Linked Data Visualization Mashups

Ein großer Teil der aktuellen Open Data Cloud sind statistische Datenbestände. Alleine im Open Data Portal der europäischen Kommission sind 97 % der Datenbestände von Eurostat, der Institution für Statistiken Europäischer Mitgliedstaaten. Diese Daten liegen derzeit noch größtenteils in proprietären Formaten (CSV, XLS, XML) vor werden aber derzeit in RDF konvertiert (unter Nutzung eines speziellen Vokabulars für statistische Daten, dem Data Cube Vokabular).
Statistische Daten sind in der Regel spezielle Sichten auf Domänen-Datenbestände, um diverse Aussagen wie bspw. Metriken, Benchmarks oder auch Zusammenfassungen zu repräsentieren. Dadurch werden häufig Referenzen von statistischen Einheiten (Dimensionselemente und Beobachtungen) auf die jeweiligen Domänenresourcen erzeugt bzw. benötigt. Existieren unterschiedliche statistische Beobachtungen deren kontextueller Teil zumindest partiell gleiche Ressourcen verlinkt, lassen sich über diesen Beobachtungen komplexere statistische Zusammenhänge erfassen und visualisieren. Diese unterschiedlichen Ressourcen können dabei in verschiedenen Quellen enthalten sein:
Lokal aber in unterschiedlichen Datasets und Slices eines RDF Graphen,
Lokal aber in unterschiedlichen Datasets und Slices, verschiedener RDF Graphen
Dezentral, in unterschiedlichen RDF Graphen
Beispielsweise könnten Statistiken über die Mortalitätsentwicklung eines Landes von Publisher A mit der Populationsentwicklung von Publisher B über die Kanten referenzierter Länder und temporaler Einheiten in einem Mashup zusammengefasst werden und ermöglichen so komplexere Beobachtungen als ohne dieses.

Zur Umsetzung dieser Aufgabe ist folgendes gefordert:

• Recherche nach existierenden Ansätzen, Mashup APIs, Visualisierungsformen
• formales Model / formaliserter Workflow zur Erzeugung von Mashups aus Linked Data Datenbeständen:
  • Wann bzw. unter welchen Vorraussetzungen können Datenbestände gemeinsam visualisiert werden ?
  • Was sind mgl. / geeignete Darstellungsformen
  • Auf welchen Ebenen können Mashups erzeugt werden.
  • Dies dient der Spezifikation!
• Integration eines erweiterten facettierten Selektionsprozesses in Cube Viz zur Auswahl von Modellen, multiplen Datasets und Slices sowie kombinierten statistischen Dimensionen bzw. deren Elementen.
• Anpassung und Erweiterung der Konvertierung des Visualiserungsinputs
• Anpassung der bestehenden Visualisierungskomponente
• Erweiterung der Legende, um die verschiedenen Quellen sichtbar zu machen
• Erweiterete Exportfunktionalität, um geminsam visualiserte Datenbestände auch gemeinsam zu exportieren