Detailansicht
Understanding Visual Complexity of Data Visualizations
Sara Hoxhaj
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Torsten Möller
Mitbetreuer*in
Laura Koesten
DOI
10.25365/thesis.81462
URN
urn:nbn:at:at-ubw:1-14076.65499.676052-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Datenvisualisierungen spielen eine wichtige Rolle dabei, wie Menschen Informationen im Alltag verstehen. Einer der Faktoren, die beeinflussen, wie eine Visualisierung wahrgenommen und verstanden wird, ist ihre visuelle Komplexität. Visuelle Komplexität wurde bereits in vielen Fachgebieten untersucht, doch es gibt keine allgemein anerkannte Definition dafür, wie sie speziell im Kontext von Datenvisualisierungen wahrgenommen wird. Aus diesem Grund bleibt die Messung der wahrgenommenen visuellen Komplexität in der Forschungsgemeinschaft eine offene Herausforderung. Diese Arbeit verfolgt einen explorativen Ansatz, um diese Lücke zu schließen. Anstatt das Konzept vorab zu definieren, besteht das Ziel darin, eine Reihe von Items zu identifizieren, mit denen sich die wahrgenommene visuelle Komplexität aus der Perspektive des Betrachters erfassen lässt, wobei sowohl auf bestehende Forschungsergebnisse als auch auf direkte Beiträge von Fachexperten zurückgegriffen wird. Zu diesem Zweck umfasste die Arbeit drei Hauptschritte: Begriffsidentifizierung, Itemgenerierung und Itemvalidierung. Im Schritt der Begriffsidentifizierung wurde ein Pool von 951 eindeutigen Begriffen durch eine Literaturrecherche in IEEE VIS-Publikationen und eine Expertenbefragung unter 50 Visualisierungsforschern zusammengestellt. Diese Begriffe wurden anschließend geclustert und zu 49 Kandidatenitems verfeinert. Im Validierungsschritt wurde eine zweite Umfrage an 45 Fachexperten verteilt, die jedes Item danach bewerteten, wie relevant sie es für die Beurteilung der wahrgenommenen visuellen Komplexität erachteten. Zur Analyse der Ergebnisse wurden Cumulative Link Mixed Models (CLMMs) verwendet, was zu einem endgültigen Satz von 16 Items führte. Die am höchsten bewerteten Items konzentrierten sich auf Interpretierbarkeit, Verständlichkeit und Erfassbarkeit, was darauf hindeutet, dass der kognitive Aufwand eine wichtige Rolle dabei spielt, wie visuelle Komplexität wahrgenommen wird. Die übrigen Items decken Aspekte wie Organisation, Mustererkennung, emotionale Reaktion und Designqualität ab und bestätigen, dass die wahrgenommene visuelle Komplexität kein eindimensionales Konzept ist, sondern durch eine Kombination aus kognitiven, emotionalen und visuellen Faktoren geprägt wird. Die 16 in dieser Arbeit identifizierten Items bilden eine Grundlage, auf der zukünftige Forscher aufbauen können, wobei die unmittelbar nächsten Schritte kognitive Interviews mit Laien und eine größere Validierungsstudie mit einer allgemeinen Zielgruppe sind.
Abstract
(Englisch)
Data visualizations play an important role in how people understand information in everyday life. One of the factors that influences how a visualization is perceived and understood is its visual complexity. Visual complexity has been studied across many fields, but no universally accepted definition exists for how it is perceived specifically in the context of data visualizations. Because of this, measuring perceived visual complexity remains an open challenge in the research community. This thesis takes an exploratory approach to address this gap. Rather than predefining the concept, the goal is to identify a set of items that can be used to capture perceived visual complexity from the viewer's perspective, by drawing on both existing research and direct input from domain experts. To do this, the work followed three main steps: term identification, item generation, and item validation. In the term identification step, a pool of 951 unique terms was collected through a literature review of IEEE VIS publications and an expert survey involving 50 visualization researchers. These terms were then clustered and refined into 49 candidate items. In the validation step, a second survey was shared with 45 domain experts, who rated each item based on how relevant they considered it for assessing perceived visual complexity. Cumulative Link Mixed Models (CLMMs) were used to analyze the results, leading to a final set of 16 items. The top-rated items focused on interpretability, understandability, and comprehension, suggesting that cognitive effort plays an important role in how visual complexity is experienced. The remaining items cover aspects such as organization, pattern detection, emotional response, and design quality, confirming that perceived visual complexity is not a one-dimensional concept but is shaped by a combination of cognitive, emotional, and visual factors. The 16 items identified in this thesis provide a foundation that future researchers can build on, with the most immediate next steps being cognitive interviews with lay users and a larger validation study involving general audiences.
Schlagwörter
Schlagwörter
(Deutsch)
Datenvisualisierung visuelle Komplexität wahrgenommene visuelle Komplexität Skalenentwicklung
Schlagwörter
(Englisch)
data visualization visual complexity perceived visual complexity scale development
Autor*innen
Sara Hoxhaj
Haupttitel (Englisch)
Understanding Visual Complexity of Data Visualizations
Paralleltitel (Deutsch)
Die visuelle Komplexität von Datenvisualisierungen verstehen
Publikationsjahr
2026
Umfangsangabe
xi, 101 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Torsten Möller
Klassifikationen
54 Informatik > 54.00 Informatik. Allgemeines ,
54 Informatik > 54.08 Informatik in Beziehung zu Mensch und Gesellschaft
AC Nummer
AC17918069
Utheses ID
81482
Studienkennzahl
UA | 066 | 921 | |