lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Visualization of Quantified Self data from Spotify using avatars
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap och medieteknik (DM).
2018 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

The increased interest for self-tracking through the use of technology has given birth to the Quantified Self movement. The movement empowers users to gain self-knowledge from their own data. The overall idea is fairly recent and as such it provides a vast space for exploration and research. This project contributes to the Quantified self movement by proposing a concept for visualization of personal data using an avatar. The overall work finds inspiration in Chernoff faces visualization and it uses parts of the presentation method within the project design.  

This thesis presents a visualization approach for Quantified Self data using avatars. It tests the proposed concept through a user study with two iterations. The manuscript holds a detailed overview of the designing process, questionnaire for the data mapping, implementation of the avatars, two user studies and the analysis of the results. The avatars are evaluated using Spotify data. The implementation offers a visualization library that can be reused outside of the scope of this thesis.

The project managed to deliver an avatar that presents personal data through the use of facial expressions. The results show that the users can understand the proposed mapping of data. Some of the users were not able to gain meaningful insights from the overall use of the avatar, but the study gives directions for further improvements of the concept. 

Ort, förlag, år, upplaga, sidor
2018. , s. 109
Nyckelord [en]
Quantified Self, Chernoff faces, avatars, data visualization, Spotify
Nationell ämneskategori
Människa-datorinteraktion (interaktionsdesign) Medieteknik Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:lnu:diva-78293OAI: oai:DiVA.org:lnu-78293DiVA, id: diva2:1255440
Ämne / kurs
Medieteknik
Utbildningsprogram
Sociala medier och webbteknologier, masterprogram, 120 hp
Presentation
2018-08-30, D2270, Linnaeus Universtity, Vaxjo, 12:00 (Engelska)
Handledare
Examinatorer
Projekt
Visualizing quantified self data using avatarsTillgänglig från: 2018-10-15 Skapad: 2018-10-12 Senast uppdaterad: 2018-10-15Bibliografiskt granskad

Open Access i DiVA

fulltext(4405 kB)189 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 4405 kBChecksumma SHA-512
1e2a21b65d2a5560c6a590f8a1375a21585144fafec929a7aaa8ff67d9a5c36e17c36b709cd0ed95ff2d9c70b40f20db3ecea508a0749cfad2708b7f2dfd5bb8
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Aleksikj, Stefan
Av organisationen
Institutionen för datavetenskap och medieteknik (DM)
Människa-datorinteraktion (interaktionsdesign)MedieteknikDatavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 189 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 863 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf