Startseite / Blog / Analyse von WebGIS-Karteninteraktionen mit Hilfe von Visual Analytics

Analyse von WebGIS-Karteninteraktionen mit Hilfe von Visual Analytics

René Unrau 11. Dezember 2018

Die Usability-Analyse von kartenbasierten Interaktionen in WebGIS stellt eine besondere Herausforderung dar. Mit Hilfe eines prototypischen Werkzeuges haben wir deshalb einen neuen und skalierbaren Ansatz auf den map.apps Days 2018 evaluiert. Durch die interaktive und visuelle Erkundung von Nutzerverhalten konnten wir zeigen, dass dieser Ansatz praktisch umsetzbar und einfach zu integrieren ist. Außerdem konnten wir neue Erkenntnisse über das Verhalten von Nutzern für ein typisches map.apps Szenario gewinnen.

Räumliche Daten haben sich zu einem wichtigen Bestandteil vieler Webdienste entwickelt. Suchmaschinen, Buchungs- und Open Data Portale sind auf räumliche Daten angewiesen und ermöglichen die Interaktionen mit diesen Visualisierungen durch den Nutzer. Die Anzahl dieser WebGIS Anwendungen wächst stetig, allerdings variieren Komplexität und Zweck stark – von einfachen Kartenvisualisierungen eines Suchergebnisses bis hin zu vollumfänglichen geographischen Informationssystemen. Ebenso ist auch die Spanne der Nutzergruppen sehr groß – von Anfängern mit wenig Wissen über Geodaten und Geovisualisierungen bis hin zu Experten. Sie alle erwarten aber eine gute Usability. Diese Variabilität von Anwendungsszenarien und Zielgruppen für WebGIS lässt eine große Bandbreite an unterschiedlichen und potentiell in Konflikt stehenden Anforderungen für das User Interface (UI) zu. Dementsprechend bringt das Design von WebGIS-Benutzeroberflächen einige Herausforderungen mit sich.

Eine dieser Herausforderungen ist die Kombination von kartenbasierten Visualisierungen mit traditionellen Benutzerelementen (zum Beispiel Buttons, Dropdowns oder Slider). Kartenbasierte Visualisierungen erfordern neben einem gewissen kartographischen Verständnis auch bestimmte Karteninteraktionen (z.B. Zoomen, Verschieben der Karte oder Auswahl von Ebenen). Traditionelle Benutzerelemente bieten Zugriff auf Funktionen, die ebenfalls in Verbindung mit der Karte stehen können. Dabei erfordern Karteninteraktionen einen speziellen Umgang und unterscheiden sich von herkömmlichen Interaktionen. Zum Beispiel haben der aktuelle Maßstab und der sichtbare Layer einen großen Einfluss auf den Erfolg bei der Verwendung eines WebGIS und bestimmen auch welche UI-Elemente, in welcher Reihenfolge und wie oft benutzt werden können. Daher ist es essentiell, Karteninteraktionen zu evaluieren, um diese Einflüsse verstehen zu können und die Usability eines WebGIS zu ermitteln.

Das Ziel des hier vorgestellten Ansatzes ist die explizite Berücksichtigung des Kartenzustandes, sowie die Interaktionen des Nutzers mit diesem, während der Ermittlung der Usability des WebGIS. Damit ermöglichen wir die Identifizierung möglicher Schwachstellen und können die Benutzeroberflächen zukünftiger WebGIS-Anwendungen gezielt verbessern. In einem Prototyp kombinieren wir daher die Erfassung, Aggregation und Visualisierung der notwendigen Daten und unterstützen Usability-Analysten bei der Berücksichtigung des Kartenzustandes und der Karteninteraktionen.

Erfassung der Karteninteraktionen

Für die Erfassung von Karteninteraktionen nutzen wir das Produkt service.monitor. Mit Hilfe der Analytics-Komponente werden Änderungen des aktuellen Kartenmittelpunktes und des Maßstabs automatisch registriert. Jede Kartennavigation des Nutzers verändert einen dieser beiden Parameter. Die Identifizierung und Abspeicherung von Karteninteraktionen unterscheidet sich von gewöhnlichen UI-Interaktionen in mindestens zwei Punkten: Erstens, eine Karteninteraktion kann das Ergebnis einer Vielzahl von Ereignissen sein. Zum Beispiel ist das Verschieben des Kartenbildes nicht nur ein Mausklick sein, sondern auch eine Mausbewegung, und der sichtbare Ausschnitt ändert sich mehrmals bevor der Nutzer die Interaktion beendet. Zweitens, die vorherigen und nachfolgenden Zustände sind wichtig für die Nachstellung des Kontexts bei der späteren Analyse. Zum Beispiel verändert das Zoomen der Karte den Maßstab. Für die Rekonstruktion dieser Interaktion muss jedoch auch der vorherige Maßstab berücksichtigt werden.

Mit Hilfe des service.monitor Analytics werden alle Nutzerinteraktionen vor der Abspeicherung mit einem Zeitstempel und einer Sitzungs-ID versehen. Diese Sitzungs-ID wird beim Starten der Anwendung durch den Nutzer automatisch und zufällig generiert. Dabei werden keine Daten über das Verhalten des Nutzers auf anderen Webseiten oder Metadaten über die genutzte Hardware oder gar die IP-Adresse erfasst. Die erfassten Daten ermöglichen somit die Rekonstruktion von Nutzersitzungen durch Interaktionsereignisse, verletzen dabei jedoch nicht die Anonymität des Nutzers.

Aggregation der Kartenbewegungen

Die Skalierbarkeit unseres Ansatzes wird durch die Aggregation der gesammelten Daten gewährleistet. Diese Aggregation der Karteninteraktionen wird ebenso für die Erkennung von wichtigen Bewegungen verwendet, wohingegen eine Visualisierung der reinen Rohdaten nur zu einem Datengewirr führen würde. Zusätzlich erlaubt eine Aggregation auch räumliche Analysen des Nutzungsverhaltens. Dafür werden Karteninteraktionen als Bewegungen (Tracks) auf der Karte wahrgenommen. Zuerst werden charakteristische Positionen in Nutzersitzungen identifiziert, indem die geographischen Orte ermittelt werden, an denen Nutzer länger verweilen. Die resultierenden Positionen sind Indikatoren für das Interesse der Nutzer am geographischen Inhalt oder für die Interaktionen mit gewöhnlichen UI-Elementen. Anschließend werden diese charakteristischen Punkte zu Clustern zusammengefasst, um einzelne Orte zu Interessensgebieten zu verschmelzen. Schließlich werden alle Bewegungen der Nutzer mit Hilfe dieser Gebiete gefiltert. Alle Position die nicht in einem dieser Gebiete liegen werden entfernt. Kurze und mittlere Haltepunkte werden somit ignoriert, wohingegen das generelle Bewegungsmuster beibehalten wird. Dieser Aggregationsprozess wird anschließend für die Generierung verschiedener Visualisierungen verwendet und vereinfacht die Identifizierung von Mustern im Datensatz.

Visualisierung der Daten

Der Begriff „Visual Analytics“ beschreibt den kombinierten Einsatz von Datenprozessierung und menschlichen Fachwissen mit dem Ziel neue Erkenntnisse aus großen und komplexen Datensätzen zu gewinnen. Fachexperten werden mit interaktiven Diagrammen ausgestattet, um Rohdaten visuell erkunden zu können und Muster durch Wahl geeigneter Filter zu identifizieren. In unserem Szenario haben wir Visual Analytics eingesetzt, um die automatisch erfassten und aggregierten Nutzeraktionen in ihren semantischen Kontext zu setzen und somit durch Experten mit zusätzlichem Wissen über die Anwendung und der Aufgabenstellung in Verbindung zu bringen. Die Ergebnisse unserer Aggregation werden in einer 3D-Kartenszene dargestellt. Analysten können somit die Daten durch Navigation in der Szene erkunden. Die einzelnen Schritte des Algorithmus können dabei separat an- und abgeschaltet werden, um den Prozess nachzuvollziehen.

Evaluation

Für die Evaluation haben wir den Einfluss von Off-Screen Indikatoren (oder Wedges) auf die Karteninteraktionen der Nutzer untersucht. Diese Indikatoren wurden entwickelt, um dem Anwender von mobilen Kartenanwendungen auf älteren PDAs ein zielloses suchen nach Punkten außerhalb des sichtbaren Kartenausschnittes zu ersparen. Durch das vervollständigen eines angedeuteten Dreiecks, ist es möglich durchgehend alle Positionen der Karteneinträge zu kennen. Außerdem wurde die Visualisierung um eine alphabetische Kodierung ergänzt. Diese Kodierung findet sich im Ergebniscenter wieder und ermöglicht eine einfache Zuordnung zum entsprechenden Eintrag. Eine ausführliche Beschreibung finden Sie in diesem vorangehenden Blogartikel. Dafür wurden 60 Teilnehmer in zwei Gruppen unterteilt. Eine Gruppe wurde mit Off-Screen Indikatoren und alphabetischen Kodierungen ausgestattet, für die zweite Gruppe wurden Geometrien nur innerhalb des sichtbaren Kartenausschnittes dargestellt. Diese Aufteilung wurde gewählt, um unterschiedliche Muster in der Verwendung der Karte zu untersuchen.

Die Umsetzung der Visualisierung im Prototyp basiert auf den Wedges (siehe Abbildung 1) und wurde um eine alphabetische Kodierung ergänzt. Diese Kodierung findet sich im Ergebniscenter wieder und ermöglicht eine einfache Zuordnung zum entsprechenden Eintrag.

Die Aufgabe der Teilnehmer bestand in der Identifizierung und Auswahl von Geometrien basierend auf speziellen Kriterien. Die Kriterien waren so gewählt, dass bei den vorhandenen Einträgen jeweils eine Information aus dem Ergebniscenter geprüft werden musste (die Anzahl der Sterne eines Hotels oder die Größe einer Fläche) und zusätzlich die Umgebung, bzw. die Form des entsprechenden Eintrags bewertet werden sollte. Die Teilnehmer waren also gezwungen, eine Zuordnung zwischen Ergebniscenter und Karte vorzunehmen und anschließend die relevanten Einträge im Ergebniscenter durch Checkboxen zu markieren.

Abbildung 1: Aggregierte und interaktive Darstellung der Bewegungsmuster von Studienteilnehmern (links) mit Off-Screen Indikatoren und (rechts) ohne Off-Screen Indikatoren

Mit Hilfe der vorgestellten Visualisierungen konnten anschließend Unterschiede im Nutzungsverhalten zwischen beiden Gruppen aufgedeckt werden (siehe Abbildung 1). Mit Off-Screen Indikatoren wurden Karteninteraktionen näher an der Kartenoberfläche (d.h. mit einem größeren Maßstab) ausgeführt. Zusätzlich wurde festgestellt, dass Nutzer mit Off-Screen Indikatoren horizontale Karteninteraktionen (Panning) stärker bevorzugen. Die Interaktionen waren vor allem um das Zentrum des initialen Kartenausschnitts angeordnet. Die aggregierten Interaktionen der Gruppe ohne Off-Screen Indikatoren zeigen dagegen ein anderes Verhalten: Eine große Anzahl an Nutzern scheint zu Beginn der Sitzung heraus zu zoomen, um anschließend wieder auf spezielle Features herein zu zoomen. Diese Unterschiede im Nutzungsverhalten wurden durch den Vergleich der 3D-Kartenszenen beider Nutzergruppen festgestellt. Für die Off-Screen-Indikator-Gruppe sind deutliche horizontale Bewegungen zu erkennen, wohingegen in der anderen Gruppe die Karteninteraktionen nur wenige solche Bewegung beinhalten. Obwohl unser Prototyp keine numerischen Werte und absoluten Zahlen liefert, sind die Unterschiede im Nutzungsverhalten zwischen den beiden Teilnehmergruppen offensichtlich und können visuell betrachtet werden. Eine vollständige algorithmische Analyse dieser Interaktionen (zum Beispiel durch Berechnung des Gradienten) wäre hingegen nicht in der Lage den semantischen Bezug dieser Interaktionen zu erkennen. Ein genauer Blick auf die aggregierten Bewegungen zeigt beispielsweise, dass Nutzer mit Off-Screen Indikatoren sich stärker zu den gefragten Geometrien bewegen. Obwohl diese Geometrien im initialen Kartenausschnitt nicht sichtbar waren, wurden die Nutzer durch die Off-Screen Indikatoren in die richtige Richtung geleitet.

Unsere Ergebnisse zeigen, dass die Anzahl der Karteninteraktionen mit Hilfe von Off-Screen Indikatoren für das gewählte Szenario reduziert werden kann. Durch die Minimierung dieser Interaktionen können Netzwerkanfragen reduziert und die Interaktivität der UI erhöht werden, um schließlich die Effizienz für das gewählte Szenario zu steigern. Der vorgestellte Prototyp kann helfen, Daten für solche UI-Entscheidungen zu generieren und auszuwerten.

Fazit

Visual Analytics kann als Werkzeug gut für die gezielte Optimierung der Usability von WebGIS-Anwendungen eingesetzt werden. Die automatische Erfassung und interaktive Visualisierung von Nutzerinteraktionen vereinfacht zudem den Prozess für die Erfassung und Analyse der benötigten Daten. Mit der Implementierung und Evaluation eines umfassenden Prototyps für die Datenerfassung, Aggregation und Visualisierung konnten Unterschiede in den Interaktionen und den Strategien der Studienteilnehmer festgestellt werden. Die Ergebnisse können helfen, das Design von Nutzeroberflächen durch die Wahl geeigneter Geovisualisierungen für die jeweilige Zielgruppe zu verbessern.

Um weitere objektive Erkenntnisse auf diesem Gebiet zu erlangen, unterstützt con terra u.a. die wissenschaftlichen Arbeiten an diesem Thema, die im Rahmen der Promotion von René Unrau durchgeführt werden. Sie haben Interesse an einer ähnlichen Auswertung des Nutzerverhaltens in Ihrer Anwendung? Dann sprechen Sie uns an: m.ostkamp@conterra.de.