transparency-vis.vx.igd.fraunhofer.de Open in urlscan Pro
192.44.35.46  Public Scan

Form analysis
0 forms found in the DOM

Text Content

Über unsTransparencyVis

SPRACHE

DEUTSCH

Language
ImpressumDatenschutz© 2024 Fraunhofer IGD


VISUALISIERE DEINE PERSÖNLICHEN DATEN

TransparencyVis visualisiert deine persönlichen Datenexporte von verschiedenen
Online-Diensten, um dein Bewusstsein für deine Daten zu schärfen.


Jetzt Erkunden Mehr erfahren


LERNEN

Erfahre, wie du deine persönlichen Datenexporte von mehreren Online-Diensten
anfordern kannst!

ENTDECKE

Lade deine Daten in TransparencyVis und nutze eine von drei Visualisierungen, um
deine persönlichen Daten zu untersuchen und bessere Entscheidungen für dein
Online-Verhalten zu treffen.

SICHER

Deine persönlichen Datenexporte werden nicht mit uns geteilt und nicht ins
Internet hochgeladen.


DIE FOLGENDEN ONLINE-DIENSTE SIND VERFÜGBAR

DISCORD

FACEBOOK

GOOGLE

INSTAGRAM

Erfahre wie du deine Daten anfordern kannst

LINKEDIN

NETFLIX

TIKTOK

TWITTER


VERSCHAFFE DIR EINEN ÜBERBLICK ÜBER DIE ORDNER UND DATEIEN IN DEINEN DATEN

Die Visualisierung „Dateien und Ordner“ gibt eine Übersicht über die in den
eigenen Daten enthaltenen Ordner und Dateien. Dabei sind die Ordner jeweils
verschachtelt dargestellt. Die einzelnen Ordner und Dateien sind farblich
eingefärbt, sodass man erkennen kann um welche Art der Datei es sich handelt
(Beispielsweise Bild Datei, Dokument, Audio Datei, etc.). Beim Bewegender Maus
über die Kacheln werden zusätzliche Informationen im Tooltip angezeigt. Durch
Klicken auf den Kopfteil eines Kastens kann man in den jeweiligen Ordner
hineinzoomen. Handelt es sich bei den Dateien um Bilder, können diese ebenfalls
eingeblendet werden. Durch Klicken auf Category in der rechte Seitenleiste
können zusätzlich die Dateien angezeigt werden, die weitere Datenpunkte
enthalten. Dabei werden die Dateien entsprechend zehn Kategorien eingefärbt, je
nachdem um welche Art von Datenpunkten es sich handelt (Beispielsweise
Nachrichten, Aktivitäten, Standorte, etc.).


ERKUNDE ZEITLICHE ZUSAMMENHÄNGE IN DEINEN DATEN

Verwende die Zeitachse, um alle deine Datenpunkte, die einer Zeit zugeordnet
werden können, zu visualisieren. Die x-Achse zeigt Jahre und Monate, während die
y-Achse die 24 Stunden eines einzelnen Tages anzeigt. Auf diese Weise kannst du
Trends und Muster in deinem Online-Verhalten erkennen. Benutze das Mausrad um in
die Ansicht zu zoomen. Bewege deinen Mauszeiger über einen Datenpunkt um Details
anzuzeigen. Durch Klicken auf die Kategorien in der rechten Seitenleiste kannst
du die Punkte für ausgewählte Kategorien abwählen.




SCHAUE DIR DEINE DATEN IN CHRONOLOGISCHER REIHENFOLGE AN

Die Listenansicht ermöglicht es, die Datenpunkt in chronologischer Reihenfolge
anzusehen, sowie nach bestimmten Begriffen (beispielsweise Chat-Partner oder
Suchbegriff) zu suchen und sich die Verläufe für diese Begriffe im Detail
anzuschauen.


SCHAUE DIR DIE VERLÄUFE VON BESTIMMTEN ASPEKTEN DEINER DATEN AN

In dieser Visualisierung bekommst du einen Überblick über zeitliche Verläufe von
ausgewählten Datenaspekten. Beispielsweise kannst du hier in den Nachrichten
anschauen, wie der Kommunikationsverlauf mit einer bestimmten Person
stattgefunden hat. Also, wann ihr häufiger und wann ihr seltener geschrieben
habt. Auch kannst du die Verläufe von verschiedenen Aktivitäten erkunden. Dabei
ist für jeden Aspekt in einer Kategorie der Verlauf als eine kleine Kurve
dargestellt. Je häufiger der Aspekt vorkam, desto höher ist der Piek. Mit der
Zeitleiste oben kannst du den Zeitbereich auswählen, der dich interessiert.
Daraufhin werden die angezeigten Daten entsprechend gefiltert.




MACHE DIR EIN BILD DARÜBER, WIE VIELE SENSITIVE DATEN DEIN DATENSATZ ENTHÄLT

In dieser Visualisierung kannst du deine Daten in drei Stufen von Sensibilität
einteilen, je nachdem wie es deiner Wahrnehmung entspricht. Dazu kannst du die
Kategorien der Daten per Drag&Drop jeweils in die entsprechende Box ziehen. In
dem Kuchendiagramm wird dir dann die Verteilung deiner Daten dargestellt. Mit
der Zeitleiste oben kannst du den Zeitbereich auswählen, der dich interessiert.
Daraufhin werden die angezeigten Daten entsprechend gefiltert.


SIEH DIR DEINEN KONTAKTGRAPHEN AN

Für manche Services, insbesondere bei denen du viele Nachrichten mit anderen
Menschen ausgetauscht hast, kannst du dir in dieser Visualisierung einen
Kontaktgraphen erstellen lassen. Hier siehst du mit wem und wie viel du im Laufe
der Zeit kommuniziert hast.




BEKOMME EINEN SCHNELLEN ÜBERBLICK DIE ART DEINER DATEN

In dieser Visualisierung kannst du auf einen Blick sehen, von welcher Kategorie
an Daten du im Verhältnis wie viele Datenpunkte hast. Dadurch kannst du sehen,
welche Daten bei in deinem Fall am häufigsten gesammelt werden und auch
Unterschiede zwischen verschiedenen Online Services oder mit den Daten deiner
Freunde feststellen.


ERKUNDE JETZT DEINE PERSÖNLICHEN DATEN

Jetzt Erkunden



ÜBER DAS PROJEKT

Die Entwicklung von TransparencyVis wird vom Kompetenzzentrum für
Informationsvisualisierung und Visual Analytics des Fraunhofer-Instituts für
Graphische Datenverarbeitung IGD in Darmstadt, Deutschland, geleitet. Das
Fraunhofer IGD ist die international führende Einrichtung für angewandte
Forschung im Visual Computing. Das Kompetenzzentrum für
Informationsvisualisierung bietet Expertise und innovative Technologien, wodurch
neuartige Visualisierungslösungen direkt auf die Daten und Aufgaben der Nutzer
zugeschnitten werden.

Diese Forschungsarbeit wurde vom Bundesministerium für Bildung und Forschung
(BMBF) und vom Hessischen Ministerium für Wissenschaft und Kunst (HMWK) im
Rahmen ihrer gemeinsamen Förderung für das Nationale Forschungszentrum für
angewandte Cybersicherheit ATHENE unterstützt.


PUBLIKATIONEN

TransparencyVis ist mindestens in den folgenden Publikationen erschienen:

Marija Schufrin, Steven Lamarr Reynolds, Arjan Kuijper, Jörn Kohlhammer (2021).
A Visualization Interface to Improve the Transparency of Collected Personal Data
on the Internet. IEEE Transactions on Visualization and Computer Graphics
(Volume: 27, Issue: 2, Feb. 2021). https://doi.org/10.1109/TVCG.2020.3028946

[ PDF |Video (20min) | BibTex ]
Copy Bibtex
@article{schufrin2020visualization, author={Schufrin, Marija and Reynolds,
Steven Lamarr and Kuijper, Arjan and Kohlhammer, J{"o}rn}, journal={IEEE
Transactions on Visualization and Computer Graphics}, title={{A Visualization
Interface to Improve the Transparency of Collected Personal Data on the
Internet}},year={2021}, volume={27}, number={2}, pages={1840-1849},
abstract={Online services are used for all kinds of activities, like news,
entertainment, publishing content or connecting with others. But information
technology enables new threats to privacy by means of global mass surveillance,
vast databases and fast distribution networks. Current news are full of misuses
and data leakages. In most cases, users are powerless in such situations and
develop an attitude of neglect for their online behaviour. On the other hand,
the GDPR (General Data Protection Regulation) gives users the right to request a
copy of all their personal data stored by a particular service, but the received
data is hard to understand or analyze by the common internet user. This paper
presents TransparencyVis - a web-based interface to support the visual and
interactive exploration of data exports from different online services. With
this approach, we aim at increasing the awareness of personal data stored by
such online services and the effects of online behaviour. This design study
provides an online accessible prototype and a best practice to unify data
exports from different sources.}, keywords={}, doi={10.1109/TVCG.2020.3028946},
ISSN={1941-0506}, month={Feb}, }

Hervais Simo, Haya Shulman, Marija Schufrin, Steven Lamarr Reynolds, Jörn
Kohlhammer (2021). PrivInferVis: Towards Enhancing Transparency over Attribute
Inference in Online Social Networks. INFOCOM Workshops 2021.
https://doi.org/10.1109/INFOCOMWKSHPS51825.2021.9484595

[ BibTex ]
Copy Bibtex
@inproceedings{simo2021privinfervis, author={Simo, Hervais and Shulman, Haya and
Schufrin, Marija and Reynolds, Steven Lamarr and Kohlhammer, J{"o}rn},
booktitle={IEEE INFOCOM 2021 - IEEE Conference on Computer Communications
Workshops (INFOCOM WKSHPS)}, title={PrivInferVis: Towards Enhancing Transparency
over Attribute Inference in Online Social Networks}, year={2021}, volume={},
number={}, pages={1-2}, abstract={The European GDPR calls, besides other things,
for innovative tools to empower online social networks (OSN) users with
transparency over risks of attribute inferences. In this work, we propose a
novel transparency-enhancing framework for OSN, PrivInferVis, to help people
assess and visualize their individual risks of attribute inference derived from
public details from their social graphs in different OSN domains. We propose a
weighted Bayesian model as the underlying method for attribute inference. A
preliminary evaluation shows that our proposal outperforms baseline algorithms
on several evaluation metrics significantly. PrivInferVis provides visual
interfaces that allow users to explore details about their (inferred and
self-disclosed) data and to understand how inference estimates and related
scores are derived.}, keywords={},
doi={10.1109/INFOCOMWKSHPS51825.2021.9484595}, ISSN={}, month={May} }

Marija Dutz, Nataša Starčević, Steven Lamarr Reynolds, Jörn Kohlhammer (2023).
Exploring the Design of Visualizations of Personal Online Data Based on Users'
Mental Models. 2023 27th International Conference Information Visualisation
(IV). https://doi.org/10.1109/IV60283.2023.00029

[ BibTex ]
Copy Bibtex
@INPROCEEDINGS{dutz2023exploring, author={Dutz, Marija and Starčević, Nataša and
Reynolds, Steven Lamarr and Kohlhammer, J{"o}rn}, booktitle={2023 27th
International Conference Information Visualisation (IV)}, title={Exploring the
Design of Visualizations of Personal Online Data Based on Users' Mental Models},
year={2023}, volume={}, number={}, pages={119-123}, abstract={As data becomes
more and more pervasive in our daily lives, supporting people in getting visual
insights into their data is an important challenge to address. However, as data
visualization literacy is still low, a gap between designers' mental model and
users is not uncommon. To best pick up users where they are, we propose to
include the data mental models of users into the design process. In this paper,
we present our investigations in this direction by incorporating user sketches
of their idea about their personal data stored at online services as a basis of
our designs. We present our design study on personal data visualization
interfaces resulting in a set of user sketches for three types of user groups
and in three visualization interfaces. Finally, we reflect on our learnings and
identify pitfalls to support other researchers in applying similar approaches.},
doi={10.1109/IV60283.2023.00029} }

 * Steven Lamarr Reynolds. Visualization Interface to Improve the Transparency
   of Collected Personal Data on the Internet. Technical University of
   Darmstadt, Master's thesis, 2019.

 * Nataša Starčević. Visualizing Online Personal Data based on the Mental Models
   of Common Internet User Types. Technical University of Darmstadt, Master's
   thesis, 2021.

 * Schröter, Julien Rene. User-Guided Visual Interactive Interface to extract
   Data from Personal Data Exports. Technical University of Darmstadt, Bachelor
   thesis, 2021.

 * Fischer, Andrés Enrique. Designstudie über eine visuelle Schnittstelle von
   personenbezogenen Daten für Laien. Technical University of Darmstadt,
   Master's thesis, 2022.

 * Gerk, Maximilian Wilhelm. Design Studie eines Gaming-Ansatzes für die
   visuelle Analyse persönlicher privater Daten. Technical University of
   Darmstadt, Master's thesis, 2022.

 * Jabhe, Ali Khesrau. Dynamic Generation of a Visual Storytelling Approach for
   Personal Data. Technical University of Darmstadt, Master's thesis, 2023.

 * Koch, Jan Erik. Design Study on Responsive Visualizations of Personal Data
   disclosed on the Internet. Technical University of Darmstadt, Master's
   thesis, 2023.

 * Schad, Jonathan. Spatiotemporal Visualization of Personal Data Exports to
   Increase Privacy Awareness. Technical University of Darmstadt, Master's
   thesis, 2023.


UNTER MITWIRKUNG VON




KONTAKTIERE UNS

Wir freuen uns über jedes Feedback. Kontaktiere uns gerne unter
transparencyvis@igd.fraunhofer.de
© 2020-2024 Fraunhofer IGDImpressumDatenschutz