Visuelle Analyse von Social Media Bewegungsdaten mittels kontextbasierter Annotation

Abstract

Seit die sozialen Medien im Zeitalter des Web 2.0 ihren Durchbruch feierten, steigt die Anzahl der Benutzer enorm. Die Benutzergruppen reichen heutzutage vom zehnjährigen Kind über den ganz normalen Bürger bis hin zum Prominenten. Das Ziel ist dabei fast immer das gleiche: die restliche Welt über persönliche oder manchmal auch geschäftliche Empfindungen, Beobachtungen und Ereignisse aufzuklären. Mit der Verwendung standortbezogener Dienste sind immer mehr Menschen bereit, mit ihren Veröffentlichungen auch ihre Position zu teilen. Meist sind diese Daten über diensteigene Schnittstellen öffentlich zugänglich. Durch Sammeln und Analysieren der Daten kann beispielsweise dem Analyst die Möglichkeit eingeräumt werden, sich ein Bild der Bewegungsprofile, die in Verbindung mit einem Ereignis stehen, zu machen. In dieser Diplomarbeit wird untersucht, ob sich innerhalb dieser Daten Bewegungsmuster mittels interaktiver Visualisierungen erkennen und durch visuelle Annotation, basierend auf Kontextinformation, beurteilen und erklären lassen. Da die Anzahl der Nutzer stetig steigt und somit auch die Datenmenge, liegt ein besonderer Fokus auf der Entwicklung einer Datenstruktur zur Repräsentation und effizienten Aggregation der Bewegungsdaten für lokale sowie globale Anwendungen. Diese Datenstruktur, welche unter anderem auch aggregierte, verknüpfte textuelle Informationen aus den veröffentlichten Nachrichten enthält, wird mit Hilfe von interaktiven Visualisierungskonzepten dem Analysten zur Exploration zur Verfügung gestellt. Es wird gezeigt, dass es unter Verwendung der genannten Konzepte dem Analysten möglich ist, aus Bewegungsdaten Informationen zu extrahieren, die Beurteilungen und Erklärungen von Bewegungsmustern zulassen.