[Zurück]

B. Alsallakh, E. Gröller, S. Miksch, M. Suntinger:
"Contingency Wheel: Visual Analysis of Large Contingency Tables";
Vortrag: International Workshop on Visual Analytics (EuroVA 2011), Bergen, Norway; 31.05.2011; in: "Proceedings of International Workshop on Visual Analytics (EuroVA 2011)", S. Miksch, G. Santucci (Hrg.); The Eurographics Association, (2011), ISBN: 978-3-905673-82-1; S. 53 - 56.

Die Arbeit präsentiert den Contingency Wheel (Assoziationsrad), eine Visualisierungstechnik die es erlaubt, bestehende Assoziationen in einem großen n x m Kontingenztafel herauszufinden und zu analysieren (mit m < 100 und n zwei bis drei Größenordnungen größer als m. Diese Visualisierungstechnik wird anhand von einem großen Tafel vom Book-Crossing Datensatz dargestellt, welchem zählt wie oft jedes Buch in jedem Land bewertet wird. Somit können Bücher die vermehrt von einem Land bewertet visuell erkannt werden. Des weitern hilft die Visualisierung, bestehende Gemeinsamkeiten zwischen diesen Bücher zu analysiert, und weiterhin zu finden, mit welchen anderen Ländern diese Bücher auch hoch assoziiert sind. Somit können ähnliche Länder herausgefunden, in dem Sinne dass mehrere Bücher mit beiden Ländern assoziiert sind. Im Vergleich zu bestehenden visuellen Methoden, kann der Assoziationsrad wesentlich größere Tabellen handeln.

We present the Contingency Wheel, a visual method for finding and analyzing associations in a large n x m contingency table with m < 100 and n being two to three orders of magnitude larger than m. The method is demonstrated on a large table from the Book-Crossing dataset, which counts the number of ratings each book received from each country. It enables finding books that received a disproportionately high number of ratings from a specific country. It further allows to visually analyze what these books have in common, and with which countries they are also highly associated. Pairs of similar countries can further be identified (in the sense that many books are associated with both countries). Compared with existing visual methods, our approach enables analyzing and gaining insight into larger tables.

categorical data analysis, visual representations and interaction techniques

http://publik.tuwien.ac.at/files/PubDat_198069.pdf

Projektleitung Silvia Miksch:
CVAST: Centre for Visual Analytics Science and Technology (Laura Bassi Centre of Expertise)