[Back]

P. Federico:
"Visual Analytics of Dynamic Networks";
Supervisor, Reviewer: S. Miksch, M. Pohl, T. Ertl; Institute of Software Technology and Interactive Systems, 2017; oral examination: 2017-05-31.

While there are many well-established techniques to analyze and visualize static social networks, visual analysis of dynamic (i.e., time-oriented) network data emerged in recent years as a relevant research topic, facing several open problems. The dynamic nature of this kind of data, indeed, poses the challenge of understanding both its relational aspect (the structure of social interactions) and its temporal aspect (how they change over time).
In this doctoral work, we investigate how a visual analytics approach, integrating automatic analysis, visualization, and user interaction techniques, can support the examination of such dynamic networks. In particular, by focusing on this research problem, we present the following contributions: 1. we propose a set of novel metrics (change centrality metrics) to specifically analyse how the network structure changes over time; 2. we combine different visual encodings for the time-oriented aspect of network data, enabling smooth transformations between different views; 3. we introduce novel techniques for user interaction, such as interactive control of dynamic layout stability and the vertigo zoom, allowing seamless transitions between relational and temporal perspectives on dynamic network data.
We illustrate our approach by describing a prototypical implementation and demonstrate its utility by introducing a real-world usage scenario. Furthermore, we provide a validation of our approach by reporting findings from expert reviews (involving experts from both the visualization community and the problem domain) as well as from two task-based user-studies, namely a qualitative evaluation and a quantitative controlled experiment.
These findings afford an indication of the overall validity of our approach and allow us to discuss how particular techniques and their combinations can support specific analytical tasks on dynamic network data.

In der jüngeren Vergangenheit hat sich die visuelle Analyse dynamischer Netzwerkdaten zu einem relevanten Forschungsgebiet entwickelt. Im Gegensatz zu statischen sozialen Netzwerken, die bereits viele etablierte Methoden zur Analyse und Visualisierung aufweisen, beinhaltet dieses Gebiet noch verschiedenste Herausforderungen und offene Fragestellungen.
Die inhärente Dynamik dieser Daten erfordert den Umgang mit relationalen (die Struktur sozialer Interaktionen) und temporalen Aspekten (wie verändern sie sich über die Zeit). In dieser Dissertation zeigen wir einen Visual Analytics Ansatz, der automatische Analysemethoden, Visualisierungen und BenutzerInnen-Interaktionen kombiniert, der die Betrachtung solcher dynamischer Netzwerke unterstützt. Konkret haben wir durch den Fokus auf diese Problemstellung folgende wissenschaftliche Beiträge geleistet: 1. Wir empfehlen eine Reihe von neuartigen Metriken (Change Centrality Metriken) um detailliert analysieren zu können wie sich die Netzwerkstruktur über die Zeit verändert; 2. Wir erzeugen unterschiedliche visuelle Darstellungen zu zeitorientierten Aspekten von Netzwerkdaten und stellen flüssige Übergänge zwischen diesen her; 3. Wir stellen neue BenutzerInnen-Interaktionen vor um reibungslose Übergänge zwischen relationalen und temporalen Perspektiven der dynamischen Netzwerkdaten zu erlauben, wie eine interaktive Steuerung der dynamischen Layoutstabilität und der Vertigo Zoom.
Wir illustrieren unsere Konzepte anhand einer prototypischen Implementierung und demonstrieren die Funktionsweisen und ihren Mehrwert/Nutzen in einem praktischen Anwendungsfall. Darüber hinaus wurde unser Ansatz in ExpertInnenbefragungen (mit ExpertInnen aus der Visualisierungsforschungsgemeinschaft sowie aus der Problemdomäne selbst) validiert und zwei aufgaben-basierte BenutzerInnenstudien durchgeführt, eine qualitative Evaluierung und ein quantiativ kontrolliertes Experiment.
Die Resultate dieser Experimente und Bewertungen geben einen Einblick in die umfassende Validität unseres Ansatzes und erlauben eine Reflexion der präsentierten Techniken und deren Zusammenspiel bestimmte analytische Aufgaben im Bereich der dynamischen Netzwerkdaten zu unterstützen (oder gar erst zu ermöglichen).

http://publik.tuwien.ac.at/files/publik_259932.pdf