Wie viele Dinge besitze ich, und wie viele davon nutze ich eigentlich? Beeinflusst was ich esse meine Stimmung? Dazu wurden individuelle Daten getrackt und im 3-dimensionalen Raum visualisiert. Spannende Zusammenhänge werden so lesbar.
Das Ziel unseres Projektes war es, einen Datensatz auszuwählen und ihn durch kreative und innovative Visualisierungsmethoden in Kombination mit unseren Programmierkenntnissen darzustellen. Wir wollten dabei sowohl ästhetische als auch informative Aspekte berücksichtigen und einen Mehrwert für die Betrachter:innen schaffen.
Datensatzauswahl
Unsere erste Idee war es, die Visualisierung von Handelsschiffsrouten zu realisieren, um die Abhängigkeiten durch die zunehmende Globalisierung zu veranschaulichen. Wir stießen jedoch auf das Problem, dass es kaum frei verfügbare Datensätze zu diesem Thema gab, die unseren Anforderungen entsprachen. Deshalb mussten wir diese Idee aufgeben. Unser zweiter Versuch war es, die Daten über eScooter in Chicago zu verwenden, um einen direkten Vergleich zu Autos und anderen Verkehrsmitteln zu ziehen. Wir wollten damit die Vorteile von eScootern für die Umwelt und die Mobilität hervorheben. Leider stellten wir fest, dass dieser Datensatz sehr unvollständig und fehlerhaft war, sodass eine sinnvolle Verwendung praktisch unmöglich war.
Deshalb entschieden wir uns, noch einmal von vorne anzufangen und uns über alternative Datensätze zu informieren. Dabei stießen wir auf die Tatsache, dass Chicago zu den kriminellsten Städten in den USA gehört. Das weckte unser Interesse und wir fragten uns, woher diese hohe Kriminalitätsrate kommt und welche Faktoren sie beeinflussen können. Wir suchten uns daher einen passenden Datensatz aus, der verschiedene Kriminalitätsstatistiken für Chicago enthielt, und begannen mit der Konzeption unserer Visualisierung. Nach einigen Varianten kamen wir zu dem Schluss, dass eine Visualisierung auf Basis einer Karte die anschaulichste Lösung darstellt, da sie die räumliche Verteilung der Kriminalität zeigt.
Gangaktivität
Nachdem wir bereits eine grundlegende Visualisierung erstellt hatten, bemerkten wir, dass die Korrelation zwischen Kriminalitätsrate und Faktoren wie Einwohnerdichte deutlich niedriger war als erwartet. Wir vermuteten, dass es noch andere#Projektbeschreibung Das Ziel unseres Projektes war es, einen Datensatz auszuwählen und ihn durch kreative und innovative Visualisierungsmethoden in Kombination mit unseren Programmierkenntnissen darzustellen. Wir wollten dabei sowohl ästhetische als auch informative Aspekte berücksichtigen und einen Mehrwert für die Betrachter:innen schaffen.
Datensatzauswahl
Unsere erste Idee war es, die Visualisierung von Handelsschiffsrouten zu realisieren, um die Abhängigkeiten durch die zunehmende Globalisierung zu veranschaulichen. Wir stießen jedoch auf das Problem, dass es kaum frei verfügbare Datensätze zu diesem Thema gab, die unseren Anforderungen entsprachen. Deshalb mussten wir diese Idee aufgeben. Unser zweiter Versuch war es, die Daten über eScooter in Chicago zu verwenden, um einen direkten Vergleich zu Autos und anderen Verkehrsmitteln zu ziehen. Wir wollten damit die Vorteile von eScootern für die Umwelt und die Mobilität hervorheben. Leider stellten wir fest, dass dieser Datensatz sehr unvollständig und fehlerhaft war, sodass eine sinnvolle Verwendung praktisch unmöglich war.
Deshalb entschieden wir uns, noch einmal von vorne anzufangen und uns über alternative Datensätze zu informieren. Dabei stießen wir auf die Tatsache, dass Chicago zu den kriminellsten Städten in den USA gehört. Das weckte unser Interesse und wir fragten uns, woher diese hohe Kriminalitätsrate kommt und welche Faktoren sie beeinflussen können. Wir suchten uns daher einen passenden Datensatz aus, der verschiedene Kriminalitätsstatistiken für Chicago enthielt, und begannen mit der Konzeption unserer Visualisierung. Nach einigen Varianten kamen wir zu dem Schluss, dass eine Visualisierung auf Basis einer Karte die anschaulichste Lösung darstellt, da sie die räumliche Verteilung der Kriminalität zeigt.
Gangaktivität
Nachdem wir bereits eine grundlegende Visualisierung erstellt hatten, bemerkten wir, dass die Korrelation zwischen Kriminalitätsrate und Faktoren wie Einwohnerdichte deutlich niedriger war als erwartet. Wir vermuteten, dass es noch andere
