Verfasste Forenbeiträge
-
Beiträge
-
Lieber Antonia, eine wirklich sehr gelungene Darstellung! Ich denke, man sieht auf den ersten Blick, wie viel anschaulicher das im Vergleich zu anderen Formen der Darstellung ist. Besonders toll finde ich, dass der Farbcode einen Sinn ergibt (ist oft nicht der Fall).
Man sieht hier auch im Vergleich zur anderen Grafik aus dem Haus der kleinen Forscher, dass die Iconisierung tatsächlich nur sinnvoll ist, wenn man diese wiederum in einem Kontext anordnen kann.
Das Tolle an der Grafik ist, dass durch die Form der Darstellung auch klar ist, dass die Skalierung der Icons keine Rolle spielt.
Einziges Manko – durch den ganzen visuellen Trubel muss man etwas Mühe aufwenden, die Botschaft herauszulesen. Dafür hat man aber sehr viel Interesse, die Grafik anzuschauen, so dass das am Ende des Tages sicher ein positiver Effekt ist.
Liebe Grüße, Anita
Hallo Julia, die Grafik ist öffentlich verfügbar: https://www.linkedin.com/feed/update/urn:li:activity:6992828842012770304/. LG, Anita
Liebe Caroline,
vielen Dank! Das ist eine Darstellung, die von den CAQDAS-Softwares im Standard für die Zusammenhänge in den codierten Daten ausgegeben werden können, noch etwas nachbearbeitet. Wie die meisten Analysen, die man auf kodierten Daten fahren kann, beruht sie auf der Frequenz der gleichzeitig vergebenen Codes in einem Textsegment, also der Co-Occurrence. Wir schauen uns da auch unterschiedliche Möglichkeiten an.
Daran sieht man aber schon ganz gut gut – das ist für eine Diskussion ganz anschaulich, für eine Präsentation der Endergebnisse, gerade in der Öffentlichkeit, aber leider eher wenig geeignet. Und das ist leider bei den meisten Visualisierungsmöglichkeiten von CAQDAS der Fall, man muss die Daten eben eher exportieren in Excel und dann in pptx in ein Template einbauen. Oder man nutzt andere Formen der weiteren Bearbeitung. Das schauen wir uns noch an.
Eine interessante Diskussion für die Präsentation an Kollegen ist – zeigt man die echte Frequenz? Ich plädiere da für Transparenz, ich würde sie zeigen – Es macht natürlich einen Unterschied, ob die Dicke der Striche für 8 vs. 3 Co-Occurrences oder 100 vs. 30 steht. Es ist nun mal so, dass Kodiersysteme manchmal engmaschiger sind und manchmal eben nicht, das würde ich aber offenlegen.
Liebe Grüße,
Anita
Liebe Caroline,
vielen Dank für das Teilen der Abbildung. Das kenne ich aus anderen Anwendungsfeldern auch – manche Erhebungen produzieren lange Datenreihen, die man dann pro Gruppe und Variable analysieren könnte. Und es ist immer die Frage – ja, und was lernen wir jetzt daraus – und wie viele Daten sollen wir zeigen? Darauf gehen wir nochmal näher in Modul M4 ein, Storylining.
Meine Erkenntnisse über die Jahre (stelle ich zur Diskussion, ist einfach meine Erfahrung):
– Jeder möchte detaillierte Daten haben, keiner hat später Zeit, sie zu “digesten”. In der Arbeitsrealität sind sie eigentlich doch nur Dokumentation und Appendix
– Als Evaluator / Analyst produziert man also sehr viele Daten, aber keiner möchte Daten, jeder möchte Informationen & Erkenntnisse
– Weil den Anwendern wenig Zeit bleibt, die Daten vorher zu studieren, hat man in Meetings dann wenig sinnvolle Diskussionen, weil Menschen einfach kognitiv doch nicht in der Lage sind, diese ganzen Datenmengen “live” zu verarbeiten und zu diskutieren.
– Als Evaluator / Analyst hingegen möchte man am liebsten alle Daten vorlegen und keine Erkenntnisse, weil man ja nichts “hineininterpretieren” will – und oftmals auch in der Flut der Daten untergeht
So könnte man vorgehen:
– Man kann die einzelnen Ergebnisslides (wie oben) sinnvoller gestalten
… indem man mehr Meta-Information einfügt. Beispielsweise: Die Angabe, wie denn der Durchschnitt aller Bewertungen für die Jahre 2012 und 2014 aussieht. Wenn diese Daten Untergruppen (einzelne Studiengruppen oder Vorlesungen), dann kann man eine Varianzangabe machen. Wenn Du diese Angaben zusätzlich entweder in die Grafik oder in einen Kasten am Rand setzt, kannst Du dann nämlich Sätze hinschreiben, wie: “Im Schnitt ist die Bewertung der Einführungsveranstaltung Physik im Vergleich zur Vorerhebung nur bei Studenten der Biochemie gestiegen” (bzw. das, was dann passend ist)
…indem man Headlines ergänzt. Das kann man aber eben nur machen, wenn man auch die wesentlichen Erkenntnisse, die sich aus den Daten ableitet, vorher hinschreibt oder wenn man vorher Hypothesen hatte, die man jetzt mit den Daten bearbeiten kann
…indem man auf interessante Datenpunkte hinweist (z.B. mit roter Umrandung), beispielsweise warum die Wahrnehmung bei Studenten der Medizin und der Zahnmedizin so unterschiedlich ist.
– Man kann eine Übersicht zur Zusammenfassung gestalten, auf der die wesentlichen Erkenntnisse zusammengefasst sind
… dafür sollte man aber vorher auch Arbeitshypothesen haben, d.h. eine Idee, welche Erkenntnisse besonders wichtig sein werden. Eine reine Angabe, wie sich Durchschnittswerte bewegt haben, ist nicht entscheidungsrelevant.
… es empfiehlt sich eine verbale Zusammenfassung in einigen Sätzen und noch eine visuell gestaltete Variante. Denn manche Anwender tun sich leichter mit einigen Sätzen, andere eben mit einer schön gestalteten Übersicht
– Man sollte die wesentlichen Erkenntnisse der Erhebung mit aufwändiger gestalteten Slides belegen und der Rest (Abbildungen wie oben) ist dann Appendix
… nehmen wir an, es gab 7-8 wesentliche Erkenntnisse. Die sollten dann jeweils mit mind. 1 Slide belegt werden, auf der die wesentlichen Kontextinformationen stehen (quantitative und qualitative Daten, Durchschnittswerte, Belege welche Effekte signifikant sind etc. stehen)
– Wenn es Untergruppen gibt, kann man das so gestalten, dass man die Ergebnisslides (s. Appendix) nochmal auf Subgruppen zieht und ggf. nochmal eine Zusammenfassung für die wesentlichen Erkenntnisse zur Untergruppe macht
ZUR INTEGRATION QUALITATIVER DATEN:
– In welchem Maße man das o.g. Problem durch qualitative Daten lösen kann hängt davon ab, wie stark sie in das Design einbezogen wurden
– Meistens hat man ja nicht ein offenes Textfeld pro Skala, d.h. man kann nicht auf jedem Ergebnisslide (s. oben) qualitative Daten anreichern. Das wäre auch viel zu aufwändig bzw. die Daten wären dann auch nicht dicht genug.
– Insofern müsste man sich im Design fragen machen, an welcher Ebene die offenen Fragen ansetzen. Man stellt sie am besten eher breit, denn Nuancen kann man ja durch das Kodieren wieder auffangen
– Tendenziell ist es so, dass sich Entscheider gerade bei den langen Datenbänden von Ergebnisslides dann gerade an den qualitativen Daten aufhängen – weil die eben unmittelbar verständlicher sind, als die quantitativen Daten (die man ja im Kopf erst interpretieren müsste). Das ist Vor- und Nachteil zugleich. Man muss deswegen aber immer sehr genau belegen, auf welcher Stichprobe von Befragten jetzt die qualitative Datenerhebung beruht.
Liebe Michaela, das klingt ja sehr kreativ und spannend. Wenn Du Dich im Bereich der schematischen Darstellungen bewegst, kann ich als Praxistipp geben, wirklich Online Content zu abonnieren, der sich mit ähnlichen Themen beschäftigt. Irgendwann kommt dann eine Grafik vorbei, die man ähnlich verwenden oder für sich anpassen kann.
Auch immer gut: Sich eine Bibliothek an pptx Templates aufzubauen (z.B. slidemodel.com gibt Gratis-pptx raus) oder sich mit Canva Templates zu beschäftigen. Auch pptx hat selbst schon sehr viele Templates eingebaut.
Theories of Change ist etwas, was wir auf jeden Fall vertiefen können, da es ein sehr häufiger Anwendungsfall für Euch ist.
Liebe Grüße!
Liebe Julia, danke für dieses tolle Layout! Die Stärke der Visualisierung ist die gute Übersicht über die Plattform. Die Schwäche, genau wie Du sagst, 22 Icons können hier das Fortbildungsangebot leider nicht erklären. Man könnte diese Clustern, und die Namen der Oberbereiche erwähnen. Dann würden passende Icons dazu Sinn ergeben.
Liebe Caroline,
die Visualisierung ist sehr schön aufgebaut – die Erklärung oben hilfreich, und insgesamt ist sie sehr klar.
Wie Du selbst schon angemerkt hast, ist der Informationsgehalt eher gering, denn eigentlich habt ihr mit dem Codieren die Top-Themen identifziert. Die liegen relativ nahe beieinander, und die gewählte Form der Visualisierung macht Sinn, wenn die Unterschiede in den Prozentzahlen wirklich relevant sind. Auch Nachkommastellen würde ich an dieser Stelle rauslassen, wie Du schon selbst bemerkst, denn das ist bei qualitativen Daten meistens eher Scheingenauigkeit.
Falls sie das nicht sind, könnte man einfach eine Rangfolge darstellen, oder das ganze einfach über Icons schöner visualisieren, so dass die Themen greifbarer werden. Bei Coding ist auch immer aufschlussreich, was denn unter die Codes fällt. Man könnte also bei Deiner Darstellung bleiben, aber Beispiele, Zitate etc. bringen, damit es greifbarer wird. Dann könnte es auch eine explorative Darstellung werden.
Die Dokumente ohne Codes würde ich rauslassen, und auch die Linien kann man etwas entschlacken.
Wenn es um das Thema Stakeholder-Interviews geht, würde ich auf jeden Falle eine Darstellungsform wählen, die differenziert – beispielsweise eine Tabelle. Die Aussage der Grafik oben ist ja – naja, alle Top-Themen sind irgendwie ähnlich wichtig, Tierverhalten deutlich weniger. Wenn Du das differenziert nach Stakeholder-Gruppen aufschlüsselst (machst Du ggf. in einer anderen Grafik ohnehin schon), dann kann das eine interessante Diskussion werden!
Liebe Cathleen, danke für diesen Beitrag. Es wäre natürlich spannend zu wissen, was zum Diagramm zusätzlich erläutert wurde. Vielleicht können wir uns das später im Kurs noch einmal anschauen.
Das Diagramm hat macht schon einiges richtig – Es ist üblich, 5-er Skalen zu Clustern, so dass die 1-2 und die 4-5 Kategorien zusammenfallen. Was nicht üblich – und vermutlich auch nicht wirklich statthaft ist, ist Antworten in einem Diagramm zu vereinen, in denen N unterschiedlich ist – und nur die höchste Fallzahl angegeben wurde. Das ist eigentlich irreführend, daher würde ich eher drei getrennte Displays sehen.
Was das Verständnis am meisten verbessern würde, ist die beantwortete Frage nicht nur in einem Wort darzustellen, sondern (in klein) die komplette Frage. Ist zwar mehr Text, aber so muss man die Umfrage eigentlich schon kennen, um die Ergebnisse wirklich zu verstehen. Auch eine Überschrift macht Sinn die darstellt, warum diese drei Skalen gemeinsam dargestellt werden – wenn einem keine Überschrift einfällt, ist das ein Hinweis darauf, dass man diese Themen vielleicht auch nicht verknüpfen sollte. Was ist also die Aussage: “Die Hälfte der Befragten gibt an, Ihre (…) Qualifikation in einem sehr hohen Maße zu verwenden. Berufszufriedenheit und das Empfinden, einen angemessenen Job zu haben, sind hoch”. Man merkt schon, dass man sich fragt – höher? Was hat das miteinander zu tun?
Man kann weiterhin nur die 25%, 50% und 75% Werte auf der X-Achse angeben – das müsste zum Ablesen der Werte reichen.
Die farblichen Kontraste sind so gewählt, dass man zwischen den Werten gut unterscheiden kann, das passt schon mal.
Hallo Susanne,
in der Erläuterung zum Collocate Graph steht nicht wirklich, was dieser “Kontext”-Schieberegler tut: https://voyant-tools.org/docs/#!/guide/collocatesgraph
Aber in der Beschreibung der dazugehörigen Korpus-Tabelle Collocates steht Context als Anzahl der Wörter definiert, die zu dem Schlagwort in der Nähe abgespeichert werden.
Hier steht: There is also a slider that determines how much context to consider when looking for collocates. The value specifies the number of words to consider on each side of the keyword (so the total window of words is double). By default the context is set to 5 words per side, and the slider can have a minimum of 1 and a maximum of 30.
https://voyant-tools.org/docs/#!/guide/corpuscollocates
viele Grüße, Anita
Hallo Susanne,
wenn Du Maxqda hast könntest Du MaxDictio erwerben, da sind meines Wissens nach schon vordefinierte Stop-Listen drin (aber bitte nochmal prüfen). Du kannst es auch mit einem AI-Tool probieren, dass mit Hilfe eines Algorithmus die allgemeineren Worter herausfiltert. Wenn es nicht allzu vertrauliche Daten sind, dürfte das gehen.
https://voyant-tools.org/docs/#!/guide/cirrus
In Voyant Tools steht, dass hier die Word Cloud auch eine White List nutzt – also quasi nur die Wörter, die auf die Word Cloud sollen. Das könnte für Deine Zwecke hilfreich sein – probier es doch einmal aus. Ich habe noch nicht mit dieser Funktion gearbeitet.
viele Grüße,
Anita
Hallo Raffaela,
vielen Dank für das Teilen der Darstellung.
Du hast viele wichtige Punkte in Deinem Kommentar bereits angesprochen.
Die Umsetzung der Tabelle (Farbschema, Fett-Hervorhebung) ist eigentlich gut gelungen.
Unten anbei findest Du ein paar Anregungen zur Diskussion, ob man ggf. den Ausschnitt der Information ändern kann, den die Grafik zeigt.
Über Rückmeldung freue ich mich.
viele Grüße,
Anita
– Teilung in Prozessgrafik & Datengrundlage / Regionen: Mein Eindruck ist, dass man aus dieser Grafik eigentlich zwei Grafiken gestalten könnte.
1) Erläuterung der Datengrundlage pro Region – hier könnte man nämlich schön die Schweizer Karte nehmen und die Kantone einfärben
2) Genauere Erläuterung der Prozess-Schritte
Ich komme darauf, weil es bei der Hochrechnung ja am Ende darauf ankommt, auf welcher Datenbasis jeweils welche Kantone berechnet wurden. Aber die Reihenfolge bzw. Prozess-Schritte sind bei dieser Sicht ja egal. Deswegen könnte man sich diese Angabe in der schematischen Darstellung sparen und in eine andere Grafik auslagern.
Oder man gestaltet die Grafik so, dass man die Prozess-Schritte anhand der Schweizer Karte aufzeigt (erst Karte für A, dann für B, dann Karte in der alle Kantone gefüllt sind).
In jedem Fall ist aber die tatsächliche Berechnung nicht wirklich weiter erklärt, aber hier stecke ich fachlich nicht genug in der Tiefe, um Alternativen aufzeigen zu können
… bei näherem Überlegen könnte man ggf. daraus auch ein Quiz machen, d.h. könnte die Schüler raten lassen, welche Gruppe das höchste Unfallrisiko hat…. Dann hätte man wenigstens noch einen Spannungsfaktor eingebaut 🙂
Hallo Daniela, das ist vermutlich zielgruppengerecht. Wobei Du schon recht hast – es wird natürlich keine Verteilung o.Ä. gezeigt, um das zu legitimieren oder zu belegen! Liebe Grüße, Anita
Hallo Daniela,
eine weitere Darstellung aus Eurem Foliensatz für Schüler. Vielen Dank fürs Teilen.
Hier fallen schon mal einige Dinge positiv auf: Die Überschrift und der Kommentar zur Hauptaussage stimmen mit der Aussage der Grafik überein. Alle Legenden und Erläuterungen der Datenpunkte sind sinnvoll gewählt.
Anbei noch Beiträge zur Diskussion, über Rückmeldung freue ich mich.
viele Grüße,
Anita
– Überschrift: Es stimmt, dass die Überschrift besser “Die größte Gefahr geht im Straßenverkehr …” gelautet hätte, das ist einfacher zu verstehen.
– Daten: Es handelt sich hier um das Fortbewegungsmittel, mit dem der Verunfallte unterwegs war, richtig? Ich frage mich eben, welche 15-16jähre mit einem LKW unterwegs waren. Das könnte man nochmal präziser benennen. Jedenfalls könnte man die sehr kleinen Datenpunkte ggf. unter “Sonstiges” zusammenfassen, und zwar alle, die keinen wesentlichen Mehrwert für die Erkenntnis bringen. Dann ist die Grafik nochmal besser lesbar.
– Wahl des Diagramms: Den aus meiner Sicht wichtigsten Punkt benennst Du schon selbst – es fällt uns visuell schwer, Tortendiagramme zu vergleichen. Die größten Stücke haben unterschiedliche Farben, und die Torte selbst ist auch nicht präzise ausgerichtet. Falls es Euch auf den Vergleich der Anteile der genutzten Verkehrsmittel bei den Verunfallten ankommt, könntet ihr zwei gestapelte Säulendiagramme nutzen. Falls ihr Euch auf die Aussage des hohen Anteils der Moped-Fahrer konzentrieren wollt, könnt ihr das Tortendiagramm für die 15-16jährigen nehmen, und für die 74% nochmal in einem verbundenen Säulendiagramm aufzeigen, dass der größte Anteil mit einem Auto zusammenstößt. Ihr könntet Euch darauf beschränken, die Angabe, dass über alle Altersgruppen hinweg nur 8% aller Verunfallten mit dem Moped unterwegs waren, anbei stellen.
Hallo Daniela,
danke fürs Teilen. Eine erklärende Darstellung für eine bestimmte Zielgruppe – danke für diese zusätzliche Angabe. Darauf wird sich mein Feedback hauptsächlich beziehen.
Die Herausforderung liegt hier glaube ich nicht darin, die Grafik “schöner” zu gestalten, z.B. die Achsen zu benennen und die Beschriftung zu verbessern.
Das Kernproblem hier aus meiner Sicht: Die Aussage der Grafik findet sich nicht im Kasten daneben wieder (und umgekehrt). Die Altersgruppe spielt in der Grafik ja keine Rolle.
Sondern sie so zu gestalten, dass die Zielgruppe sie gut versteht und die Hauptbotschaften klar hervortreten. Für diese Zielgruppe würde ich es so gestalten, dass die Hauptaussage klar abzulesen ist und noch einmal erläutert neben der Grafik steht.
Meine Kommentare sind unten anbei zur Diskussion,
viele Grüße,
Anita
Beispiel: Ihr wollt, dass die Aussage neben der Grafik auch die ist, die in der Grafik steht – dann muss die Grafik andere Daten zeigen. Oder ihr wollt, dass man eine Aussage ableiten kann wie: Alkohol/Drogen liegt sowohl bei Unfällen als auch bei Verletzten auf Rang 5 der Unfallursachen (hoffe, ich lese das richtig)
– Liniendiagramm: Liniendiagramme sind für Zeitverläufe geeignet – und die Vergleiche von Zeitverläufen. Das Kernproblem ist, dass man hier zwei Linien “sinken sieht” – darum geht es aber gar nicht. Es sind ja auch Durchschnittswerte über drei Jahre. Es geht um die Frage, wie viele Unfälle und Verletzte jedes Jahr auf Alkohol & Drogen zurückzuführen sind. Das ist ein Fall für das klassische Säulendiagramm oder Balkendiagramm.
– Datenreihen zum Vergleich: Als Laie erscheint es mir wenig aufschlussreich, pro Unfallkategorie die Zahl der Unfälle und der Verletzten zu vergleichen. Mir ist nicht klar, wie das in Bezug steht – ist die Zahl der Unfälle quasi die Gesamtzahl und die Anzahl der Verletzten ist davon eine Teilmenge? Wenn bei einem Unfall zwei Personen verunfallen – stimmt das dann immer noch? Vielleicht macht es hier Sinn, auf die wichtigste Grundgesamtheit zu gehen – für die Zielgruppe könnten das Verletzte oder Tote sein, die Anzahl der Unfälle per se ist vermutlich eher abstrakt. Will damit sagen – was lerne ich denn jetzt daraus, wenn ich Unfälle und Verletzte pro Kategorie vergleiche? Ist es das, was ich mit dieser Grafik aussagen will? Falls nicht, anderen Vergleich wählen oder den Vergleich rauslassen.
– Hauptaussage der Grafik: Wenn ihr wollt, dass man sieht, dass Jugendliche den proportional höchsten Anteil haben, dann sollten hier Vergleichswerte für diese Altersgruppe zu einer anderen Grundgesamtheit stehen. Man kann das z.B. machen, in dem die Säulen den relativen Anteil in der Gesamtbevölkerung pro Unfallursache zeigen, und dann für die Altersgruppe 15 – 24 nochmal ein zusätzlicher Datenpunkt eingeführt wird. So müsste man sehen können, dass hier der Anteil überproportional hoch ist (s. dieses Beispiel: https://ppsoh.polizei.hessen.de/ueber-uns/regionales/verkehrsunfallstatistik/)
– Relative Aussagen: Es werden hier zwei Werte präsentiert, von denen nicht ganz klar ist, wie sie relativ zueinander stehen (s.o.). Es ist aber auch nicht klar, wie sie nun zu den anderen Werten stehen, denn die kann man nicht ablesen. Sie sind der Größe nach sortiert. Aber selbst wenn man das versteht ist ja nicht klar, was die Message ist. Bei einer Aufbereitung für Schüler würde man das vermutlich nicht als explorative Übung sehen. Sondern man müsste dann zeigen, dass es “viel” ist – z.B. im internationalen Vergleich, z.B. durch den Vergleich der Unfallverletzten in dieser Altersgruppe zu allen anderen Verletzungsursachen.