My Doctoral Thesis is written in english. Download as pdf.
(English abstract below)
Diese Dissertation beschreibt iMapping und QuiKey, zwei neuartige Benutzerschnittstellen-Konzepte für den Umgang mit strukturierten Informationen. iMapping ist ein visuelles Wissens-Mapping-Verfahren, welches die Vorteile mehrerer etablierter Ansätze vereint und gleichzeitig die Benutzung insbesondere sehr großer Maps ermöglicht. QuiKey ist ein textbasiertes Werkzeug, um graph-basierte Wissensdatenbanken zu bearbeiten, zu durchsuchen und abzufragen. QuiKey kann als interaktive semantische Kommandozeile angesehen werden, die einen alternativen, besonders interaktionseffizienten Zugang zu den selben, semantischen Informationen bietet. Beide Werkzeuge sind primär für den Einsatz im persönlichen Wissensmanagement und die Anwendung semantischer Modellierung konzipiert, jedoch auch allgemeiner einsetzbar.
Aus einer Analyse etablierter visueller Wissens-Mapping-Techniken wurde eine Reihe von Anforderungen abgeleitet, die ein ideales visuelles Wissens-Mapping System erfüllen sollte. Diese Anforderungen bilden die Grundlage für die Konzeption der iMapping Technik. iMapping vereinigt die grundlegenden Stärken von Mind-Maps, Concept Maps, und Spatial Hypertext, welche in ihrer ursprünglichen Form unvereinbar sind. Durch Verschachtelung und Zoom erlaubt iMapping den Umgang mit tiefen Hierarchien, was den Umgang mit großen Mengen von Informationsobjekten ermöglicht. Diese Objekte können auf unterschiedlich formale Weise miteinander vernetzt werden.
QuiKey kombiniert Techniken des automatischen Vervollständigens mit einem interaktiven Paradigma zum Erstellen semantischer Abfragen und ermöglicht dadurch auf besonders interaktionseffiziente und fehlervermeidende Weise feingranularen Zugriff auf graphbasierte Wissensbasen.
Diese Dissertation beschreibt die Konzeption und Implementierung von iMapping und QuiKey. Sie wurden als Open Source Anwendungen in Java implementiert und basieren auf Semantic Desktop Technologien wie dem Conceptual Data Structures Framework, welches es erlaubt, die gesamte Bandbreite von unstrukturierten Notizen über strukturiertere graphische Repräsentationen bis hin zu semantisch formalen Wissensmodellen abzudecken. Zusammengenommen bieten iMapping und QuiKey die Funktionalität semantischer Technologien ohne dabei die Modellierungsfreiheit der Nutzer einzuschränken, die sie in anderen, nicht semantischen Werkzeugen haben.
Mehrere Evaluationsstudien belegen, dass die Zielsetzungen erreicht wurden: In einer vergleichenden Nutzerstudie wurde iMapping von allen Teilnehmern gegenüber der marktführenden Mind-Map Anwendung bevorzugt. Der Interaktionsaufwand von QuiKey liegt deutlich unter dem vergleichbarer Werkzeuge. Eine zusätzliche Langzeitstudie hat gezeigt, dass Nutzer beide Werkzeuge erfolgreich in den vorgesehenen Weisen einsetzen konnten und ergab gute Bewertungen der allgemeinen User Experience.
This thesis describes iMapping and QuiKey, two novel user interface concepts for dealing with structured information. iMapping is a visual knowledge mapping technique that combines the advantages of several existing approaches and scales up to very large maps. QuiKey is a text-based tool to author, browse and query graph-structured knowledge bases in a step-by-step manner. It can be seen as an interactive semantic command line that offers an alternative way to access the same structured information with very high interaction efficiency. Both tools are primarily intended for the domain of personal knowledge management, although they could also be applied more generally.
Based on an analysis of the strengths and weaknesses of established visual knowledge mapping techniques, a set of requirements is derived that an ideal visual knowledge mapping system for personal knowledge management should address. These requirements form the basis for the design of iMapping. iMapping combines the core advantages of the mind-mapping, concept mapping and spatial hypertext techniques, which are incompatible in their original form.
By taking a zooming and nesting approach, iMapping allows for deep hierarchical structures, which are crucial for dealing with large amounts of information items. Linking these items in various ways – both formal and informal – allows users to build knowledge models at just the level of formalization that is beneficial for their specific needs.
QuiKey combines auto-completion techniques with an interactive query construction paradigm to offer text search and fine-grained access to graph structured knowledge bases in an interaction efficient and error avoiding way.
This thesis describes the design and implementation of iMapping and QuiKey as two combined pieces of software. They have been implemented in an open source Java application that is based on semantic desktop technologies such as the Conceptual Data Structures framework in order to support the full range from informal note taking over more structured graphical representations up to semantically formal knowledge models. Combined, iMapping and QuiKey provide semantic functionalities without restricting the user’s modeling freedom that he has in other tools.
Several evaluation studies have shown that the design goals have been met: In a comparative user study, all participants preferred iMapping to the market leading mind-mapping application. Interaction efforts for QuiKey in both time and interaction units were below comparable tools. An additional long-term user study has provided evidence, that users succeed in utilizing both tools in the intended ways and yielded good ratings for overall user experience.