Die vorliegende Arbeit vergleicht grundsätzlich die Unterschiede und Gemeinsamkeiten eines Studien- und Praxissemesters. Es wird der Frage nachgegangen, wie die Anknüpfung von massiven Datenbeständen in Verbindung mit Datenvisualisierung sinnvoll zu nutzen ist. Zudem gilt es die persönliche Entwicklung in differenzierten Zeiträumen durch Erfassung komplexer Datenbestände zu identifizieren. Dabei ist zu klären, wie das Verhalten in unterschiedlichen Situationen zu bewerten ist. Aufgrund dessen werden im ersten Teil der Arbeit Grundlagen geschaffen. So wurde zunächst auf die Person-Situation-Interaktion, das Quantified Self, die Statistik und die Datenvisualisierung als Handwerk eingegangen. Dabei trafen zwei unterschiedliche Herangehensweisen aufeinander: Auf der einen Seite erforderte die Repräsentation von Daten eine intensive Auseinandersetzung mit der darunter liegenden Struktur. Auf der anderen Seite wurde eine konzeptionell inhaltliche Zusammenfassung von Visualisierungen erstellt. Hauptaugenmerk dieser Analyse wurde auf die verständliche Datenvisualisierung der Daten gelegt, da dessen Kombination den Prozess eines Reports darstellt. Diese Problemstellung wird auf der Grundlage von Fachliteratur und statistischen Auswertungen eigens aufgezeichneter Daten einer Person diskutiert. Die Ergebnisse der Datenvisualisierung haben Aufschluss darüber gegeben, dass zwischen Studium und Praktikum in einigen Aspekten deutliche Unterschiede zu erkennen sind. Zusammenhänge und Muster innerhalb dieser Daten haben dies bestätigt. Weiterhin wurde über diese Untersuchung verdeutlicht, dass beide Sichtweisen abweichende Merkmale besitzen, die jeweils andere Faktoren des alltäglichen Lebens maßgeblich beeinflussen. Aufgrund der methodischen Erkenntnisse sowie der Resultate und Schlussfolgerungen der vorliegenden Arbeit können weitere Untersuchungen geplant und durchgeführt werden, die gezielt einzelne Aspekte aufzeichnen, um diese detaillierter zu erforschen als es bisher der Fall war.
Inhaltsverzeichnis
1. Einleitung
1.1 Zielsetzung der Arbeit
1.2 Problemstellung
1.3 Gliederung und Vorgehensweise der Arbeit
2. Theoretische Grundlagen
2.1 Person-Situation-Interaktion
2.1.1 Verhaltensvorhersage
2.1.2 Kurt Lewins Feldtheorie
2.1.3 Dynamisch-interaktionistisches Paradigma
2.1.4 Motivation
2.1.5 Stimmung
2.2 Quantified Self
2.2.1 Begriffsdefinition
2.2.2 Entstehung
2.2.3 Methode
2.2.4 Verwendung von Online-Diensten
2.2.5 Ziele
2.2.6 Kritik
2.2.7 Weitere Entwicklung
2.2.8 Ausblick
2.3 Datengewinnung
2.3.1 Primärforschung
2.3.2 Quantitative Erhebungsmethode
2.3.3 Allgemeine Anforderungen zur Datenerhebung
2.3.4 Datenaufbereitungsprozess
2.4 Reflexion
2.4.1 Softwareanwendungen
2.4.1.1 Microsoft Excel
2.4.1.2 Daytum
2.4.1.3 Fitbit
2.4.1.4 Rescuetime
2.4.2 Probleme und Änderungen
2.4.3 Neue Aufzeichnungen
2.4.4 Fazit
2.5 Datenvisualisierung
2.5.1 Begriffsdefinition
2.5.2 Verarbeitung visueller Informationen
2.5.3 Darstellungstechniken
2.5.4 Aufgaben und Ziele von Visualisierungen
2.5.5 Diagrammtypen
2.5.5.1 Liniendiagramm
2.5.5.2 Balken- und Säulendiagramm
2.5.5.3 Kreisdiagramm
2.5.5.4 Punktdiagramm
2.6 Statistik
2.6.1 Häufigkeitsverteilung
2.6.2 Lageparameter
2.6.3 Streuungsmaße
2.6.4 Zusammenhangsmaße
2.6.5 Regressionsanalyse
2.6.6 Induktion
3. Praktische Arbeit
3.1 Konzeption
3.1.1 Datenreduzierung- und kategorisierung
3.1.2 Datenausarbeitung
3.1.3 Datenstrukturierung
3.1.4 Datenauswertung
3.1.5 Datenzusammenhang
3.1.6 Layoutkonzept
3.1.7 Farbkonzept
3.2 Erkenntnisse
3.2.1 Zusammenfassung der Designkonzeption
3.2.2 Alltag
3.2.3 Transport
3.2.4 Kommunikation
3.2.5 Freizeit
3.2.6 Studium und Praktikum
3.2.7 Hypothesen
4. Fazit
4.1 Zusammenfassung der Erkenntnisse
4.2 Persönliche Erfahrungen
4.3 Diskussion
4.4 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht persönliche Entwicklungen während des Studiums und eines Praxissemesters, indem sie diese durch die Erfassung komplexer Datenbestände empirisch vergleicht. Ziel ist es, Zusammenhänge zwischen den Lebensbereichen aufzuzeigen und die gewonnenen Erkenntnisse mittels geeigneter Datenvisualisierungen verständlich abzubilden, um eine effiziente Analyse und Kommunikation der Informationen zu gewährleisten.
- Quantified Self und Selbstvermessung
- Methoden der statistischen Datenerhebung
- Datenvisualisierung und Diagrammtypen
- Vergleich zwischen Studium und Praktikum
- Big Data und Informationsmanagement
Auszug aus dem Buch
1.2 Problemstellung
Die stetig wachsenden Datenbestände und der Wunsch sinnvolle Erkenntnisse für Forschung und Wissenschaft zu gewinnen, verlangt ein statistisches Vorgehen, um die Aufgabenstellung der Exploration und Kommunikation von Informationen auszuführen. Als Kernstück kann die Breite der Datenvisualisierungen helfen, um ein zugängliches, einprägsames und entscheidungsunterstützendes Verständnis der Informationen zu erlangen. So hat sich in den letzten Jahren die Visualisierung verstärkt als eine sehr effektive und effiziente Methode etabliert, um Informationen schneller verstehen zu können.
Visualisierungen befassen sich grundsätzlich mit nummerischem Ausdruck und den unterschiedlichsten Dimensionen von Daten. Statistiken, Tabellen und Diagramme sind Formen von Datenvisualisierung, die visuell ansprechend gestaltet sein müssen, um darüber hinaus sinnvolle Informationen zu transportieren. Zur Sicherstellung dieser Sachlage entsteht jedoch ein prinzipielles Problem. Zum einen ergibt sich die Schwierigkeit eine Vorgehensweise vor Aufzeichnungsbeginn zu konkretisieren. Schließlich sollte die Möglichkeit bestehen, unter Einfluss der Datenaufzeichnung unterschiedliche Perspektiven der darauffolgenden Auswertung zu untersuchen. Zum anderen besteht angrenzend die Aufgabe den Datenbestand entsprechend zu filtern, um den Gewinn neuer Erkenntnisse zu erzielen.
Diese Problemstellung wird anhand von zwei unterschiedlichen Blickrichtungen durchgeführt. Einerseits wird dieser Prozess durch die Repräsentation des Datenbestands einer umfassenden Durchsicht der darunterliegenden Struktur vorgenommen. Andererseits muss die Datenmenge durch inhaltliche Zusammenhänge erkannt und aufgezeigt werden, um die Interpretationsziele den Betrachtern anhand von Datenvisualisierungen zu übermitteln. Die Aufgabenstellung und deren Herausforderung werden anhand von statistischen Verfahren und dem Verständnis von Datenvisualisierung aufgezeigt, um diese inhaltlich in ein in sich schlüssiges Konzept zusammenzufassen.
Zusammenfassung der Kapitel
1. Einleitung: Beschreibt die zunehmende Bedeutung der Digitalisierung und die daraus resultierende Notwendigkeit, durch Quantified Self und Datenvisualisierung Erkenntnisse zu gewinnen.
2. Theoretische Grundlagen: Erläutert die Konzepte der Person-Situation-Interaktion, Quantified Self, Datengewinnung, Reflexion, Datenvisualisierung und Statistik.
3. Praktische Arbeit: Dokumentiert das konkrete Vorgehen der Datenaufbereitung, Kategorisierung und die Auswertung der Erkenntnisse in den Bereichen Alltag, Transport, Kommunikation und Freizeit.
4. Fazit: Fasst die gewonnenen Erkenntnisse zusammen, reflektiert die persönlichen Erfahrungen der Autorin und diskutiert die zukünftige Entwicklung des Marktes.
Schlüsselwörter
Quantified Self, Selbstvermessung, Datenvisualisierung, Studium, Praktikum, Vergleich, Statistik, Big Data, Person-Situation-Interaktion, Datenerhebung, Datenanalyse, Designkonzeption, Softwareanwendungen, Lebensbereiche, Diagrammtypen.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Bachelorarbeit vergleicht die Unterschiede und Gemeinsamkeiten zwischen einem Studium und einem Praxissemester mittels der Quantified Self-Methode.
Was sind die zentralen Themenfelder der Arbeit?
Die Schwerpunkte liegen auf der Selbstvermessung (Self-Tracking), den Methoden zur Datenerfassung, der statistischen Auswertung und der visuellen Aufbereitung dieser Daten.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist die Identifizierung persönlicher Entwicklungen durch die Erfassung komplexer Datenbestände, um diese wissenschaftlich zu vergleichen und visuell darzustellen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt einen empirischen, quantitativen Forschungsansatz, der durch eine fortführende statistische Aufbereitung und systematische Datenvisualisierung ergänzt wird.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen, die praktische Konzeption der Datenaufzeichnung sowie die detaillierte Auswertung der Erkenntnisse aus Studium und Praktikum.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Quantified Self, Datenvisualisierung, Studium, Praktikum, Statistik und Person-Situation-Interaktion sind maßgebliche Begriffe für den Inhalt.
Wie wurde die Datenerfassung im Studium und Praktikum umgesetzt?
Die Daten wurden mittels Softwareanwendungen wie Microsoft Excel, Daytum, Fitbit und Rescuetime über einen Zeitraum von zwölf Monaten systematisch aufgezeichnet und kategorisiert.
Welche Rolle spielt die Datenvisualisierung für das Fazit der Arbeit?
Die Visualisierung dient als Kerninstrument, um komplexe Zusammenhänge zwischen den erhobenen Daten und den verschiedenen Lebensbereichen für den Betrachter interpretierbar und entscheidungsunterstützend aufzubereiten.
- Quote paper
- Kathrin Podlesny (Author), 2013, Quantified Self. Studium und Praktikum als Datenvisualisierung, Munich, GRIN Verlag, https://www.grin.com/document/273025
