zu betrachten und alternative Ansätze zu erkunden. Anstatt sich auf die Beobachtung und Untersuchung bestehender narrativer Visualisierungsbeispiele zu stützen, haben wir daher versucht, einen Framework zu entwickeln, der auf grundlegenden Kommunikationsprinzipien basiert, die flexibler sind und die Erkundung unkonventioneller Stile für das Erzählen von Daten unterstützen. In dieser Forschung haben wir die Elemente anderer narrativer Visualisierungsmodelle integriert und einen Rahmen entworfen, der auf grundlegenden Kommunikationsprinzipien basiert und drei Entwurfsphasen umfasst: Planung der Botschaft, Zusammenstellung der Informationen und Zuordnung der visuellen Elemente. Wir haben Methoden eingeführt, die die Anpassung einer Vielzahl von Arten visueller Elemente unterstützen, um verschiedene Informationen zu transportieren.

Eine Geschichte ist eine Möglichkeit, Daten zu präsentieren und Informationen in einem leicht verständlichen Format zu verpacken. Der Übergang von der Erkundung zur Analyse zur Präsentation eine natürliche Entwicklung ist. Im Zusammenhang mit Datenvisualisierung und Data Storytelling haben wir daher versucht, die Unterschiede zwischen dem analyseorientierten Prozess und dem erzählorientierten Prozess zu ermitteln. In der Untersuchung von Amini et al. wird vorgeschlagen, dass eine Geschichte vier Phasen hat: Ersteller, Anfang, Höhepunkt und Veröffentlichung. ….Strategien zur Visualisierung von Erzählungen ein, die kurze Geschichten mit Textkommentaren und zeitlichen Bezügen hinzufügen, um das Gefühl des Erzählflusses zu verstärken. In der Untersuchung von Segel und Heer wurden sieben Genres der narrativen Visualisierung auf der Grundlage einer Analyse des Online-Journalismus zusammengefasst. Die oben genannten Forschungsarbeiten bieten großartige Strategien und Methoden zur Einführung von Geschichten in die Visualisierung. Ihre Methoden konzentrieren sich jedoch hauptsächlich auf die Verknüpfung von erzählendem Text mit Datenvisualisierungsgrafiken und schlagen eine Standardstruktur mit Anfang, Mitte und Ende der Geschichte vor. Wir weisen darauf hin, dass es auch andere Arten von Erzählstilen gibt, wie z. B. Bewusstseinsstrom, die nicht der normalen zeitlichen Struktur und Kausalität folgen. Es gibt auch einige Geschichten, wie z. B. die berühmte Sechs-Wörter-Geschichte – „Zu verkaufen: Babyschuhe, nie getragen“ -, die keine Standard-Geschichtenkomponenten wie Charakter und Kontext enthalten. Daher haben wir bei der Entwicklung dieses Framework für die visuelle Datenerzählung verschiedene Kategorien von visuellen Kanälen identifiziert, die Informationen transportieren, und eine modulare Struktur verwendet, um die Anpassung von Datengeschichten zu unterstützen.

Konzepte wie das neue Mediendesign, das zur menschlichen Erfahrung und Wissensverarbeitung beiträgt (z. B. Ästhetik, emotionale Bindung, Reflexion und Weisheit) sowie solche aus der medienwissenschaftlichen Forschung beeinflussen, wie Menschen Erkenntnisse verarbeiten. Ein Beispiel aus der Medienwissenschaft ist das berühmte Zitat „the medium is the message“, das die Wirkung beschreibt, wie Menschen Medieninhalte wahrnehmen. Im Zusammenhang mit Data Storytelling.. die Gestaltungstechniken bei der narrativen Visualisierung die Interpretation des Betrachters erheblich beeinflussen können. Daher wäre es von Vorteil, zunächst die Botschaft zu planen und dann die Gestaltungstechniken entsprechend zu wählen. Mit unserem Framework haben wir einen solchen Ansatz eingeführt, um die Informationen auf einer grundlegenden Ebene zu planen und die visuelle Darstellung zu gestalten.

Entwurf eines Data-Storytelling FRAMEWORKs

Data-Storytellings aus drei Hauptperspektiven abdeckt: Konzept, Komponente und Verfahren. Aus der Perspektive des Konzepts haben wir die Grundlage unseres Ansatzes vorgestellt und die allgemeine Absicht und die Strategien des Data-Storytellings definiert. Unter dem Gesichtspunkt der Komponente haben wir den erweiterten Gestaltungsraum für visuelles Data Storytelling und die Schlüsselelemente seiner Informationsstruktur skizziert. Aus der Perspektive des Verfahrens haben wir den Prozess der Erstellung von Inhalten für visuelles Data Storytelling und die Umwandlung von Informationen in Bilder erläutert. Abbildung 2 zeigt die Schlüsselelemente des Framework für visuelles Data-Storytelling.

In den folgenden Abschnitten erläutern und demonstrieren wir diese Elemente im Detail.

Der narrative Visualisierungsprozess wird in Abschnitt 3.2 erläutert.
Die kognitiven und kommunikativen Theorien werden in Abschnitt 3.2 und Abschnitt 3.3 erläutert.
Die visuellen Kanäle werden in Abschnitt 3.3.2 erklärt und in Abschnitt 4 demonstriert.
Die Informationseinheiten werden in Abschnitt 3.3.3 erklärt und in Abschnitt 4 demonstriert.
Die Story-Umgebung wird in Abschnitt 3.3.2 erklärt und in Abschnitt 4 demonstriert.
Die Umwandlung von Daten in Geschichten wird in Abschnitt 3.3.3 erklärt und in Abschnitt 4 demonstriert.

Die Grundstruktur unseres Frameworks basiert auf kognitiven und Kommunikationstheorien [9,28]. Dreiphasigen Designprozess (Erkundung, Entwurf und Produktion) und den vierphasigen Storyboard-Prozess (Lesen und Interpretieren von Daten, Auswahl von Daten, Ausarbeitung der Erzählstruktur und Integration von Strategien zur Einbeziehung der Zuschauer) integriert. Um dies zu erreichen, haben wir drei Phasen der Informationsverarbeitung, die das visuelle Storytelling unterstützen, in unseren narrativen Visualisierungsprozess eingeführt: Strukturierung, Komposition und Übersetzung. Basierend auf dem Modell der narrativen Visualisierung von Satyanarayan und Heer (Szenen, Parameter, Annotationen, Auslöser) und den redaktionellen Ebenen der narrativen Visualisierung (Daten, visuelle Darstellung, textuelle Annotationen und Interaktivität) haben wir ein erweitertes Spektrum an visuellen Kanälen identifiziert, um diese Komponenten innerhalb einer vierteiligen Story-Struktur (Charakter, Hintergrund, Ereignis und Wirkung) zu berücksichtigen.

Definition der Komponenten

Dieser Abschnitt enthält eine kurze Erläuterung und Beschreibung der wichtigsten Konzepte und Begriffe, die für diese Untersuchung relevant sind.

Visuelle Datenerzählung: Im Rahmen dieser Untersuchung beziehen wir uns auf visuelles Data Storytelling als eine Praxis, die Informationen innerhalb eines Datensatzes über visuelle Medien an das Publikum kommuniziert. Dabei werden alle Informationseinheiten in einem geschichtenähnlichen Format zusammengestellt und einem allgemeinen oder gelegentlichen Publikum vermittelt.

Informationseinheit: Eine Informationseinheit kapselt einen Teil der Schlüsselinformationen, die dem Publikum vermittelt werden müssen. Informationseinheiten können auch eine atomare Darstellung von Daten und Geschichten sein. Sie sind die grundlegenden Bausteine einer visuellen Data-Storytelling-Komposition. Es gibt drei Untertypen von Informationseinheiten: Datennachricht, Story-Komponente und Ausdrucksanhang. Sie unterscheiden sich durch die verschiedenen Arten von Informationen, die sie enthalten, und durch die unterschiedlichen Zwecke, denen sie dienen:

Datennachricht – Eine Datennachricht ist eine Informationseinheit, die eine einfache und grundlegende Nachricht aus dem Datensatz enthält (z. B.: Welches sind die wichtigsten energieverbrauchenden Branchen in einem landesweiten Energieverbrauchsdatensatz). Der Fokus und die Aspekte, die dem Publikum als Teil eines Datensatzes präsentiert werden sollen, werden durch die Bestimmung der Datenbotschaften ausgewählt.

Story-Komponente – Eine Story-Komponente ist eine Informationseinheit, die eine einzelne Information enthält, die eine Komponente der Story darstellt (z. B. wer die Hauptfigur in der Story ist, welche Aktivität in der Story stattfindet). Die grundlegendsten Elemente einer Geschichte sind Figuren, Schauplatz, Handlung und Wirkung. Die Figuren und Schauplätze definieren die Welt der Geschichte. Die Handlungen und Wirkungen bilden die Ereignisse in der Geschichte. Die Komponenten einer Geschichte sind also die Informationen, die jeden grundlegenden funktionalen Teil einer Geschichte identifizieren und beschreiben. Die Hauptfunktion von Story-Komponenten besteht darin, eine Story-Struktur aufzubauen, an die sich andere Informationseinheiten anhängen können.

Ausdrucksanhang – Ein Ausdrucksanhang ist eine Informationseinheit, die eine Information enthält, die sich auf den Ausdruck und die Darstellung unter narrativen Gesichtspunkten bezieht (z. B. der „Ton“, wenn es um einen bestimmten Teil der Geschichte geht). Sie verleiht anderen Informationseinheiten einen subjektiven Dreh, wenn sie mit diesen verbunden ist. Ausdrucksanhänge können, wenn sie richtig eingesetzt werden, auch die Aufmerksamkeit auf sich ziehen.

Umgebung einer Geschichte: Eine Story-Umgebung ist eine visuelle Umgebung oder ein Raum, der eine Geschichte darstellt. Sie ist eine Kombination aus mehreren spezifischen visuellen Elementen. Eine geeignete Story-Umgebung vermittelt ein Gefühl für eine Geschichte, die Informationen durch Entitäten und Ereignisse beschreibt. Eine Story-Umgebung dient als Platzhalter für die Entität(en) (einer der beiden Hauptbestandteile einer Geschichte) und das Ereignis (die Ereignisse) (der andere der beiden Hauptbestandteile einer Geschichte). Charaktere und Hintergründe werden als Entitäten betrachtet; Aktionen und Effekte werden als Ereignisse betrachtet.

Visuelles Element: Ein visuelles Element ist ein einzelnes visuelles Objekt. Es ist eine visuelle Darstellung einer Entität oder eines Ereignisses. Visuelle Elemente sind die Bausteine einer Handlungsumgebung. Innerhalb jedes visuellen Elements gibt es mehrere visuelle Kanäle, die für den Transport von Informationseinheiten zur Verfügung stehen.

Visuelle Kanäle: Visuelle Kanäle sind die Kanäle innerhalb eines visuellen Elements, in denen die Informationseinheiten kodiert werden können. Sie sind die sehr einfachen visuellen Attribute, Symbole oder Unterelemente, die in einem visuellen Element vorhanden sind.

Data-Storytelling als Prozess

Im Rahmen dieses Abschnitts untersuchen wir einige grundlegende Motivationsfaktoren, die die Bedeutung des visuellen Data-Storytellings unterstreichen. Zunächst erörtern wir, wie sich Kognition und Gedächtnis auf die Kommunikationsqualität in einem Kommunikationssystem auswirken, wenn es sich bei dem Endempfänger um einen Menschen und nicht um eine Maschine handelt. Zweitens analysieren wir die Unterschiede zwischen visuellem Data-Storytelling und normaler Datenvisualisierung und vergleichen dann den Arbeitsablauf eines narrativ-orientierten Prozesses mit dem eines analytisch-orientierten Prozesses.

Kognitive Kommunikationsaspekte

Betrachten wir die Kommunikation in einem Telekommunikationskontext, in dem der Empfänger und das Ziel Maschinen sind. Das Rauschen und die Störungen, die behandelt werden müssen, betreffen den Übertragungsprozess und das Übertragungsmedium. Das bedeutet, dass die Störungen meist auf der Übertragungsseite auftreten. Handelt es sich bei Empfänger und Ziel jedoch um Menschen im Kontext der visuellen Medienkommunikation, betreffen die Störungen den Wahrnehmungs- und Interpretationsprozess. Dieser liegt auf der Seite des Empfängers und des Ziels. Daher muss eine empfängerorientierte entsprechende Kodierungsstrategie angewandt werden, um die Genauigkeit der Informationsübertragung zu gewährleisten.

Für die Datenvisualisierung in einem professionellen Kontext hat sich die Maximierung des Daten-Ink-Verhältnisses [11,13] als effizienter Weg erwiesen, um die Genauigkeit der Informationsübertragung zu gewährleisten. Mit anderen Worten, es handelt sich um eine Kodierungsstrategie, die die Botschaft vereinfacht und unnötige Unklarheiten beseitigt, um Störungen im Interpretationsprozess zu verringern.

Betrachten wir jedoch visuelles Data-Storytelling in einem zwangloseren Kontext, in dem das Publikum die breite Öffentlichkeit und nicht die Fachleute sind. Von der Datenvisualisierung wird erwartet, dass sie als konsumierbarer Inhalt oder Kunstwerk fungiert und nicht die Produktivität unterstützt. Die einfache Beseitigung unnötiger Unsicherheiten zur Verringerung der Interferenzstrategie ist nicht mehr praktikabel und betrifft den ästhetischen Reaktionsprozess. Ein Kunstwerk nicht eine Schöpfung des Autors oder des Publikums, sondern eine Komposition aus beiden. Der Autor hinterlässt die Struktur und die Anhaltspunkte. Dann interpretiert das Publikum das Kunstwerk mit seiner subjektiven Erfahrung. Daher ist die Freiheit der Interpretation eine notwendige und wünschenswerte Unsicherheit. Ohne diese wünschenswerte Ungewissheit kann der visuelle Inhalt die ästhetische Reaktion nicht anregen und inspirieren. Außerdem wird er als konsumierbarer Inhalt schlicht und uninteressant erscheinen. Daher ist eine neue entsprechende Kodierungsstrategie erforderlich, um die erwünschte Ungewissheit widerzuspiegeln, die im zwanglosen Kontext der visuellen Datenerzählung auftritt.

Betrachten wir das menschliche Gehirn als Empfänger. Wie funktioniert sein Dekodierungsprozess? Wie können wir seine Kodierungsstrategie optimieren? Im Bereich der Mnemo- und Gedächtnisforschung gilt die elaborative Kodierung als effiziente Strategie zur Verbesserung des Gedächtnisses. Bei der speziellen elaborativen Kodierungsmethode der Loci wird zum Beispiel eine imaginäre Umgebung geschaffen, die auf einem vertrauten Ort basiert. Dann visualisiert man die Informationen, die man sich merken muss, in dieser imaginären Umgebung als Objekt oder Figur. Wenn die Information abgerufen werden muss, kann man einfach die mentale Umgebung besuchen und das imaginäre Objekt finden. Durch die Kodierung der Informationen in der räumlichen Umgebung wird die Erinnerung durch räumliche Beziehungen verstärkt.

Nach der Schema-Theorie ist ein Schema eine adaptive Netzwerkstruktur des vorhandenen Wissens einer Person. Es wird als ein Mechanismus betrachtet, der den kognitiven Prozess steuert und die Gedächtnisbildung und den Abruf beeinflusst. Die Merkmale eines Schemas ähneln der Struktur einer Geschichte (z. B. die Verflechtung von Ereignissen und Objekten, die chronologische Ordnungsstruktur). Schemabasierte Gedächtnisstudien zeigen auch, dass die Qualität des Geschichtengedächtnisses mit der Verstärkung der Interkonnektivität zwischen den Ereignissen zunimmt.

Vergleich zwischen Data-Storytelling und normaler Datenvisualisierung

Visuelles Data Storytelling ist der Prozess, der Daten in eine grafische Form verpackt. Es hat das gleiche Verfahren der Übersetzung von Daten in Bilder und ähnelt jedem anderen Visualisierungsprozess. Aufgrund seiner spezifischen Methoden und Ziele ist es jedoch ein eigenständiger Ansatz. Im Gegensatz zur traditionellen Visualisierung, die im Wesentlichen ein analyseorientierter Prozess ist [2,3], beruht das visuelle Data-Storytelling auf einem erzählerisch orientierten Prozess. Die Hauptunterschiede zwischen den beiden Verfahren sind in Abbildung 3 dargestellt.

Die beiden Prozesse weisen ähnliche Merkmale auf, unterscheiden sich aber in ihren Ansätzen in bestimmten Phasen. Die Unterschiede zwischen dem analyseorientierten Prozess und dem erzählorientierten Prozess sind in Tabelle 2 dargestellt. Im folgenden Unterabschnitt vergleichen wir die beiden Verfahren anhand eines Beispiels. Das Beispiel basiert auf den Daten, die für unseren Prototyp verwendet wurden.

Analyseorientierter Prozess

Die für unseren ersten Prototyp verwendeten Daten stammen aus dem Australia Energy Report 2018 (https://www.energy.gov.au/publications/australian-energy-update-2018, abgerufen am 22. September 2022). Es wurden zwei Variablen ausgewählt, die den Energieverbrauch von Westaustralien nach Branchen im Jahr 2016-2017 darstellen. Bei der ersten Variable handelte es sich um eine kategorische Variable (die Bezeichnung der Branchen (z. B. Landwirtschaft, Bergbau, verarbeitendes Gewerbe)), während die zweite Variable eine numerische Variable ist (die Verbrauchszahlen, gemessen in Petajoule (z. B. 22,8, 299,8, 232,8.)).

In einem analyseorientierten Prozess zur regelmäßigen Datenvisualisierung wird zunächst eine Frage gestellt: Was ist die Tatsache, die aus den Daten herausgefunden werden soll? Ausgehend von dieser Frage bestimmt der Autor dann die Variablen, die miteinander in Beziehung stehen, und wählt die geeignete Visualisierungsdarstellung (z. B. Balkendiagramm, Streudiagramm, Hexbin-Plot usw.), um diese Erkenntnis zu unterstützen.

Im Fall der Beispieldaten nehmen wir an, dass wir uns einen Überblick über den industriellen Energieverbrauch in Westaustralien im Jahr 2016-2017 verschaffen wollen. Ausgehend von dieser Absicht sind die entsprechenden Variablen die Namen der Branchen und die Verbrauchszahlen. Nachdem die beiden Zielvariablen identifiziert sind, wird eine Visualisierungsgrafik auf diese beiden Variablen angewendet. Als Visualisierungsgrafik wird ein Balkendiagramm gewählt, da es sich gut eignet, um die Verteilung und den Gesamtvergleich in Bezug auf die numerischen Variablen darzustellen. Die Verbrauchszahlen werden den Balken und die Namen der Branchen den Etiketten zugeordnet. Auf diese Weise erhalten wir einen guten Überblick über den tatsächlichen Energieverbrauch. Das Balkendiagramm ist in Abbildung 4a dargestellt.

Informatik 09 00073 g004 550Abbildung 4. Ein Balkendiagramm und der interaktive Prototyp. Beide beruhen auf denselben Daten. (a) Das Balkendiagramm; (b) der Prototyp für visuelles Data-Storytelling.

Narrationsorientierter Prozess

In einem narrativ orientierten Prozess für visuelles Data Storytelling lautet die erste Frage: Welche Botschaft aus den Daten soll dem Publikum vermittelt werden? Zu diesem Zeitpunkt sollte der Autor bereits ein gutes Verständnis für die Daten haben. Ausgehend von dieser Frage bestimmt der Autor dann die Schlüsselinformationen, die vermittelt werden müssen, und fügt sie zu einer Erzählumgebung zusammen.

Im Fall der Beispieldaten werden zunächst drei Informationen aus den Daten als die Botschaft bestimmt, die dem Publikum vermittelt werden muss: (1) Namen der Branchen, (2) Werte von Verbrauchszahlen und (3) Unterschiede in den Werten von Zahlen. Diese drei Informationen sind die grundlegenden Informationseinheiten, die mitgeteilt werden müssen. Dann werden die drei datenbezogenen Informationseinheiten (Datennachrichten) mit anderen geschichtenbezogenen Informationseinheiten (Geschichtenkomponenten und Ausdrucksanhänge) zu einer Geschichtenumgebung zusammengesetzt. In diesem Stadium werden die Informationseinheiten in die Figuren, Bühnenrequisiten und ihre Bewegungen kodiert. Dieser Prozess wurde entwickelt, um die Daten auf unterhaltsame und einprägsame Weise zu präsentieren. Abschließend wird dem Publikum die Erzählumgebung in Form einer spielähnlichen digitalen Installation präsentiert.

Datenverarbeitung von der Analyse bis zum Storytelling

Daten in ihrem Rohzustand sind für den Menschen nicht leicht zu verstehen. Durch die Datenanalyse werden Erkenntnisse über die zugrundeliegenden Muster und Charaktere aus den Rohdaten extrahiert. Die Informationen in diesem Stadium sind wertvoll für die berufliche Praxis, z. B. für die Erstellung von Vorhersagemodellen und die Unterstützung der Entscheidungsfindung, aber sie sind immer noch nicht in einem sehr freundlichen Format für ein allgemeines, nicht-professionelles Publikum. Daher müssen diese Informationen weiterverarbeitet werden, damit sie für ein Laienpublikum attraktiver und verständlicher werden.

Die Geschichte ist eine Möglichkeit, Daten zu präsentieren und Informationen in einem leicht verständlichen Format zu verpacken. Wenn man von der Datenanalyse zur Datenpräsentation übergeht, ist das Storytelling eine Methode, mit der die aus den Daten extrahierten Informationen in ein freundliches Format für ein nicht-professionelles Publikum gebracht werden können.

Wir haben eine dreiteilige Struktur für die Zusammenstellung der aus den Daten extrahierten Informationen in einem Geschichtenformat definiert: Datennachricht, Geschichtenkomponente und Ausdrucksanhang. Um Daten einem nicht-professionellen Publikum besser vermitteln zu können, müssen die Daten von ihrem ursprünglichen Zustand über die Datenanalyse und das Hinzufügen von Storytelling-Elementen verarbeitet werden, um schließlich in ein für das Publikum verständliches Format umgewandelt zu werden. In den folgenden Abschnitten wird das Verfahren zur Zusammenstellung von Datenbotschaften in Form von Geschichten erläutert und anhand der Entwicklung eines Prototyps für visuelles Data Storytelling demonstriert.

Data-Storytelling Framework

Qualität der Kommunikation

In einem Kommunikationssystem wird eine Kodierungsstrategie angewandt, um die Genauigkeit der Informationsübertragung sicherzustellen, die durch Rauschen und Interferenzen verzerrt werden kann. Ein einfacher und unkomplizierter Code ist am effizientesten für Umgebungen, in denen die Unsicherheit durch Rauschen und Interferenzen minimal ist. In einer komplexeren Umgebung, in der Unsicherheiten unvermeidlich sind, ist hingegen eine ausgefeiltere Kodierungsstrategie erforderlich.

Beim visuellen Erzählen von Daten über visuelle Medien in einem zwanglosen Kontext ist die erwünschte Unsicherheit ein notwendiger Teil der ästhetischen Erfahrung. Eine Kodierungsstrategie ähnlich dem Fehlerkorrekturcode ist eine gute Option, um Informationsverfälschungen durch Missverständnisse oder Fehlinterpretationen zu verhindern. Es gibt zwei Anforderungen an die Kodierungsstrategie. Erstens muss sie die Kernbotschaft über mehrere Kanäle transportieren, um den Verlust der Botschaft aufgrund von Missverständnissen oder Fehlinterpretationen zu verhindern. Zweitens muss sie eine sich selbst erklärende und sich selbst erhaltende Struktur haben, um eine Verfälschung der Botschaft aufgrund von Fehlinterpretationen zu verhindern; dadurch bleibt die Gültigkeit der Botschaft der Struktur erhalten. Daher ist die Anwendung einer Story-Struktur als Kodierungsstrategie für visuelles Data-Storytelling eine praktikable und geeignete Option.

Personen, die die räumliche Lernstrategie verwendeten, eine bessere Gedächtnisqualität aufwiesen als die Kontrollgruppe, der keine Gedächtnisstrategie zugewiesen wurde. Die Ergebnisse der funktionellen Magnetresonanztomographie (fMRT) zeigten außerdem, dass die Gehirnregionen der Versuchsteilnehmer während der Versuchsaufgabe in Bereichen, die auf das räumliche Gedächtnis reagieren, aktiver waren als die der Kontrollgruppe. Die Kontextumgebung (in der sich die zu präsentierenden Konzepte befinden) großen Einfluss auf die Verständlichkeit und Einprägsamkeit dieser Konzepte. Im Allgemeinen haben kontraintuitive Konzepte in intuitiv unterstützenden Kontexten eine bessere Erinnerungsrate [34,35]. Die Forschungen von Thorndyke und Yekovich zu Schema und Geschichtengedächtnis legen nahe, dass Geschichten mit einer stärkeren und klareren Interkonnektivität zwischen den Ereignissen tendenziell einprägsamer sind.

In Anbetracht der oben genannten Informationen umfasst unsere grundlegende Strategie zur Verbesserung der Kommunikation die folgenden Prinzipien:

Die Informationen werden in einer räumlichen Erzählumgebung kodiert.
Die Umgebung der Geschichte umfasst die vier grundlegenden Komponenten der Geschichte: Charakter, Hintergrund, Handlung und Wirkung.
Die Gestaltung der Story-Umgebung zielt darauf ab, Verbindungen zwischen den Story-Komponenten/visuellen Elementen herzustellen.
Die Gestaltung der visuellen Elemente, die wichtige Informationseinheiten darstellen, ist kreativ oder ungewöhnlich. Die Gestaltung der anderen Kontextelemente ist vertraut und logisch.

Visuelle Kanäle

Wenn sich der Anwendungskontext von der professionellen Präsentation zum unterhaltsamen Storytelling verschiebt, verschiebt sich auch der Kommunikationskontext von einer vorlesungsähnlichen Umgebung zu einer geschichtenähnlichen Umgebung. Dies ist vergleichbar mit den Unterschieden zwischen dem Anschauen einer Vorlesungsaufzeichnung und einem Spielfilm. Menschen haben in verschiedenen Kontexten unterschiedliche Erwartungen und Anliegen. Folglich variieren auch die Informationsstruktur und -hierarchie in verschiedenen Kontexten. In einer Vorlesungsumgebung sind die Informationen nach dem Thema und den Wissensschwerpunkten strukturiert. In einer Erzählumgebung sind die Informationen um die Figuren und ihre Handlungen herum aufgebaut. Der Visualisierungs-Framework von Borner bietet einen detailliertes Framework von grafischen Variablen und Symbolen für die Visualisierung in Datenanalysen. Auf der Grundlage früherer Visualisierungsstudien [8,11,13] haben wir einen neues Framework entworfen, um den Wechsel von einer statischen Vorlesungsumgebung zu einer dynamischen Story-Umgebung zu reflektieren. Abgeleitet von Chatmans Story-Struktur (Handlung, Ereignis, Charakter und Schauplatz) haben wir zunächst zwei Hauptaspekte einer Story-Umgebung eingeführt: Entität und Ereignis. Diese beiden Aspekte wurden dann weiter in vier Elemente unterteilt: Charakter, Hintergrund, Handlung und Wirkung.

Auf der Grundlage des Modells der narrativen Visualisierung von Satyanarayan und Heer (Szenen, Parameter, Annotationen, Auslöser) und der redaktionellen Ebenen der narrativen Visualisierung (Daten, visuelle Darstellung, Textannotationen und Interaktivität) haben wir ein erweitertes Spektrum an visuellen Kanälen ermittelt. Diese Kanäle (wie in Abbildung 5 dargestellt) decken die wesentlichen Komponenten und redaktionellen Bereiche von narrativen Visualisierungsinhalten ab. Durch die Zuordnung geplanter Informationseinheiten zu ausgewählten visuellen Kanälen kann der Benutzer nicht nur seinen visuellen Datenerzählungsinhalt anpassen, sondern auch einzigartige Kombinationen schaffen, die über das herkömmliche Modell der narrativen Visualisierung hinausgehen. Abbildung 5 zeigt die grundlegenden Kodierungskanäle innerhalb einer Story-Umgebung.

Im Allgemeinen tendieren viele Datenvisualisierungsansätze zu einem vereinfachten Ansatz [8,11], der die Anzahl der visuellen Elemente minimiert und die visuellen Dimensionen vereinfacht, um eine bessere visuelle Effizienz oder Informationsdichte zu erreichen. Das Hinzufügen zusätzlicher visueller Elemente ist jedoch nicht so unpraktisch, wie es scheint. Bateman et al. konzentrierten sich auf die visuelle Verschönerung von Datenvisualisierungen und zeigten, dass die Interpretationsgenauigkeit bei vereinfachten Visualisierungen und bei verschönerten Visualisierungen die gleiche ist. Dies gilt auch für Charaktere oder Storyelemente, die als Teil des Prozesses verwendet werden können. Das Langzeitgedächtnis (2~3 Wochen) von verschönerten Visualisierungen ist sogar besser als das von vereinfachten Visualisierungen. Wir argumentieren, dass die Qualität der Kommunikation, eine gut gestaltete Storytelling-Visualisierung, vollgepackt mit unterhaltsamen Elementen, genauso effizient sein kann wie vereinfachte Visualisierungsdesigns.

Zusammenstellung von Informationseinheiten zu einer Geschichte

Geschichten waren in der Geschichte der Menschheit schon immer ein effizientes Mittel, um Informationen zu vermitteln und Wissen zu teilen. Storytelling kann als ein Prozess der Konstruktion von Informationen betrachtet werden, um eine bessere Kommunikationsqualität zu erreichen. In unserem Framework für visuelles Data-Storytelling wird der Datensatz daher in mehrere Informationseinheiten aufgeteilt. Anschließend werden diese zusammen mit anderen Informationseinheiten, die keine Daten sind, zu einer Geschichte zusammengesetzt. Schließlich wird die organisierte Struktur in einem visuellen Raum visualisiert und dem Publikum über visuelle Medien vermittelt. Die Grundstruktur unseres visuellen Data-Storytellings ist in Abbildung 6 dargestellt, die auf dem Kommunikationsmodell von Shannon und Weaver und dem Visualisierungsmodell von Ware basiert.

Wie bereits erwähnt, ist die Informationseinheit ein grundlegender Bestandteil der Struktur des visuellen Data-Storytellings. Doch was genau ist eine Informationseinheit?

Eine sehr grundlegende Bedeutung/Information, die in einem visuellen Kommunikationskontext kommuniziert wird.
Eine einzelne Einheit/Element, das während des gesamten visuellen Datenerzählungsprozesses verarbeitet und kodiert wird.
Ein loses Äquivalent eines Informationsbits (auf das in der Telekommunikation üblicherweise Bezug genommen wird) im Kontext der menschlichen visuellen Kommunikation.

Das Kernstück unseres Frameworks für das Data Storytelling ist die Strukturierung von Informationseinheiten. Dazu haben wir den von Satyanarayan und Heer identifizierten dreiphasigen Designprozess (Erkundung, Entwurf und Produktion) und den identifizierten vierphasigen Storyboard-Prozess (Lesen und Interpretieren von Daten, Auswahl von Daten, Ausarbeitung der Erzählstruktur, Integration von Strategien zur Einbeziehung der Betrachter) in unseren narrativen Visualisierungsprozess integriert. Auf der Grundlage dieser Forschungsarbeit haben wir drei Phasen der Informationsverarbeitung für visuelles Data-Storytelling eingeführt: Strukturieren, Komponieren und Übersetzen. In der Strukturierungsphase bestimmt der Benutzer alle daten- und geschichtenbezogenen Informationseinheiten, die er liefern möchte. Dies geschieht durch die Analyse der Daten und unter Berücksichtigung der Zielgruppen. In der Kompositionsphase paart der Benutzer datenbezogene Informationseinheiten mit storybezogenen Informationseinheiten, um die Story zu komponieren. In der Übersetzungsphase ordnet der Benutzer die geplanten Informationseinheiten ausgewählten visuellen Kanälen zu, um visuelle Elemente zu erstellen, die dann den endgültigen visuellen Data-Storytelling-Inhalt bilden. Die grundlegende Vorgehensweise ist in Abbildung 7 dargestellt. Sie zeigt, wie die Informationen kommuniziert werden sollen, indem alles in eine Reihe von Informationseinheiten zerlegt wird. Nehmen wir ein Beispiel für eine Informationseinheit: den Namen des Dateneintrags. Der Name des Dateneintrags ist eine grundlegende Informationseinheit in einem Datensatz. Wir erhalten eine funktionale Informationseinheit, indem wir sie mit einer narrativen Informationseinheit kombinieren. Dies kann ein Zeichen sein, das die Merkmale des Dateneintrags trägt, oder ein Objekt, das den Dateneintrag repräsentiert. Wir beabsichtigen, die Verknüpfung von Story-Komponenten zu nutzen, um ein natürlicheres und sich selbst erhaltendes Kommunikationspaket zu erreichen, indem wir mehrere Informationseinheiten in einer Story-Struktur zusammensetzen. Wenn eine der Komponenten im Kommunikationsprozess verloren geht oder irgendwie nicht geliefert wird, können die zugehörigen Story-Komponenten den fehlenden Teil bis zu einem gewissen Grad widerspiegeln.

Ein weiterer Grund für die Anreicherung seriöser Daten mit unterhaltsamen Funktionen besteht darin, eine größere Anziehungskraft auf bestimmte Zielgruppen (d. h. ein allgemeines, nichtprofessionelles Publikum) auszuüben. Das Fachpublikum hat natürlich ein Interesse an den in den Daten enthaltenen Rohinformationen. Im Gegensatz dazu ist ein allgemeines, nichtprofessionelles Publikum nicht unbedingt motiviert, alle in den Daten enthaltenen Details zu verstehen. Daher sollen der anschauliche visuelle Stil und die interaktive Funktion das Publikum dazu anregen, sich mit den Daten zu beschäftigen und sich einen Überblick über die Botschaften zu verschaffen, an denen es besonders interessiert ist.

Da der vorgestellte Framework Teil einer größeren Reihe von Projekten ist, die wir derzeit untersuchen [6,7], stellen wir in diesem Stadium eines der Schlüsselelemente vor, um ein besseres Verständnis dieser Forschung zu ermöglichen. Wir haben Informationseinheiten als Kernkomponente eingeführt, um Erkenntnisse, Informationen und Bedeutung zu bündeln. Durch die Verwendung dieses Konstrukts konnten wir seine Gültigkeit durch die Entwicklung eines Software-Prototyps bewerten. Im folgenden Abschnitt geben wir ein grundlegendes Beispiel für die Verwendung dieses Framework, der eine allgemeine Erzählstruktur zur Unterstützung der Kommunikation der Daten verwendet.

Maßstäbe für das Framework

Informationsvisualisierung für Gelegenheitszwecke ist schwieriger zu evaluieren, da sie in der Regel unterschiedliche Arten von Erkenntnissen vermittelt und unterschiedliche Ziele verfolgt. Die modulare Struktur unseres Framework für visuelles Data-Storytelling bietet eine bequeme Möglichkeit, Informationen und visuelle Komponenten zu identifizieren. Dadurch ist es flexibler in Bezug auf die Anpassung an verschiedene Bewertungen und Messungen.

Es gibt viele Bewertungsansätze im Bereich der Visualisierung. In den Arbeiten von Satyanarayan und Heer zur narrativen Visualisierung wurde eine Methode zur Messung des Erstellungsprozesses durch Verhaltensbeobachtung und Interviews vorgestellt. Über das Visualisierungsgedächtnis wurde ein Messrahmen für das Wiedererkennungs- und Erinnerungsgedächtnis mit Visualisierungsbeispielen und Gedächtnistests vorgestellt. In der Forschungsarbeit von Wang et al. über Data-Comics wurde die Messung der Effektivität und des Engagements durch einen Selbstauskunftsfragebogen vorgestellt. Es gibt auch Methoden aus anderen Bereichen, die an die Bewertung und Messung von visuellem Data-Storytelling angepasst werden können, z. B. kognitive Belastung und emotionale Reaktion.

Framework Prototyp

Implementierung des Prototyps

Ein interaktiver Prototyp für Data-Storytelling wurde entwickelt, als wir Methoden des maschinellen Lernens zur Unterstützung unserer visuellen Data-Storytelling-Inhalte einsetzten. Der Schwerpunkt dieses Projekts liegt auf der Erstellung unterhaltsamer Visualisierungen mit computergestützten Tools. Es ist von Vorteil, einen Aspekt der Interaktivität einzubeziehen, da wir einen dynamischen Storytelling-Ansatz gewählt haben. Außerdem setzten wir Methoden des maschinellen Lernens ein, um Aktionen für Charaktere zu generieren.

Plattform und Werkzeuge

Der Prototyp wurde mit der Unity-Plattform entwickelt. Der Prototyp bietet eine einfache interaktive Funktion und präsentiert die Daten in einem dynamischen Stil und in einer storyähnlichen visuellen Umgebung. Im Prototyp kann das Publikum verschiedene Dateneinträge auswählen, indem es den Indikator mit seiner Tastatureingabe verschiebt. Nachdem ein Dateneintrag ausgewählt wurde, erscheint eine Figur, die diesen Eintrag repräsentiert, auf der Bühne und führt die entsprechende Handlung aus. Die datenbezogenen Informationseinheiten sind in der Darbietung der Figur und in den Bühnenrequisiten kodiert. Während das Publikum die Bühne und die Darbietung sieht, wird der Dateneintrag gleichzeitig in verschiedenen visuellen Kanälen dargestellt.

In diesem Projekt wurden C#-Skripte verwendet, um die interaktive Funktionalität zu implementieren. Der Dateneingabewert wurde in den C#-Skripten verschiedenen Attributen von Bühnenrequisiten und Figuren zugewiesen. Wenn das Publikum also einen Dateneintrag auswählt, wird die zugehörige Figur aktiviert und führt ihre Performance aus, während die zugehörigen Bühnenrequisiten entsprechend funktionieren, um den Dateneintragswert zu reflektieren. Die Dateneingabewerte sind direkt mit mehreren Requisitenattributen verknüpft, darunter das Geschwindigkeitsattribut des Kolbens, die Lichtintensität des Leuchtturms, die y-Position der Messsäule und das Skalenattribut des Balls.

Das Verhalten der Figuren wurde mit Hilfe des ML-Agents Toolkit (https://unity.com/products/machine-learning-agents, abgerufen am 22. September 2022) generiert. Eine der im Toolkit enthaltenen Beispielumgebungen – 3D Ball – wurde in diesem Projekt verwendet. Die notwendigen Sensoren und Trainingskonfigurationen waren bereits in den Beispielumgebungen eingestellt. Indem wir die bereitgestellten Umgebungen mit unserer Bühne und den Charakteren verbinden und anpassen und dann die trainierten Verhaltensmodelle den entsprechenden Charakteren zuweisen, wird die Aktions- oder Bewegungsanimation automatisch von den trainierten Verhaltensmodellen generiert. Anschließend wird durch Änderung der Trainingszeit eines Modells oder durch Änderung der Eigenschaft des Objekts (z. B. der Größe des Balls) in den Trainingsumgebungen das Verhalten der einzelnen Figuren an den Wert der Dateneingabe angepasst.

Die Prototypen können dank der Multiplattform-Exportfunktion von Unity auf verschiedenen Geräten und Plattformen (z. B. PC, iOS und Webbrowser) ausgeführt werden. Die in diesem Artikel gezeigten Screenshots stammen von der Webbrowser-Version des Prototyps.

Proof of Concept Prototyp

Für den ersten Prototyp ist die Zuordnung zwischen den datenbezogenen Informationseinheiten und den visuellen Story-Elementen in Abbildung 9 dargestellt. Die Namen der Einträge wurden in das Design der Zeichen und des Schildes kodiert. Der Wert jedes Eintrags wurde in das Verhalten der Figur und verschiedene visuelle Aspekte mehrerer Objekte (z. B. Höhe, Größe, Geschwindigkeit und Intensität) kodiert. Der Vergleich zwischen verschiedenen Werten wurde in diesem Prototyp nicht hervorgehoben. Er ist jedoch durch Beobachtung der Szene wahrnehmbar.

(a) Der Screenshot des Prototyps; (b) das Informationsmapping des Prototyps.

In einem Wer-Wo-Was-Format handelt die Geschichte von See-Einhörnern, die sich auf dem Meeresboden mit einem Ball vergnügen. Die Handlungslogik lautet daher: Je mehr Energie die Figur hat, desto größer ist der Ball, mit dem sie umgehen kann. In diesem Prototyp wird der maschinell lernende Agent darauf trainiert, einen Ball auf einer flachen Oberfläche im Gleichgewicht zu halten, ohne dass er auf den Boden fällt.

Es gibt mehrere Gründe für die Verwendung von durch maschinelles Lernen generierten Aktionen. Erstens ziehen nicht-schleifende Bewegungen die Aufmerksamkeit auf die Figur und den Ball. Dies sind die wichtigsten visuellen Elemente, die die datenbezogene Informationseinheit tragen. Zweitens betonen unterschiedliche Verhaltensweisen indirekt die Unterschiede im Datenwert. Es ist nicht unbedingt schwieriger, einen großen Ball zu balancieren. Eine Änderung der Ballgröße führt jedoch zu einem anderen Verhalten, da der Agent für maschinelles Lernen auf eine bestimmte Ballgröße trainiert wurde. Wir haben ein Gefühl für Unterschiede durch Verhalten und Bewegung vermittelt, die im Vergleich zu anderen, normalerweise in Visualisierungen verwendeten Kanälen (z. B. Größe, Farbe und Form) ungewöhnlich sind.

Wie bereits in früheren Abschnitten erwähnt, deuten Studien zur Einprägsamkeit darauf hin, dass kontraintuitive Konzepte in intuitiv unterstützenden Kontexten bessere Erinnerungsraten aufweisen [34,35]. Bei der Entwicklung des Prototyps haben wir uns daher für ein Thema entschieden, das den meisten Menschen vertraut ist – einen Vergnügungspark – als Anwendungskontext. Bei den Hauptfiguren haben wir uns dann für ein eher ungewöhnliches Wesen – ein Einhorn – entschieden, das jeden Namen der Dateneinträge repräsentiert. Mit diesem kontraintuitiven Zeichen wollten wir die Aufmerksamkeit auf die Schlüsselinformationen lenken und so deren Einprägsamkeit erhöhen.

Komponenten des Data-Storytelling

Was den eigentlichen Informationsverarbeitungsprozess betrifft, so besteht der narrativ orientierte Prozess des visuellen Data-Storytellings aus drei Hauptphasen, nämlich Strukturierung, Komposition und Übersetzung. Der detaillierte Arbeitsablauf des gesamten Prozesses ist in Abbildung 10 dargestellt. Im folgenden Abschnitt wird der detaillierte Arbeitsablauf jeder Phase anhand des Beispiels der Daten, die für unseren Prototyp verwendet wurden, erläutert.

Strukturierung

In der Phase der Strukturierung werden zunächst die Datennachrichten bestimmt. In diesem Fall handelt es sich um folgende Datenmeldungen:

Datennachricht 1: Namen der Branchen (um ein Bewusstsein dafür zu schaffen, welche energieverbrauchenden Branchen es gibt).
Datenmeldung 2: Werte der Verbrauchszahlen (wie viel Energie die einzelnen Branchen verbrauchen).
Datenmeldung 3: Unterschiede in den Werten der Zahlen (um zu erkennen, welche Branchen mehr und welche weniger Energie verbrauchen).
Der zweite Schritt besteht darin, die Priorität jeder Datenmeldung zu bestimmen. Diese Prioritäten werden später als Parameter für die Übersetzungsphase verwendet. In diesem Fall sind die zugewiesenen Prioritäten folgende:

Erste Priorität: Datennachricht 1.
Zweite Priorität: Datennachricht 2 und Datennachricht 3.
Dann ist es wichtig, die Story-Komponenten und Ausdrucksanhänge zu bestimmen. In diesem Fall sind dies:
Story-Komponente 1~8: Figuren (acht Einhörner).
Story Component 9~13: Umgebungsrequisiten (Leuchtturm, Zähler, Kolben, Ball und Schild).
Story-Komponente 14~15: Aktionen/Bewegungen (Ballspiel, Kolbenbewegung).
Expression Attachment 1~3: niedlich, lustig und lebendig.

Komponieren

In der Phase des Komponierens werden die Informationseinheiten zu Informationskompositionen zusammengesetzt. Die Grundformel hierfür lautet:
Informationskomposition = Storykomponente + Datenmitteilung + Ausdrucksanhang.
Die Kompositionen, die in dieser Phase gebildet werden, werden später in der Übersetzungsphase in visuelle Elemente übersetzt. In diesem Fall handelt es sich um folgende Informationskompositionen:

Informationskomposition 1~8: Story Component 1~8 + Data Message 1 + Expression Attachment 1.
Informationskomposition 9~13: Story Component 9~13 + Data Message 2 + Expression Attachment 2.
Information Composition 14~15: Story Component 14~15 + Data Message 3 + Expression Attachment 3.

Übersetzen

In der Phase der Übersetzung werden die Informationskompositionen zunächst in visuelle Elemente übersetzt. Die Informationseinheiten innerhalb jeder Informationskomposition werden in ausgewählte visuelle Kanäle jedes visuellen Elements kodiert. Tabelle 3 zeigt die Zuordnung zwischen Informationseinheiten und visuellen Elementen für das Design des Beispielprototyps.

Aus praktischen Gründen sollte das Mapping für die Story-Komponente und die Ausdrucksanbindung vor der Datenmeldung erfolgen. Da die Bewegungen und Interaktionen von Figuren und Eigenschaften abhängig sind, sollte die Zuordnung zu Figuren vor der Zuordnung zu Animationen erfolgen. Die Logik des Übersetzungsprozesses von einer Informationskomposition zu einem visuellen Element wird in dem in Abbildung 11 dargestellten Flussdiagramm gezeigt. Im Falle des aktuellen Prototyps kann der größte Teil der Zuordnung von Datennachrichten rechnerisch erfolgen, aber es ist immer noch eine große Menge an menschlichem Input erforderlich, um die visuellen Kanäle mit dem Design und dem Stil in Verbindung zu bringen.

Der zweite Schritt besteht darin, die Informationsprioritäten in eine visuelle Position zu übersetzen. In diesem Stadium werden die visuellen Elemente im 3D-Raum entsprechend der entworfenen Informationspriorität angeordnet. Interaktive Funktionen und Animationen werden ebenfalls verwendet, um die priorisierten Informationen hervorzuheben. Im Design des Beispielprototyps sieht die Übersetzung von Informationsprioritäten in die visuelle Position wie folgt aus:

Erste prioritätsbezogene visuelle Elemente: Positionierung an zentraler Hauptposition und erster Position rechts vorne. Zuweisung mit direkter Interaktion und Zeichenanimation.
Zweite prioritätsbezogene visuelle Elemente: Position in der kleinen Mitte und zweite Position rechts vorne. Zuweisung mit indirekter Interaktion und einfacher Animation.

Schlussfolgerungen

Informationseinheiten basierendes Data-Storytelling-Framework zu entwickeln, das Theorien und Methoden aus verschiedenen Disziplinen – Datenvisualisierung, Kommunikation, Storytelling und interaktive Medien – miteinander verbindet. In diesem Artikel stellen wir einen Ansatz zur Entwicklung einer visuellen Anwendung für das Storytelling von Daten auf interaktiven digitalen Plattformen für ein breites Publikum vor.

Ziel war es, unterhaltsame und geschichtenähnliche Dateninhalte zu schaffen. Daher konzentrierte sich unser Ansatz auf die Zusammenstellung eines Datensatzes und von Story-Elementen sowie auf die Zuordnungswege zwischen Informationseinheiten und visuellen Kanälen. Außerdem wurden Methoden der Spieleentwicklung und des maschinellen Lernens eingesetzt, um die Erstellung visueller Dateninhalte zu unterstützen. Dieser Framework sollte ein besseres Verständnis der verschiedenen Komponenten eines visuellen Data-Storytelling-Inhalts ermöglichen. Es eröffnete auch Möglichkeiten, die Funktion und Wirkung der einzelnen Komponenten gründlicher zu bewerten. Dabei handelt es sich um die Messung der Kommunikationseffizienz der im Körper eines Charakters oder im Bewegungsmuster eines Objekts kodierten Informationen.

FAQ

Im Folgenden erörtern wir kurz die Antworten auf die beiden oben gestellten Fragen.

Frage 1: Was ist die geeignete Kodierungsstrategie, um Daten zu einer unterhaltsamen Geschichte zusammenzustellen, die die Kommunikationsqualität von Schlüsselinformationen in einer Umgebung mit erhöhter Komplexität und Redundanz beibehält?

Wir haben mit Aspekten geeigneter Kodierungsstrategien dazu beigetragen, wie man Daten zu unterhaltsamen Geschichtenkompositionen zusammensetzt, indem man die Kommunikationsqualität beibehält und die Komplexität und Redundanz der Nachrichten erhöht:

Beschreibung der Story-Struktur-Strategie im Kontext des visuellen Data-Storytellings, die ein Gleichgewicht zwischen erwünschter Unsicherheit und Kommunikationsgenauigkeit herstellt.

Definition des Konzepts der Informationseinheiten als konzeptionelles Basiselement im visuellen Datenstorytelling-Kommunikationsprozess zur Unterstützung der Framework.
Einführung eines modularen Ansatzes zur Anpassung von Botschaften für visuelles Data-Storytelling auf einer grundlegenden Informationsebene.

RQ2: Wie kann man Data-Storytelling mit Technologien aus dem Bereich der digitalen Medien anwenden, um neuartigen Data-Storytelling-Inhalte zu entwickeln, die über die konventionellen text- und chartbasierten Stile hinausgehen?

Wir konzentrierten uns auf die Umsetzung des Frameworks für Data-Storytelling, um neuartige Data-Storytelling-Inhalte zu entwickeln, die über das herkömmliche Modell „narrativer Text plus Datendiagramm“ hinausgehen. Dies zeigt, wie ein Prozess zur Erstellung von visuellen Datengeschichten funktionieren und von Technologien aus dem weiteren Bereich der digitalen Medien profitieren kann:

Demonstration eines möglichen Weges zur Erstellung von visuellen Data-Storytelling-Inhalten, die Informationen innerhalb einer visuellen Story-Umgebung anstelle des konventionellen Modells „erzählender Text plus Datentabelle“ präsentieren.

Vorstellung eines Prototyps, der mit der Spiele-Engine Unity entwickelt wurde und den Ansatz verfolgt, einen Datensatz mit Story-Elementen zu komponieren, um ihn als visuelle Komposition in einem beiläufigen Kontext zu vermitteln.

Bei der Datenvisualisierung geht es häufig um die Integration von Informationssystemen durch Dashboards. Unser Ansatz erweitert diese Idee, indem er einen gut strukturierten Prozess zur Entwicklung von Data Storytelling auf der Grundlage bestehender digitaler Medienwerkzeuge auf der Basis von Legacy-Informationssystemen bietet.

Verglichen mit der Anwendung von Visualisierung zur Datenexploration und -analyse ist die Präsentation von Daten mit visuellem Data Storytelling ein eher subjektiver Prozess. Ein bestimmtes Datenergebnis kann in verschiedenen Kontexten unterschiedliche Bedeutungen haben; auch eine bestimmte Farbe kann in verschiedenen Ländern oder Kulturen unterschiedliche Bedeutungen haben. In dieser Studie wurde ein allgemeiner Framework geschaffen, der die Gestaltungsräume, Komponenten und Verfahren des visuellen Data-Storytellings umreißt. Er soll die Autoren von Inhalten dabei unterstützen, ihre Präsentationen an die Bedürfnisse verschiedener Genres oder Regionen anzupassen. Die modulare Struktur des Frameworks bietet auch eine potenzielle Grundlage für die weitere Entwicklung von computergestützten Tools oder Systemen.

Nichtsdestotrotz trägt unser Grundgerüst zur Erkenntnistheorie der Datenvisualisierung bei, indem es die grundlegenden Dimensionen definiert, die erforderlich sind, um visuelle Geschichten auf der Grundlage von Rohdaten zu erzählen. Wir haben den Framework konzeptualisiert und seine Validität durch die Entwicklung eines Software-Prototyps bewiesen.

Evaluierung

Nach einer Evaluierung des Frameworks und des ersten Prototyps entdeckten wir einige Einschränkungen, die in zukünftigen Arbeiten unter Verwendung anderer Arten von Datensätzen verbessert werden sollen. Die erste Einschränkung besteht darin, dass die Einrichtung der Story-Umgebung einen hohen grafischen Aufwand für Aspekte wie Charakterdesign und Bühnengestaltung erfordert. Während die Stärke dieses visuellen Data-Storytelling-Frameworks in seinem anpassbaren Inhalt durch die Bearbeitung von Informationseinheiten liegt, bietet es eine flexible Lösung, die an verschiedene Genres des Data-Storytellings angepasst werden kann, wie z. B. Datenvideo und Datencomic.

Der Prototyp demonstrierte nur einen sehr spezifischen, fokussierten und unkonventionellen Stil des Data-Storytellings, um den Prozess zu veranschaulichen. Für die zukünftige Entwicklung wird es von Vorteil sein, die Bedürfnisse der verschiedenen Genres des Erzählens zu berücksichtigen und einen detaillierteren Leitfaden für jedes Genre zu entwickeln. Wir planen, diese in zukünftigen Erweiterungen unseres Frameworks zu übernehmen.

Wie bereits erwähnt, ist diese Arbeit Teil einer größeren Reihe von Projekten. In dieser Phase haben wir uns auf die Konzeption und das Design des auf Informationseinheiten basierenden Framework konzentriert. So haben wir für den ersten Prototyp eine sehr einfache und allgemeine Story-Struktur verwendet, um die Kommunikation der Daten zu unterstützen. Um uns auf die Gestaltung der Geschichte zu konzentrieren, haben wir nur begrenzte interaktive Funktionen in Betracht gezogen und die Personalisierung oder Anpassung des Inhalts an die Präferenzen der Endbenutzer in diesem Stadium nicht berücksichtigt. Dies wird jedoch auch Teil zukünftiger Forschungsarbeiten sein und auf Modellen basieren, die aus verschiedenen Medienformen stammen (z. B.).

Dieses Framework veranschaulicht visuelles Data Storytelling aus drei Hauptperspektiven: Konzept, Komponente und Verfahren. Es skizziert die Struktur und die Komponenten des Inhalts des Data Storytellings. Auf der Grundlage dieses Framework können weitere Evaluierungs- und Messmethoden entwickelt werden, die auf die spezifischen Elemente der visuellen Data-Storytelling-Inhalte abzielen. Für zukünftige Studien planen wir, Methoden aus der User Experience, der Kognitionspsychologie und dem Kommunikationsdesign zu integrieren, um die Leistung verschiedener Informationskompositionen und Präsentationsstile zu untersuchen. In kontrollierten Experimenten werden wir die Erinnerungsqualität, die emotionale Reaktion und den kognitiven Charakter der Zuhörer bei verschiedenen Arten der Datenpräsentation untersuchen.

Erstellung anspruchsvollerer Kompositionen von Informationseinheiten und komplexerer Möglichkeiten der Informationsabbildung zwischen Rohdaten und der interaktiven Erzählumgebung. Der Plan ist, ein umfassenderes narratives Design zu entwickeln, das die Interkonnektivität zwischen den einzelnen Informationseinheiten erhöht. Damit wollen wir die Kommunikationsqualität weiter verbessern und ein besseres Unterhaltungserlebnis bieten.