Detailansicht
Signs and sensitivity
visualization and data analysis practices in environmental pollution research
Laura Christine Lotteraner
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Doktoratsstudium der technischen Wissenschaften Informatik
Betreuer*innen
Torsten Möller ,
Thilo Hofmann
DOI
10.25365/thesis.81367
URN
urn:nbn:at:at-ubw:1-29785.03310.817894-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Während Forschung im Bereich der Umweltverschmutzung zunehmend auf datengetriebenen Analysen basiert, ist das Wissen darüber, wie analytische Praktiken und Datenvisualisierung zu robusten und interpretierbaren Ergebnissen beitragen, weiterhin begrenzt. Insbesondere fehlt ein systematischer Überblick über den Beitrag strukturierter Analyseprozesse, den Einfluss der wachsenden Methodenvielfalt sowie die Integration von Datenvisualisierung, was die Vergleichbarkeit von Studien, relevant insbesondere in Entscheidungs- und Regulierungsprozessen, beeinträchtigt. Diese Arbeit ist an der Schnittstelle von Datenvisualisierung, Data Science und Forschung zu Umweltverschmutzung angesiedelt. Sie verfolgt einen praxisorientierten Ansatz, um zu untersuchen, wie Visualisierungs- und Analysepraktiken über verschiedene Phasen des Datenanalyseprozesses hinweg in realen Umweltstudien eingesetzt werden. Die Arbeit kombiniert eine Design Study, eine angewandte Sensitivitätsanalyse von Datenaufbereitung und Modellierung, eine kontrollierte Mixed-Methods-Studie zur Wahrnehmung univariater Datenvisualisierungen sowie zwei angewandte Studien aus den Bereichen der Umweltchemie und der Forschung zu Verschmutzung von Innenräumen. Die Studien zeigen, dass die typischen Eigenschaften von Datensätzen zur Umweltverschmutzung Analyseergebnisse stark abhängig von Datenvorbereitung und Methodenauswahl machen. In allen Studien zeigt sich Datenvisualisierung als zentraler Bestandteil des gesamten Datenanalyseprozesses, wird jedoch überwiegend als Werkzeug eingesetzt und nur selten explizit reflektiert. Der Einsatz von Datenvisualisierung ist weitgehend durch fachliche Konventionen und praktische Rahmenbedingungen geprägt und weniger durch formale Evaluationskriterien; viele analytische Aufgaben werden mit Standarddiagrammen bearbeitet. Insgesamt unterstreichen diese Ergebnisse wie wichtig es ist, methodische Entscheidungen über den gesamten Analyseprozess hinweg explizit zu machen, und legen nahe, dass eine stärkere Integration von Data-Science-Expertise, ein verbesserter Transfer von Wissen sowie eine engere interdisziplinäre Zusammenarbeit zu robusterer und besser interpretierbarer Forschung im Bereich der Umweltverschmutzung beitragen können.
Abstract
(Englisch)
Environmental pollution research increasingly relies on data-driven analysis, yet there is limited understanding of how data visualization and analytical practices are currently applied across the field and how they support robust, interpretable results. In particular, there is limited insight into how structured analysis processes contribute to robustness and interpretability, how the growing diversity of available analytical approaches shapes these outcomes, and how data visualization is integrated into environmental pollution research. This lack of procedural transparency undermines the comparability of studies, which is particularly relevant in regulatory and decision-making contexts. This thesis is situated at the intersection of data visualization, data science, and environmental pollution research. It adopts a practice-oriented approach to examine how visualization and analytical practices are used in real-world environmental studies across different stages of the data analysis process. The thesis combines a design study, an applied sensitivity analysis of data preparation and modeling choices, a controlled mixed-method study on the perception of univariate data visualizations, and two applied domain studies in environmental chemistry and indoor pollution research. The studies in this thesis show that the typical characteristics of environmental pollution datasets make analytical results highly sensitive to data preparation and method selection. Across studies, domain experts rely heavily on data visualization throughout the entire data analysis process, yet treat it primarily as a tool and seldom reflect on it explicitly. Consequently, visualization practices are found to be largely shaped by field conventions and practical constraints rather than formal evaluation criteria, and many analytical tasks are addressed using conventional charts. Together, these findings highlight the importance of making methodological decisions explicit and context-aware throughout the analytical process and suggest that stronger integration of data science expertise, improved transfer of visualization knowledge, and closer interdisciplinary collaboration may support more robust and interpretable environmental pollution research.
Schlagwörter
Schlagwörter
(Deutsch)
Datenvisualisierung Umweltverschmutzung Datenanalyse
Schlagwörter
(Englisch)
data visualization environmental pollution data analysis
Autor*innen
Laura Christine Lotteraner 
Haupttitel (Englisch)
Signs and sensitivity
Hauptuntertitel (Englisch)
visualization and data analysis practices in environmental pollution research
Publikationsjahr
2026
Umfangsangabe
xvi, 170 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*innen
Eduard Gröller ,
Maria-Theresia Schafmeister
Klassifikation
54 Informatik > 54.80 Angewandte Informatik
AC Nummer
AC17912669
Utheses ID
80241
Studienkennzahl
UA | 786 | 880 | |