29.01.20 Präsi Lehrstuhl


- Marcel: Link zur Lively-Seite mit Diagrammen mal rumschicken
--- 
- Hirschfeld: D-School-Prozess Personas sind gut, 
- Ihm ist nicht klar, was Tom vorhat, außer sich Daten anzugucken
- Nicht nur was er nicht will, sondern welche Probleme er genau lösen soll
- Individuen die nicht mehr verfolgbar sind, konkreter werden, dass Person konkrete Angaben macht
- Was geht am Ende verloren? Daten? Zusammenhänge? Dimensionen?
- Welche Daten, wofür, was ist die Zielsetzung?
- Erlaubt Häufung Rückschlüsse auf Probleme?
- Motivation fehlte

- Luke nach Erfolgs- bzw Misserfolgsstories fragen, von denen wir aus wir weiter machen können oder die wir im Hinterkopf behalten können
---
- Marcel: jemand will eine Geschichte hochhalten (Ernst, cool, Wichtigkeit der Geschichte), Regeln um Daten zu taggen
- At one glance zu abstrakt
---
- Hirschfeld: Insights genau formulieren
- Geschichtsunterricht: Zahlen nur Zahlen, Geschichten dazu lassen die Zahlen ganz anders wirken
---
- Patrick: leere Daten auch interessant
- Region entweder alle in einer Region oder Hintergrundrauschen, alles gleichverteilt 

- Datenpunkte rausschmeißen, die zu leer sind
- PieChart pro Distrikt, außerhalb der Karte ein PieChart wie viele es nicht gesagt haben

- Tobi: NA bedeutet immer, man kann keine Minima/Maxima mehr angeben
- -> kann von Normalverteilung ausgehen und die mit reinpacken oder anders

- Marcel: Metrik für die Qualität aufstellen

- Tobi: Outlier Detection, drei Varianten um Geschichten zu erzählen (zu kleine, Großteil, zu große)
---
- Pipeline Laufzeit bimodal, warum zwei Peaks?
---
- Fabio:
- Wissenschaftler zu breit, Skillset definieren, welche Programmiersprache, welcher Computer
- Für Persona möglichst genau werden, kann man mit der anderen Seite dann abgleichen, muss zum Beispiel Javascript können
- Immer wenn wir Annahmen treffen, mit auf ne Karte schreiben und dazuhängen

- Irgendwann später noch mal rephrasen, da vielleicht ganz anderes Problem rauskommt

- Am Anfang große Motivation nochmal ansprechen, für alle anderen zum Erinnern, für uns zum Drüber Nachdenken, hat sich da was verändert?

- Was ist eigentlich das Problem mit Excel?

- Brainstorming, neue Leute mit reinholen, die davon gar keine Ahnung haben

- Würde das Projekt perfekt laufen, würde Tom dann rausfallen?
- Was er macht, könnte sich ändern, aber er wird immer dabei bleiben, weil AVF persönliche Kommunikation zu Policy Makern beibehält
---
- Fabio: Ob wir kollektiv an den Notebooks arbeiten, weil so wenig Text, oder nur eine Person, die sich damit auskennt
---
- Data anders benennen, weil für uns ganz viel anderes ebenfalls Data ist
---
- Besser lesbar auf den Folien machen (F. 15 Diagramm drehen)
- Spalten, abschneiden und dann scrollen
- Wie visualisieren wir die Pipeline?
- Ein Beispiel nehmen, Objekt vor dem Script, Object nach dem Script -> Haben wir durch unser Plakat schon
- Reihenfolge komisch, erst Artefakte, danach Visualisierungen
- Das wollen wir euch zeigen, das haben wir gemacht, so gehts weiter
- Mit nem gut präsentierbaren Artefakt zu Naumann gehen und fragen, ob die uns weitere Insights geben können
---
- Patrick: Marcels Idee, Luke zu ärgern: ein Gedicht generieren, Emotionen in ein Gedicht packen, Stimmung und Stil, leider nicht open source
---
- Jens: Er hätte gerne die groben die Inhalte des Vortrags vorher gesehen, hat ihn überrascht, möchte er eigentlich nicht, um Reaktionen abzuschirmen
- Problematisch, weil wir euch Sachen geben, mit denen ihr arbeiten sollt
- -> wir nur ihre Datenobjekte benutzt haben und ihr ganzer Code in Python ist
- Hat unsere Fragen, was wir daran rausfinden wollen, nicht verstanden
- 3 Stages: Rohdaten von Individuen, Individuen werden aggregiert
- Rückverfolgbarkeit zwei Bögen: Aggregation von Individuen zurück zu einem Individuum, 2. Individuum hat bestimmte Eigenschaften, weil …
- Unser Fokus eher auf dem ersten
- Pipeline-Daten jetzt verstanden, aber bemerkt dass wir das nicht brauchen
- Plakat hat gefehlt 
- Wir können aber auch unfertige Sachen zeigen, Präsentationen sind nicht formal
- Excel, Statistik- bzw Visualisierungstool
- Mehrere Personas aufstellen (Politiker, Participant, Radio Show Host usw…)
- Wollen wir nur Tom helfen oder auch der NGO? Endziel, wem wollen wir im Endeffekt helfen?
- Persona von “Luke” machen
- Spike, ob wir alle 7000 Individuen in Lively reinbekommen, pro Individual ein Punkt, rausfinden ob wir ein Technologie-Problem haben, Showstopper vorher finden, bevor er zur Blockade wird

- Ein Individuum, das keine Metacodes hat?
- Daten komprimieren, alles unwichtige rausschmeißen