Visualisierungsempfehlung bei der Visuelle Analyse der Abfolge von Sportereignissen

Abstract

Viele Bereiche haben begonnen, enorme Mengen komplexer Daten zu sammeln und zu verarbeiten, um ihre sehr unterschiedlichen Prozesse zu verbessern. In vielen Fällen werden Ereignisdaten gesammelt und in Form von Sequenzen zusammengefügt. In den meisten komplexen Fällen können multivariate Ereignisse bis zu Hunderte von Attributen haben, und Sequenzen können Tausende von Ereignissen enthalten, was die Visualisierung solcher Daten zu einer echten Herausforderung macht. Frühere Forschungsbeiträge haben gezeigt, dass solche Visualisierungen möglich sind, aber es bleibt selbst für Expert:innen mühsam, diese Datensätze zu durchforsten, vor allem wenn man nicht weiß, worauf man achten muss. Basierend auf einer neuen Klassifizierung und Anpassung bestehender Visualisierungsansätze und Anleitungsstrategien, schlagen wir in dieser Arbeit eine Lösung vor, wie die Analyse multivariater Ereignisabläufe durch Anleitung und Visualisierungsempfehlungen verbessert werden kann. Dies geschieht insbesondere durch die Vorstellung von \textit{VizREvent}, einer neu entwickelten Anwendung, die sich auf den Bereich der Analyse von Sportereignissen konzentriert. Schließlich zeigen wir durch eine Evaluierung mit Expert:innen und Nutzer:innn der Visual Analytics, dass unser Ansatz die Argumentations- und Fragebeantwortungsfähigkeiten der Expert:innen und Nutzer:innen unterstützt und auch Möglichkeiten für weitere Forschung eröffnet.

Many domains have begun collecting and processing enormous amounts of complex data in order to improve their very different processes. In many cases, event data is collected and put together as sequences. For most complex cases, multivariate events may have up to hundreds of attributes, and sequences can contain thousands of events, making the visualization of such data a real challenge. Previous research contributions have shown that such visualizations are possible, but it still remains tedious, even for experts, to go through those datasets, especially when not knowing what to look for. Based on a new classification and adaptation of existing visualization approaches and guidance strategies, we propose in this thesis a solution for how to improve the analysis of multivariate event sequences with guidance and visualization recommendations. In particular, this will be done by presenting VizREvent, a newly created application focusing on the domain of sports event analysis. Lastly, through an evaluation with both Visual Analysis experts and users, we show that our approach assists experts' and users' reasoning and question-answering capabilities and also opens up opportunities for further research.