Detailansicht
Designing and testing a multidimensional assessment of visual data literacy (MAVIL)
Antonia Saske
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Philologisch-Kulturwissenschaftliche Fakultät
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Digital Humanities
Betreuer*in
Torsten Möller
Mitbetreuer*in
Laura Koesten
DOI
10.25365/thesis.78626
URN
urn:nbn:at:at-ubw:1-27598.98954.826948-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Verständnis von Datenvisualisierungen, wie Balkendiagrammen, ist eine zentrale Fähigkeit in der gegenwärtigen, datengestützten Informationskultur. Diese Fähigkeit, die sich als „Visual Data Literacy“ (VDL) bezeichnen lässt, umfasst das Lesen, Interpretieren und kritische Bewerten von visualisierten Informationen. Traditionelle Methoden zur Erfassung von VDL beruhen meist auf leistungsorientierten Maßen, etwa dem Ablesen spezifischer Werte aus Diagrammen. Diese Ansätze messen zwar gezielt bestimmte Fähigkeiten, vernachlässigen jedoch andere Dimensionen, die in der Visualisierungsforschung als relevant gelten. Dazu zählen die Vertrautheit mit Diagrammtypen, die selbstwahrgenommene Verständlichkeit und die Interpretation gestalterischer Elemente – all diese Aspekte können entscheidend beeinflussen, wie Leser*innen mit Datenvisualisierungen interagieren oder sie verstehen. Um diese Lücke zu schließen, wird in dieser Arbeit MAVIL („Multidimensional Assessment of Visual Data Literacy“) vorgestellt. MAVIL erweitert leistungsbasierte Ansätze durch Selbsteinschätzungen entlang von sechs Fähigkeitsdimensionen: Verstehen (Comprehending), Dekodieren (Decoding), Ästhetik Wahrnehmen (Aestheticizing), Kritisieren (Criticizing), Lesen (Reading) und Kontextualisieren (Contextualizing). Diese Dimensionen basieren auf einer Dekonstruktion von VDL als Verstehensprozess, basierend auf Konzepten aus den Lernwissenschaften. MAVIL wurde in zwei Phasen mit insgesamt acht Teilnehmer*innen pilotiert. Anschließend wurde es in einer Umfrage mit 438 Personen getestet, die die Altersverteilung von 18 bis 74 Jahren sowie die Geschlechterverteilung (männlich/weiblich) der österreichischen Bevölkerung innerhalb dieser Altersgruppen repräsentieren. Ein reduziertes Fragenmodul von MAVIL wurde zudem in der sozialwissenschaftlichen Umfrage „Digitize!“ implementiert und von 2373 Personen beantwortet. Die erhobenen Daten spiegeln die VDL der befragten Bevölkerung wider – durch eine Kombination aus Selbsteinschätzungen, leistungsbasierter Daten und offenen Bewertungen von Visualisierungen – und bilden die Wahrnehmung zweier Klimadatenvisualisierungen ab, eines Linien- und eines Balkendiagramms. Die Ergebnisse zeigen unter anderem, dass etwa ein Viertel angibt, Schwierigkeiten beim Verstehen einfacher Datenangaben zu haben, sich jede fünfte Person mit den dargestellten Diagrammtypen nicht vertraut fühlt und die selbstwahrgenommene numerische Kompetenz signifikant mit der Lesegenauigkeit korreliert (p=0,0004).
Abstract
(Englisch)
Understanding data visualizations, such as bar charts, can be seen as a crucial ability in current data-driven information culture. This ability, referred to as Visual Data Literacy (VDL), involves reading, interpreting, and critically assessing visualized information. Traditional VDL assessments often rely on task-based performance measures, such as retrieving values from a graph. While useful for measuring specific skills, these methods neglect other ability dimensions well-established in visualization research. These include graph familiarity, self-perceived comprehension, and the interpretation of visualization design – all of which may shape how readers interact with or understand data visualizations. Therefore, MAVIL, a Multidimensional Assessment of Visual Data Literacy, is introduced and build on conventional performance-based measures, but incorporates self-perceived ability ratings across six ability dimensions: Comprehending, Decoding, Aestheticizing, Criticizing, Reading, and Contextualizing. These ability dimensions stem from deconstructing VDL as a process of understanding, referencing frameworks from the learning sciences. MAVIL was designed for general audiences and tested through two phases of survey pilots with eight participants. It was then deployed in a survey representative Austria’s age groups from 18 to 74 years and their male-female gender distribution and in a follow-up implementation in the "Digitize!" social science survey with 2373 respondents. This thesis documents the development of MAVIL and the evaluation of its test implementations. The collected data reflect the surveyed population's VDL – combining self-perceived ability ratings, task performance, and open-ended visualization critique – and shows the perception of two climate data visualizations, a line and bar chart. Results reveal that roughly one in four have deficits in comprehending simple data units, about one in five feel unfamiliar with the chart types shown, and self-perceived numeracy significantly relates to data reading performance (p=0.0004).
Schlagwörter
Schlagwörter
(Deutsch)
Datenvisualisierung Verstehensprozess Assessment Klimadaten
Schlagwörter
(Englisch)
Data Visualization Understanding Process Assessment Climate Data
Autor*innen
Antonia Saske 
Haupttitel (Englisch)
Designing and testing a multidimensional assessment of visual data literacy (MAVIL)
Publikationsjahr
2025
Umfangsangabe
vi, 72 Seiten
Sprache
Englisch
Beurteiler*in
Torsten Möller
Klassifikationen
10 Geisteswissenschaften allgemein > 10.03 Methoden und Techniken der geisteswissenschaftlichen Forschung ,
54 Informatik > 54.08 Informatik in Beziehung zu Mensch und Gesellschaft
AC Nummer
AC17563983
Utheses ID
76067
Studienkennzahl
UA | 066 | 647 | |