Prof. Dr. Kawa Nazemi ist zusammen mit Vincenzo Deufemia und Giuseppe Polese Gastherausgeber der Sonderausgabe „Visualization in Big Data and Data Science“ des Big Data Research Journal.
Visualization in Big Data and Data Science
Einleitung
Wie der Ausbruch von Covid19 gezeigt hat, werden Big Data und Datenwissenschaft in verschiedenen Anwendungsbereichen zu wichtigen Disziplinen, vor allem aufgrund der großen Verfügbarkeit großer Datensammlungen, aus denen sich wertvolle Wissensstrukturen gewinnen lassen. Die industrielle Revolution des Internets der Dinge (Internet of Things, IoT) hat diesen Trend noch verstärkt und zu einem erhöhten Interesse an Datenanalysetechniken geführt, die mit Datenströmen und Zeitreihen arbeiten können. Dies hat zur Entwicklung leistungsfähiger Vorhersagemodelle, einschließlich tiefer neuronaler Netze, geführt, auch dank der Verfügbarkeit leistungsfähiger Hardware und verteilter Datenverarbeitungsparadigmen. Dennoch ist einer der Aspekte, der die Ansteckung mit Big Data und Data Science in vielen Sektoren behindert, auf die Schwierigkeit zurückzuführen, den Beteiligten die den komplexen Datenanalyseprozessen zugrunde liegenden Beweggründe zu erklären. Es ist zwar bekannt, dass die Phasen der Datenvorverarbeitung und -analyse etwa 70 % bzw. 20 % des gesamten Datenanalyseprozesses ausmachen, doch die verbleibenden 10 % des Aufwands sollten der Visualisierung und Erläuterung der Ergebnisse, auch als Datenjournalismus bekannt, gewidmet werden. Obwohl es sich hierbei um einen kleinen Prozentsatz handelt, der von vielen Datenwissenschaftlern übersehen wird, ist dies einer der wichtigsten Punkte, um die Aufmerksamkeit der Interessengruppen auf sich zu ziehen und sie zu motivieren, in die Einführung von Big Data und Data Science-Technologien zu vertrauen und zu investieren. Dies gilt auch für den Bereich der künstlichen Intelligenz, wo erklärbare KI ebenfalls immer wichtiger wird. Eine Möglichkeit, dieses Problem anzugehen, besteht darin, sich auf effiziente Visualisierungsmetaphern und intelligente visuelle Interaktionsparadigmen zu stützen.
In dieser Hinsicht erwarten wir interdisziplinäre Beiträge aus verschiedenen Forschungsgemeinschaften wie Data Mining, Big Data, maschinelles Lernen und Mensch-Computer-Interaktion, um neue skalierbare Verfahren für die Visualisierung der Ergebnisse komplexer Datenanalyseprozesse, einschließlich effizienter Interaktionstechniken zu deren Erkundung, bereitzustellen. Sie sollen insbesondere die aktive Einbeziehung der Beteiligten in den Datenanalyseprozess fördern, indem sie deren Verständnisfähigkeiten verbessern.
Format und Richtlinien für die Einreichung von Beiträgen
Alle eingereichten Beiträge müssen in englischer Sprache verfasst sein und dürfen nur Originalarbeiten enthalten, die noch nicht in einer anderen Zeitschrift, auf einer Konferenz, einem Symposium oder einem Workshop veröffentlicht wurden bzw. für die derzeit ein Gutachten erstellt wird. Es wird erwartet, dass die Einreichungen nicht mehr als 30 Seiten (einschließlich Abbildungen, Tabellen und Referenzen) im einspaltigen Format der Zeitschrift und in 11-Punkt-Schrift umfassen. Detaillierte Richtlinien für die Einreichung von Beiträgen finden Sie unter „Guide for Authors“:
http://www.journals.elsevier.com/big-data-research/
Alle Manuskripte und alle ergänzenden Materialien sollten über das Elsevier Editorial System (EES) eingereicht werden. Die Autoren müssen „VSI: Big Data Science Vis“ als Artikeltyp auswählen, wenn sie den Schritt „Artikeltyp“ im Einreichungsprozess erreichen. Die EES-Website ist zu finden unter:
Alle Beiträge werden von mindestens drei unabhängigen Gutachtern begutachtet. Anfragen für zusätzliche Informationen sollten an die Gastherausgeber gerichtet werden.
Themen für die Sonderausgabe
Themen von Interesse sind unter anderem:
– Benutzeroberflächen für die Datenwissenschaft
– Visualisierung von zeitabhängigen Daten, geolokalisierten Daten und Karten
– Mappings von Daten zur Visualisierung
– Interaktive Wissensentdeckung
– Visuelle Operatoren für Daten und Wissen
– Visualisierung von Big Data in verschiedenen Bereichen (Gesundheit, Bildung, Politik, …)
– Visuelle Erkundung von Datensätzen
– Visualisierung von Datenkorrelationen
– Visuelles Data Mining und visuelle Wissensentdeckung
– Visualisierung von Lernmodellen
– Visualisierungstechniken für Datenprofile
– Visualisierung für die IoT-Datenanalytik
– Visuelle Analytik für erklärbare KI
– Kollaborative visuelle Analytik und Datenwissenschaft
– Adaptive visuelle Analytik
– Visuelle Trendanalytik
– Nutzerbewertungen und Fallstudien, Berichte über reale Fälle und Experimente
Wichtige Termine
Einsendeschluss: 15. Februar 2021
Benachrichtigung der Autoren: 15. Mai 2021
Fälligkeit des überarbeiteten Manuskripts: 1. Juli 2021
Benachrichtigung über die Annahme: 1. Oktober 2021
Fälligkeit des endgültigen Manuskripts: 15. Oktober 2021
Vorläufiges Veröffentlichungsdatum: Dezember 2021
Gastherausgeber
Vincenzo Deufemia, Universität von Salerno
Kawa Nazemi, Hochschule Darmstadt
Giuseppe Polese, Universität Salerno
