A survey was done in order to identify the predictors that contribute to satisfaction with qowl. A positive correlation was found between satisfaction with facets of work life and overall satisfaction with qowl. No significant difference was found between overall satisfaction and the mean of the satisfaction with the facets of work life. Organisational climate seemed to have the greatest influence. Significant predictors are identification with the organisation, participation, communication, resource management, work group functioning, reward system, health and safety aspects, job security and the rate of pay. Significant differences were found between rank, occupational, race and age groups. When need non-fulfilment scales are added to facets of work life measures, increase in the prediction of overall satisfaction is significant. The need to do work that supports moral values contributed most significantly to overall satisfaction. The most frequent preference was for financial security, followed by recognition, relationships and for achievement. / Psychology / M.A.

We consider the distribution of the zero and typical cells of a (homogeneous) Poisson hyperplane tessellation. We give a direct proof adapted to our setting of the well known Complementary Theorem. We provide sharp bounds for the tail distribution of the number of facets. We also improve existing bounds for the tail distribution of size measurements of the cells, such as the volume or the mean width. We improve known results about the generalised D.G. Kendall's problem, which asks about the shape of large cells. We also show that cells with many facets cannot be close to a lower dimensional convex body. We tacle the much less study problem of the number of facets and the shape of small cells. In order to obtain the results above we also develop some purely geometric tools, in particular we give new results concerning the polytopal approximation of an elongated convex body.

Die Hauptursachen für die derzeitige weltweite Krise der biologischen Vielfalt sind Lebensraumzerstörung und Übernutzung. Wir wissen jedoch nicht, wie sich diese beiden Faktoren einzeln und zusammen auf die verschiedenen Aspekte biologischer Vielfalt auswirken und wie sie sich im Laufe der Zeit verändern. Da beide Bedrohungen weit verbreitet sind, verhindern dies die Entwicklung wirksamer Schutzstrategien. Das übergeordnete Ziel dieser Arbeit war räumliche und zeitliche Veränderungsmuster der Auswirkungen von Lebensraumzerstörung und Übernutzung auf die biologische Vielfalt zu verstehen. Ich habe diese Bedrohungsgeographien mit hoher räumlicher Auflösung und über drei Jahrzehnte hinweg für verschiedene Aspekte biologischer Vielfalt untersucht: Arten, Lebensgemeinschaften und taxonomische, phylogenetische und funktionale Facetten biologischer Vielfalt. Ich konzentrierte mich auf den 1,1 Millionen km² großen Gran Chaco, den größten tropischen Trockenwald der Welt und einen globalen Entwaldungs-Hotspot. Meine Ergebnisse zeigen, dass sich im Laufe von 30 Jahren die räumlichen Auswirkungen der einzelnen Bedrohungen auf größere Gebiete ausdehnten als nur auf die abgeholzte Fläche. Dies führte zu einem Verlust an hochwertigen und sicheren Gebieten für den Jaguar, die gesamte Großsäugergemeinschaft und alle Facetten der Säugetiervielfalt. Beide Bedrohungen trugen wesentlich zum Rückgang biologischer Vielfalt bei, ihre relative Bedeutung variierte jedoch je nach Art und Facette der biologischen Vielfalt. Zudem haben die Gebiete, in denen beide Bedrohungen zusammenwirken, im Laufe der Zeit zugenommen, was den Verlust der biologischen Vielfalt wahrscheinlich noch verschlimmert hat. Diese Arbeit unterstreicht, wie wichtig es ist, die Auswirkungen mehrerer Bedrohungen im Laufe der Zeit gemeinsam zu bewerten, um den menschlichen Einfluss auf die biologische Vielfalt besser verstehen zu können und wirksame Schutzstrategien zu finden. / The main drivers of the current global biodiversity crisis are habitat destruction and overexploitation. Yet, we lack understanding of their individual and combined spatial impact on different aspects of biodiversity, and how they change over time. Because both threats are common, these knowledge gaps preclude building more effective conservation strategies. The overarching goal of this thesis was to understand how the impacts of habitat destruction and overexploitation on biodiversity change in space and over time. I assessed these geographies of threat at high spatial resolutions and over three decades for different biodiversity aspects: species, communities, and the taxonomic, phylogenetic, and functional facets of biodiversity. I focused on the 1.1 million km² Gran Chaco, the largest tropical dry forest globally, and a global deforestation hotspot. Results reveal that over 30 years, the spatial impacts of each threat expanded over larger areas than the area deforested. This resulted in widespread losses of high-quality and safe areas for the jaguar, the entire larger mammal community and for all facets of the mammalian diversity. Such declines suggest a generalized biotic impoverishment that includes the loss of species, evolutionary history, and ecological functions across much of the Chaco. Both threats contributed substantially to biodiversity declines, and their relative importance varied among species and biodiversity facets. Moreover, the areas where both threats synergize increased over time, likely exacerbating biodiversity losses. For each biodiversity aspect, I identified priority areas of safe and high-quality habitats, and hotspots of high threat impacts, which could guide more effective complementary proactive and reactive conservation strategies. This thesis highlights the importance of jointly assessing the impact of multiple threats over time to better understand the impact of humans on biodiversity and to identify effective ways to mitigate them. / Los principales factores de la actual crisis de la biodiversidad global son la destrucción del hábitat y la sobreexplotación. Sin embargo, desconocemos su impacto espacial, tanto individual como combinado, sobre los diferentes aspectos de la biodiversidad, y cómo cambian en el tiempo. Como ambas amenazas son comunes, estos vacíos de conocimiento impiden elaborar estrategias de conservación más eficaces. El objetivo general de esta tesis fue comprender cómo los impactos de la destrucción del hábitat y la sobreexplotación en la biodiversidad cambian en el espacio y en el tiempo. Evalué estas geografías de las amenazas a altas resoluciones espaciales y a lo largo de tres décadas para diferentes aspectos de la biodiversidad: especies, comunidades y las facetas taxonómica, filogenética y funcional de la biodiversidad. Me centré en el Gran Chaco, de 1,1 millones de km², el mayor bosque seco tropical del mundo y un foco global de deforestación. Los resultados revelan que, a lo largo de 30 años, los impactos espaciales de cada una de las amenazas se extendieron por areas mayores que la superficie deforestada. Esto dio lugar a pérdidas extendidas de áreas seguras y de alta calidad para el jaguar, la comunidad de mamíferos grandes y para todas las facetas de la diversidad de mamíferos. Estos declives sugieren un empobrecimiento biótico generalizado que incluye la pérdida de especies, historia evolutiva y funciones ecológicas en gran parte del Chaco. Ambas amenazas contribuyeron sustancialmente al declive de la biodiversidad, y su importancia relativa varió entre especies y facetas de la biodiversidad. Además, las áreas en las que ambas amenazas sinergizan aumentaron en el tiempo, probablemente exacerbando las pérdidas de biodiversidad. Para cada aspecto de la biodiversidad, identifiqué áreas prioritarias de hábitats seguros y de alta calidad, y focos de alto impacto de las amenazas, que podrían orientar estrategias de conservación complementarias más eficaces, tanto proactivas como reactivas. Esta tesis destaca la importancia de evaluar conjuntamente el impacto de múltiples amenazas a lo largo del tiempo para comprender mejor el impacto de los humanos en la biodiversidad e identificar vías eficaces para mitigarlas.

<p dir="ltr">Automaticity, an essential attribute of skill, is developed when a task is executed repeatedly with minimal attention and can have both good (e.g., productivity, skill acquisitions) and bad (e.g., accident involvement) implications on workers’ performance. However, the implications of automaticity in construction are unknown despite their significance. To address this knowledge gap, this research aimed to examine methods that are indicative of the development of automaticity on construction sites and its implications on construction safety and productivity. The objectives of the dissertation include: 1) examining the development of automaticity during the repetitive execution of a primary task of roofing construction and a concurrent secondary task (a computer-generated audio-spatial processing task) to measure attentional resources; 2) using eye-tracking metrics to distinguish between automatic and nonautomatic subjects and determine the significant factors contributing to the odds of automatic behavior; 3) determining which personal characteristics (such as personality traits and mindfulness dimensions) better explain the variability in the attention of workers while developing automaticity. To achieve this objective, 28 subjects were recruited to take part in a longitudinal study involving a total of 22 repetitive sessions of a simulated roofing task. The task involves the installation of 17 pieces of 25 ft2 shingles on a low-sloped roof model that was 8 ft wide, 8 ft long, and 4 ft high for one month in a laboratory. The collected data was analyzed using multiple statistical and data mining techniques such as repeated measures analysis of variance (RM-ANOVA), pairwise comparisons, principal component analysis (PCA), support vector machine (SVM), binary logistic regression (BLR), relative weight analyses (RWA), and advanced bootstrapping techniques to address the research questions. First, the findings showed that as the experiment progressed, there were significant improvements in the mean automatic performance measures such as the mean primary task duration, mean primary task accuracy, and mean secondary task score over the repeated measurements (p-value < 0.05). These findings were used to demonstrate that automaticity develops during repetitive construction activities. This is because these automatic performance measures provide an index for assessing feature-based changes that are synonymous with automaticity development. Second, this study successfully used supervised machine learning methods including SVM to classify subjects (with an accuracy of 76.8%) based on their eye-tracking data into automatic and nonautomatic states. Also, BLR was used to estimate the probability of exhibiting automaticity based on eye-tracking metrics and ascertain the variables significantly contributing to it. Eye-tracking variables collected towards safety harness and anchor, hammer, and work area AOIs were found to be significant predictors (p < 0.05) of the probability of exhibiting automatic behavior. Third, the results revealed that higher levels of agreeableness significantly impact increased levels of change in attention to productivity-related cues during automatic behavior. Additionally, higher levels of nonreactivity to inner experience significantly reduce the changes in attention to safety-related AOIs while developing automaticity. The findings of this study provide metrics to assess training effectiveness. The findings of this study can be used by practitioners to better understand the positive and negative consequences of developing automaticity, measure workers’ performance more accurately, assess training effectiveness, and personalize learning for workers. In long term, the findings of this study will also aid in improving human-AI teaming since the AI will be better able to understand the cognitive state of its human counterpart and can more precisely adapt to him or her.</p>

While semantic web data is machine-understandable and well suited for advanced filtering, in its raw representation it is not conveniently understandable to humans. Therefore, visualization is needed. A core challenge when visualizing the structured but heterogeneous data turned out to be a flexible mapping to Visual Variables. This work deals with a highly flexible, semi-automatic solution with a maximum support of the visualization process, reducing the mapping possibilities to a useful subset. The basis for this is knowledge, concerning metrics and structure of the data on the one hand and available visualization structures, platforms and common graphical facts on the other hand — provided by a novel basic visualization ontology. A declarative, platform-independent mapping vocabulary and a framework was developed, utilizing current standards from the semantic web and the Model-Driven Architecture (MDA). / Während Semantic-Web-Daten maschinenverstehbar und hervorragend filterbar sind, sind sie — in ihrer Rohform — nicht leicht von Menschen verstehbar. Eine Visualisierung der Daten ist deshalb notwendig. Die Kernherausforderung dabei ist eine flexible Abbildung der strukturierten aber heterogenen Daten auf Visuelle Variablen. Diese Arbeit beschreibt eine hochflexible halbautomatische Lösung bei maximaler Unterstützung des Visualisierungsprozesses, welcher die Abbildungsmöglichkeiten, aus denen der Nutzer zu wählen hat, auf eine sinnvolle Teilmenge reduziert. Die Grundlage dafür sind einerseits Metriken und das Wissen über die Struktur der Daten und andererseits das Wissen über verfügbare Visualisierungsstrukturen, -plattformen und bekannte grafische Fakten, welche durch eine neuentwickelte Visualisierungsontologie bereitgestellt werden. Basierend auf Standards des Semantic Webs und der Model-getriebenen Architektur, wurde desweiteren ein deklaratives, plattformunabhängiges Visualisierungsvokabular und -framework entwickelt.

Large, strongly connected amounts of data, as collected in knowledge bases or those occurring when describing software, are often read slowly and with difficulty by humans when they are represented as spreadsheets or text. Graphical representations can help people to understand facts more intuitively and offer a quick overview. The electronic representation offers means that are beyond the possibilities of print such as unlimited zoom and hyperlinks. This paper addresses a framework for visualizing connected information in 3D-space taking into account the techniques of media design to build visualization structures and map information to graphical properties. / Große, stark vernetzte Datenmengen, wie sie in Wissensbasen oder Softwaremodellen vorkommen, sind von Menschen oft nur langsam und mühsam zu lesen, wenn sie als Tabellen oder Text dargestellt werden. Graphische Darstellungen können Menschen helfen, Tatsachen intuitiver zu verstehen und bieten einen schnellen Überblick. Die elektronische Darstellung bietet Mittel, welche über die Möglichkeiten von Print hinausgehen, wie z.B. unbegrenzten Zoom und Hyperlinks. Diese Arbeit stellt ein Framework für die Visualisierung vernetzter Informationen im 3D-Raum vor, welches Techniken der Gestaltung zur Erstellung von graphischen Strukturen und zur Abbildung von Informationen auf graphische Eigenschaften berücksichtigt.

While semantic web data is machine-understandable and well suited for advanced filtering, in its raw representation it is not conveniently understandable to humans. Therefore, visualization is needed. A core challenge when visualizing the structured but heterogeneous data turned out to be a flexible mapping to Visual Variables. This work deals with a highly flexible, semi-automatic solution with a maximum support of the visualization process, reducing the mapping possibilities to a useful subset. The basis for this is knowledge, concerning metrics and structure of the data on the one hand and available visualization structures, platforms and common graphical facts on the other hand — provided by a novel basic visualization ontology. A declarative, platform-independent mapping vocabulary and a framework was developed, utilizing current standards from the semantic web and the Model-Driven Architecture (MDA).:ABSTRACT S. x 1. INTRODUCTION S. 1 2. VISUALIZATION OF STRUCTURED DATA IN GENERAL S. 4 2.1. Global and Local Interfaces S. 4 2.2. Steps of the Visualization Process S. 4 2.3. Existing Visual Selection Mechanisms S. 6 2.4. Existing Visualizations of Structured Data S. 12 2.5. Categorizing SemVis S. 25 3. REQUIREMENTS FOR A FLEXIBLE VISUALIZATION S. 27 3.1. Actors S. 27 3.2. Use Cases S. 27 4. FRESNEL, A STANDARD DISPLAY VOCABULARY FOR RDF S. 31 4.1. Fresnel Lenses S. 31 4.2. Fresnel Formats S. 33 4.3. Fresnel Groups S. 33 4.4. Primaries (Starting Points) S. 33 4.5. Selectors and Inference S. 34 4.6. Application and Reusability S. 34 4.7. Implementation S. 35 5. A VISUALIZATION ONTOLOGY S. 37 5.1. Describing and Formalizing the Field of Visualization S. 37 5.2. Overview S. 37 5.3. VisualVariable S. 38 5.4. DiscreteVisualValue S. 39 5.5. VisualElement S. 41 5.6. VisualizationStructure S. 42 5.7. VisualizationPlatform S. 42 5.8. PresentationScenario S. 43 5.9. Facts S. 44 6. A NOVEL MAPPING VOCABULARY FOR SEMANTIC VISUALIZATION S. 45 6.1. Overview S. 45 6.2. Mapping S. 46 6.3. PropertyMapping S. 47 6.4. ImplicitMapping S. 48 6.5. ExplicitMapping S. 53 6.6. MixedMapping S. 54 6.7. ComplexMapping S. 55 6.8. Inference S. 58 6.9. Explicit Display of Relations S. 58 6.10. Limitations s. 59 7. A MODEL-DRIVEN ARCHITECTURE FOR FLEXIBLE VISUALIZATION S. 60 7.1. A Model-Driven Architecture S. 61 7.2. Applications of the MDA Pattern S. 62 7.3. Complete System Overview S. 71 7.4. Additional Knowledge of the System S. 72 7.5. Comparison to the Graphical Modelling Framework — GMF S. 77 8. VISUALIZATION PLATFORMS S. 80 8.1. Extensible 3D (X3D) S. 80 8.2. Scalable Vector Graphics (SVG) S. 81 8.3. XHTML + CSS S. 82 8.4. Text S. 82 9. OUTLOOK AND CONCLUSION S. 84 9.1. Advanced Mapping Vocabulary S. 84 9.2. Reusing Standardized Ontologies S. 84 9.3. Enabling Dynamic, Interaction and Animation S. 84 9.4. Implementation and Evaluation S. 85 9.5. Conclusion S. 85 GLOSSARY S. 86 BIBLIOGRAPHY S. 87 A. S. 90 A.1. Schemata S. 90 / Während Semantic-Web-Daten maschinenverstehbar und hervorragend filterbar sind, sind sie — in ihrer Rohform — nicht leicht von Menschen verstehbar. Eine Visualisierung der Daten ist deshalb notwendig. Die Kernherausforderung dabei ist eine flexible Abbildung der strukturierten aber heterogenen Daten auf Visuelle Variablen. Diese Arbeit beschreibt eine hochflexible halbautomatische Lösung bei maximaler Unterstützung des Visualisierungsprozesses, welcher die Abbildungsmöglichkeiten, aus denen der Nutzer zu wählen hat, auf eine sinnvolle Teilmenge reduziert. Die Grundlage dafür sind einerseits Metriken und das Wissen über die Struktur der Daten und andererseits das Wissen über verfügbare Visualisierungsstrukturen, -plattformen und bekannte grafische Fakten, welche durch eine neuentwickelte Visualisierungsontologie bereitgestellt werden. Basierend auf Standards des Semantic Webs und der Model-getriebenen Architektur, wurde desweiteren ein deklaratives, plattformunabhängiges Visualisierungsvokabular und -framework entwickelt.:ABSTRACT S. x 1. INTRODUCTION S. 1 2. VISUALIZATION OF STRUCTURED DATA IN GENERAL S. 4 2.1. Global and Local Interfaces S. 4 2.2. Steps of the Visualization Process S. 4 2.3. Existing Visual Selection Mechanisms S. 6 2.4. Existing Visualizations of Structured Data S. 12 2.5. Categorizing SemVis S. 25 3. REQUIREMENTS FOR A FLEXIBLE VISUALIZATION S. 27 3.1. Actors S. 27 3.2. Use Cases S. 27 4. FRESNEL, A STANDARD DISPLAY VOCABULARY FOR RDF S. 31 4.1. Fresnel Lenses S. 31 4.2. Fresnel Formats S. 33 4.3. Fresnel Groups S. 33 4.4. Primaries (Starting Points) S. 33 4.5. Selectors and Inference S. 34 4.6. Application and Reusability S. 34 4.7. Implementation S. 35 5. A VISUALIZATION ONTOLOGY S. 37 5.1. Describing and Formalizing the Field of Visualization S. 37 5.2. Overview S. 37 5.3. VisualVariable S. 38 5.4. DiscreteVisualValue S. 39 5.5. VisualElement S. 41 5.6. VisualizationStructure S. 42 5.7. VisualizationPlatform S. 42 5.8. PresentationScenario S. 43 5.9. Facts S. 44 6. A NOVEL MAPPING VOCABULARY FOR SEMANTIC VISUALIZATION S. 45 6.1. Overview S. 45 6.2. Mapping S. 46 6.3. PropertyMapping S. 47 6.4. ImplicitMapping S. 48 6.5. ExplicitMapping S. 53 6.6. MixedMapping S. 54 6.7. ComplexMapping S. 55 6.8. Inference S. 58 6.9. Explicit Display of Relations S. 58 6.10. Limitations s. 59 7. A MODEL-DRIVEN ARCHITECTURE FOR FLEXIBLE VISUALIZATION S. 60 7.1. A Model-Driven Architecture S. 61 7.2. Applications of the MDA Pattern S. 62 7.3. Complete System Overview S. 71 7.4. Additional Knowledge of the System S. 72 7.5. Comparison to the Graphical Modelling Framework — GMF S. 77 8. VISUALIZATION PLATFORMS S. 80 8.1. Extensible 3D (X3D) S. 80 8.2. Scalable Vector Graphics (SVG) S. 81 8.3. XHTML + CSS S. 82 8.4. Text S. 82 9. OUTLOOK AND CONCLUSION S. 84 9.1. Advanced Mapping Vocabulary S. 84 9.2. Reusing Standardized Ontologies S. 84 9.3. Enabling Dynamic, Interaction and Animation S. 84 9.4. Implementation and Evaluation S. 85 9.5. Conclusion S. 85 GLOSSARY S. 86 BIBLIOGRAPHY S. 87 A. S. 90 A.1. Schemata S. 90

Large, strongly connected amounts of data, as collected in knowledge bases or those occurring when describing software, are often read slowly and with difficulty by humans when they are represented as spreadsheets or text. Graphical representations can help people to understand facts more intuitively and offer a quick overview. The electronic representation offers means that are beyond the possibilities of print such as unlimited zoom and hyperlinks. This paper addresses a framework for visualizing connected information in 3D-space taking into account the techniques of media design to build visualization structures and map information to graphical properties.:1 EINFÜHRUNG S. 9 1.1 Zusammenfassung des Gestaltungsentwurfs S. 9 1.2 Ziel des Belegs S. 10 1.3 Interdisziplinäres Projekt S. 10 2 VORGEHEN S. 12 2.1 Ablauf S. 12 2.2 Konkrete Beispielinhalte S. 13 2.3 Beispielimplementierung S. 13 3 DATENMODELL S. 15 3.1 Ontologien S. 15 3.2 Ontologie Konstruktion S. 15 3.3 Analyse der Domain Design S. 18 3.8 Erstes Ordnen S. 19 3.9 Verwendete Ontologie-Struktur S. 21 3.10 Design-Ontologien S. 23 3.11 Schwierigkeiten bei der Ontologiekonstruktion S. 28 3.12 Einpflegen der Daten mit Protégé S. 29 3.13 Facetten S. 29 3.14 Filter S. 32 4 DATENVISUALISIERUNG S. 35 4.1 Visualisierung zeitlicher Daten S. 35 4.2 Hyperhistory S. 35 4.3 Graphisches Vokabular - graphische Dimensionen S. 37 4.4 Mapping S. 39 5 FRAMEWORK UND GESTALTUNG DES MEDIUMS S. 43 5.1 Technologien und Werkzeuge S. 44 5.2 Architektur S. 46 5.3 Konfiguration S. 51 5.4 DataBackendManager S. 52 5.5 Mapping im Framework S. 53 5.6 atomicelements S. 54 5.7 Appearance Bibliothek S. 55 5.8 TransformationUtils S. 56 5.9 Structures S. 57 5.10 LOD S. 64 5.11 Häufung von Einträgen [+] S. 66 5.12 Darstellung von Relationen [+] S. 69 5.13 Head Up Display [+] S. 71 5.14 Navigation S. 72 5.15 Performanz S. 73 5.16 Gestaltung des Mediums S. 74 6 AUSBLICK S. 80 7 FAZIT S. 81 8 ANHANG A – Installation S. 82 8.1 Vorraussetzungen S. 82 8.2 Programmaufruf S. 82 8.3 Stereoskopie S. 82 9 ANHANG B – Beispielimplementierung zur Visualisierung des Themas „Geschichte des Designs in Deutschland im 19. und 20. Jh.“ S. 84 9.1 Eingrenzung des Umfangs S. 84 9.2 Überblick zur deutschen Designgeschichte S. 84 9.3 Vorgehen S. 85 9.4 Unscharfe Datumsangaben S. 85 9.5 Kontextereignisse S. 85 9.6 Ursache-Wirkung-Beziehungen S. 86 9.7 Mehrsprachigkeit S. 86 9.8 Quellenangaben S. 86 9.9 Bildmaterial S. 87 LITERATURVERZEICHNIS S. 88 GLOSSAR S. 90 ABBILDUNGSVERZEICHNIS S. 91 / Große, stark vernetzte Datenmengen, wie sie in Wissensbasen oder Softwaremodellen vorkommen, sind von Menschen oft nur langsam und mühsam zu lesen, wenn sie als Tabellen oder Text dargestellt werden. Graphische Darstellungen können Menschen helfen, Tatsachen intuitiver zu verstehen und bieten einen schnellen Überblick. Die elektronische Darstellung bietet Mittel, welche über die Möglichkeiten von Print hinausgehen, wie z.B. unbegrenzten Zoom und Hyperlinks. Diese Arbeit stellt ein Framework für die Visualisierung vernetzter Informationen im 3D-Raum vor, welches Techniken der Gestaltung zur Erstellung von graphischen Strukturen und zur Abbildung von Informationen auf graphische Eigenschaften berücksichtigt.:1 EINFÜHRUNG S. 9 1.1 Zusammenfassung des Gestaltungsentwurfs S. 9 1.2 Ziel des Belegs S. 10 1.3 Interdisziplinäres Projekt S. 10 2 VORGEHEN S. 12 2.1 Ablauf S. 12 2.2 Konkrete Beispielinhalte S. 13 2.3 Beispielimplementierung S. 13 3 DATENMODELL S. 15 3.1 Ontologien S. 15 3.2 Ontologie Konstruktion S. 15 3.3 Analyse der Domain Design S. 18 3.8 Erstes Ordnen S. 19 3.9 Verwendete Ontologie-Struktur S. 21 3.10 Design-Ontologien S. 23 3.11 Schwierigkeiten bei der Ontologiekonstruktion S. 28 3.12 Einpflegen der Daten mit Protégé S. 29 3.13 Facetten S. 29 3.14 Filter S. 32 4 DATENVISUALISIERUNG S. 35 4.1 Visualisierung zeitlicher Daten S. 35 4.2 Hyperhistory S. 35 4.3 Graphisches Vokabular - graphische Dimensionen S. 37 4.4 Mapping S. 39 5 FRAMEWORK UND GESTALTUNG DES MEDIUMS S. 43 5.1 Technologien und Werkzeuge S. 44 5.2 Architektur S. 46 5.3 Konfiguration S. 51 5.4 DataBackendManager S. 52 5.5 Mapping im Framework S. 53 5.6 atomicelements S. 54 5.7 Appearance Bibliothek S. 55 5.8 TransformationUtils S. 56 5.9 Structures S. 57 5.10 LOD S. 64 5.11 Häufung von Einträgen [+] S. 66 5.12 Darstellung von Relationen [+] S. 69 5.13 Head Up Display [+] S. 71 5.14 Navigation S. 72 5.15 Performanz S. 73 5.16 Gestaltung des Mediums S. 74 6 AUSBLICK S. 80 7 FAZIT S. 81 8 ANHANG A – Installation S. 82 8.1 Vorraussetzungen S. 82 8.2 Programmaufruf S. 82 8.3 Stereoskopie S. 82 9 ANHANG B – Beispielimplementierung zur Visualisierung des Themas „Geschichte des Designs in Deutschland im 19. und 20. Jh.“ S. 84 9.1 Eingrenzung des Umfangs S. 84 9.2 Überblick zur deutschen Designgeschichte S. 84 9.3 Vorgehen S. 85 9.4 Unscharfe Datumsangaben S. 85 9.5 Kontextereignisse S. 85 9.6 Ursache-Wirkung-Beziehungen S. 86 9.7 Mehrsprachigkeit S. 86 9.8 Quellenangaben S. 86 9.9 Bildmaterial S. 87 LITERATURVERZEICHNIS S. 88 GLOSSAR S. 90 ABBILDUNGSVERZEICHNIS S. 91