3.1. Grundlagen der Datenvisualisierung#
Datenvisualisierung ist die grafische Repräsentation von Daten und Informationen. Dieses Kapitel gibt einen Überblick zu den Grundlagen von Datenvisualisierungen.
Story
Amir Weber möchte Daten zu Bäumen und zum Gießverhalten ansprechend visualisieren. Wie lässt sich das umsetzen? Zuerst braucht er Grundkenntnisse in Bezug auf das Visualisieren von Daten.
3.1.1. Grundlagen#
Da es bereits einige Lernressourcen zum Thema Datenvisualisierung gibt, verlinken wir an dieser Stelle einige Empfehlungen:
Wer noch wenig Erfahrung mit Datenvisualisierung hat, findet im Blog-Eintrag des Civic Data Labs einen zugänglichen Einstieg ins Thema – ganz ohne Programmierkenntnisse.
Das Einsteigervideo der RWTH Aachen erklärt in 14 Minuten kompakt, was Datenvisualisierung ist und welche Arten von Visualisierungen es gibt – ergänzt durch Reflexionsfragen zur Vertiefung.
Wer auf der Suche nach weiteren Lernressourcen zu Datenvisualisierung ist, findet beim Civic Data Lab eine umfassende Sammlung an externen Empfehlungen – strukturiert nach Anfänger:in, Fortgeschrittene und Expert:in, mit passenden Kursen, Cheat Sheets und Praxistipps zu Tools wie Datawrapper, Excel, ggplot2, Tableau und Power BI. Schaut dort gerne rein, um eure Vorerfahrungen mit dem Thema besser einschätzen zu können.
Das Civic Data Lab hat darüber hinaus einen eigenen Lernraum geschaffen, in dem es einen Kurs zu Datenvisualisierung und Storytelling gibt. Der Kurs vermittelt in drei aufeinander aufbauenden Modulen sowohl die Konzepte hinter Visualisierung und Storytelling als auch praktische Methoden und lehrt, warum und wie man Daten als Geschichte erzählt.
Im Rahmen von Quadriga wurde in einer anderen Fallstudie über Studentische Filme bereits ein Kapitel über Visualisierung kreiert, in das ein Blick auch aus Perspektive der Verwaltung(swissenschaft) lohnt.
Wer bereits Grundkenntnisse mitbringt, findet im Blog-Beitrag „Daten visualisieren (III): Datenvisualisierungs-Tools im Überblick” von Nina Hauser auf dem Skala Campus einen strukturierten Überblick über gängige Tools zur Datenvisualisierung.
3.1.2. Methoden und Werkzeuge#
Was braucht es für eine gelungene Datenvisualisierung?
3.1.3. Haltung#
Haltung wird oft als einer von drei Teilen genannt, wenn es um Kompetenzbildung geht (LitV: Schüller o.ä.). Das bedeutet eine kritische Perspektive einnehmen - nicht nur bei der Nutzung der Daten anderer, sondern auch bei der Erstellung, Analyse, Auswertung und Publikation eigener Forschungsergebnisse bzw. Daten. Dies gilt insbesondere für Visualisierungen, da sie in der Regel bereits eine vereinfachte Darstellung eines komplexen Sachverhaltes sind, einen Abstraktionsgrad aufweisen und den Blick der Nutzenden auch un- bzw. unterbewusst bereits in eine bestimmte Richtung lenken können (Einsatz von Farben etc.).
Im Gegensatz zu einer Tabelle sind Visualisierungen übersichtlicher, das (Forschungs-)Ergebnis ist auf Hauptthesen herunter gebrochen und ansprechend dargestellt. In dieser Abstraktion liegt die Gefahr von Missinterpretationen … Die Gefahr besteht sowohl im Entwerfen eigener Grafiken, als auch in der fälschlichen Wahrnehmung der Grafiken anderer.
zusätzliche Materialien
Das Civic Data Lab hat eine Checkliste veröffentlicht, die dabei helfen kann, Visualisierungen kritisch zu lesen. Im Fokus steht dabei, woher die Daten kommen und wie sie grafisch dargestellt werden. Diese Checkliste können Sie auch aus unserem Repositorium herunterladen
Merke
Visualisierungen sind immer eine vereinfachte Darstellung eines Sachverhalts.
Die Gestaltung der Visualisierung (Verwendung bestimmter Farben, Anordnung einzelner Aspekte etc.) hat bereits Einfluss darauf, wie sie von anderen wahrgenommen wird.
Die Manipulation einer Visualisierung erfolgt daher nicht zwangsweise bewusst.
Wer sich der Manipulationsmöglichkeiten bewusst ist und Visualisierungen kritisch analysiert, läuft weniger Gefahr, Visualisierungen zu missinterpretieren.