Erweiterte Visuelle Benutzerschnittstellen für Big-Data-Analysen

Abstract

Benutzerfreundliche Schnittstellen, die sich sowohl durch intuitive Bedienung als auch durch ein leichtes Erlernen charakterisieren, bieten den Anwendern von Big-Data-Analysis Software oftmals nur allgemeine Informationen sowie eine geringe Interaktionsmöglichkeit. Im Gegensatz dazu und insbesondere in Situationen, in denen Anwender mehr Kontrolle über unterschiedliche Aspekte der Software benötigen, bieten End-User-Empowered-Schnittstellen spezialisierte Interaktionsmöglichkeiten, die eine gröđere Benutzungsvielfalt erlauben. Speziell in Big-Data-Analysis-Anwendungen ist es jedoch wichtig, den Anwendern eine Kontext-sensitive Benutzungsschnittstelle zur Verfügung zu stellen, deren Verhalten sich anhand der unterschiedlichen Anwender sowie deren individueller Anwendungsszenarien anpasst. Um diese Forschungsdiskrepanz in Bezug auf Kontext-Sensitivität sowie Informationsvisualisierung bei Big-Data-Analysis-Anwendungsszenarien zu schlieđen, wurde mit IVIS4BigData ein theoretisches Referenzmodell entwickelt, welches als modernes und innovatives Rahmenwerk für verteilte Big-Data-Analysis-Anwendungsszenarien dient.