Whatsapp Chat Vis

Dieses Projekt ist im Rahmen des Kurses “Grundlagen der Datenvisualisierung”, im Sommersemester 2020 bei Herrn Prof. Dr. Nagel, an der Hochschule Mannheim entstanden.

Abstract

Zurzeit befindet sich die Welt in einem Ausnahmezustand und wir alle müssen in unserem beruflichen, studentischen und privaten Leben nie dagewesene Herausforderungen bewältigen. Um die Verbreitung des Covid-19-Virus einzudämmen, muss ein jeder sich in seinen Freiheiten einschränken und Distanz zu seinen Mitmenschen wahren, was allgemein als “Social Distancing” bezeichnet wird. Für unser Semesterprojekt haben wir uns gefragt, wie zurzeit die Möglichkeiten digitaler Kommunikationsformen ausgeschöpft werden und ob sich, aufgrund des stark eingeschränkten physischen Kontaktes, die Nutzung von Messenger Diensten wie WhatsApp verändert hat. Daraus entstand der “WhatsApp Chat Visualisierer”, der es ermöglicht, das Chatverhalten ausgewählter Nutzer zu untersuchen.

Den im Laufe des Projektes entstandenen Prototypen haben wir öffentlich zugänglich gemacht. Aus datenschutztechnischen Gründen wurden die Namen der Benutzer anonymisiert.

Einführung

Die Auswirkungen des Social Distancing machen sich in vielen Bereichen unseres alltäglichen Lebens bemerkbar. Aufgrund des breit gefächerten Einflusses auf diverse Themengebiete, stießen wir in der Findungsphase unseres Projektes auf vielfältige Fragestellungen in den verschiedensten Bereichen, welche eine interessante Basis zur visuellen Aufbereitung und Analyse der damit verbundenen Datensätze boten. Diese reichten von der Änderung des Kaufverhaltens bei Videospielen, über das Nutzungsverhalten diverser Streamingangebote, bis hin zur Analyse der Feinstaubbelastung in großen Städten, bedingt durch den Rückgang des Pendlerverkehrs. Bei all diesen Ansätzen stießen wir jedoch durchweg auf den Mangel an frei zugänglichen Datensätzen, deren Existenz für das Gelingen dieses Projektes jedoch essenziell sind. Letztendlich fiel unsere Wahl auf die Analyse des Chatverhaltens, in Bezug auf den Messenger Dienst WhatsApp, da hier eine ausreichende und frei zugängliche Datengrundlage vorhanden war. Intuitiv entstand die Vermutung, dass aufgrund fehlender sozialer Kontakte im Alltag, sicherlich eine Änderung in der digitalen Kommunikation der Menschen untereinander stattgefunden haben musste.

Fragen und Hypothesen

Der Zweck einer jeden wissenschaftlichen Arbeit ist die Beantwortung einer oder mehrerer Fragen oder Hypothesen. Während der Findungsphase unseres Projekts kamen diverse Fragen und Vermutungen auf, weshalb sie im Folgenden die vier zentralen Fragestellungen und dazugehörige Hypothesen finden, welche von dort an als Basis für die Analysen genutzt wurden.

• Wie hat sich die Nachrichtenmenge nach dem Social Distancing verändert? Schnell war uns klar, dass wir deutlich machen wollen, wie sich die Kommunikation über WhatsApp verändert hat, sofern dies überhaupt der Fall sein sollte. Steigt sie an, weil die Menschen sich nicht mehr treffen können? Oder sinkt sie sogar, weil lieber per Videochat von Angesicht zu Angesicht kommuniziert wird?

• Wie sieht das Nutzungsverhalten von bestimmten Corona-Buzzwords aus? Diverse Medien berichteten in der vergangenen Zeit über spezifische Wörter und auch Wortgruppen, welche aufgrund der Corona-Pandemie verstärkt im Sprachgebrauch der deutschen Bevölkerung vertreten waren und dies auch immer noch sind. Uns kam daher der Gedanke, dieses Phänomen in Bezug auf das Chatverhalten zu analysieren.

• Lässt sich anhand der verwendeten Emojis eine Veränderung des Stimmungsbildes ableiten? Die Verwendung von Emojis spiegelt oft unsere Stimmung in einer Unterhaltung wider. Diese Tatsache bietet eine gute Basis, um das Stimmungsbild anhand der verwendeten Emojis zu analysieren.

• Zu welcher Tageszeit wird WhatsApp am häufigsten verwendet? Zu dieser Frage ergaben sich zwei Überlegungen. Erstens wollten wir untersuchen, zu welcher Tageszeit WhatsApp meistens verwendet wird. Des Weiteren hielten wir es für interessant zu untersuchen, ob derzeit, da der Präsenzbetrieb an Hochschulen, Universitäten und Arbeitsplätzen eingestellt ist, sich die Nutzungszeit tendenziell eher nach hinten verschoben hat, da man nicht mehr gezwungen ist, morgens früh aufzustehen.

Als zentralen Ankerpunkt unserer Untersuchungen wählten wir den Tag der Ansprache durch die Bundeskanzlerin Angela Merkel (18.03.2020). Dieser Tag stellt unserer Auffassung nach, den Beginn des Lockdowns in Deutschland dar. Um dieses Ereignis herum wird im Folgenden der Zeitraum vom 01.02.2020 – 31.05.2020 betrachtet. Dies hat den Hintergrund, dass somit ausreichend Daten vor und nach besagtem Ereignis zur Verfügung stehen, um Aussagen über das Verhalten vor und nach dem Lockdown treffen zu können.

Datenbeschaffung und Aufbereitung

Aufgrund dessen, dass WhatsApp in Deutschland keine Möglichkeit mehr zum Export von Chatverläufen anbietet, mussten wir einen Workaround verwenden, welcher jedoch lediglich für IOS-Geräte funktioniert und darauf basiert ein unverschlüsseltes Backup der Chatverläufe zu erstellen und dieses anschließend mit einem Tool (bspw. IExplorer) in eine SQL-Lite Datenbank zu exportieren. Ein entsprechendes Pendant für Android Endgeräte, welches im zeitlichen Rahmen unseres Projekts umsetzbar gewesen wäre, konnten wir leider nicht finden. Daher beschränkten wir uns im Folgenden auf Backups von Mobilgeräten mit IOS Betriebssystem. Bei Interesse an der genauen Vorgehensweise zur Erstellung eines solchen Backups, kann unter dem folgenden Link eine detaillierte Anleitung nachgelesen werden: detaillierte Anleitung zum Export von WhatsApp Chatverläufen.

Nach einem erfolgreichen Export der SQL-Lite-Datei ist es nun möglich, die Daten bspw. mit “DB Browser for SQL-lite” einzusehen, sowie diese in andere Formate, wie z. B. JSON, zu konvertieren. Dies ermöglicht es, die gewonnenen Datensätze mit JavaScript weiterzuverarbeiten.

Im ersten Schritt begannen wir mit der Filterung der Daten nach den von uns benötigten Inhalten und Metainformationen. Aufgrund der zuvor getroffenen Entscheidung, einen begrenzten Zeitraum für unsere Untersuchungen heranzuziehen, war es uns möglich, die Datensätze stark in ihrem Umfang zu reduzieren. Ausgehend von den so gefilterten Daten wurden nun drei separate JSON-Dateien pro WhatsApp-Nutzer generiert, welche im Folgenden als Grundlage zur Auswertung und Analyse in unserem Prototypen dienen sollten.

Das Dashboard

Um die umfangreiche Datenbasis visuell aufzubereiten und so dem Nutzer übersichtlich zur Exploration zur Verfügung zu stellen, erwies sich die Konzeption eines Dashboards als eine praktikable Lösung.

Die ersten Prototypen

Die grundlegende Funktionalität dieses Dashboards besteht darin, dass der Nutzer die Möglichkeit hat, individuell Zeiträume auszuwählen und gegebenenfalls miteinander zu vergleichen. Dies soll ihm ermöglichen, gezielt Daten zu explorieren und zu analysieren. Darüber hinaus soll es eine Basis bieten, um die von uns aufgestellten Forschungsfragen beantworten zu können. Dieser Vorgang soll mithilfe von Detaildiagrammen, welche die Daten des aktuell ausgewählten Zeitraumes veranschaulichen, unterstützt werden.

Diesen Überlegungen zufolge fiel die Entscheidung vier unterschiedliche Diagramme zu verwenden, welche jeweils der Beantwortung einer der Forschungsfragen dienen sollen. Eines der Diagramme soll zudem als Control-Panel fungieren und es somit ermöglichen, per Drag and Drop Slidern, Zeiträume auszuwählen. Der Inhalt der restlichen Diagramme wäre somit abhängig von der durch den Nutzer getroffenen Auswahl.

Aus diesen Überlegungen heraus entstanden zunächst zwei unterschiedliche Prototypen. Der erste (s. Abb. 1) war an ein klassisches Dashboard angelehnt, wohingegen Prototyp zwei (s. Abb. 2) einen WhatsApp Chat nachstellen und in der Funktionalität der Kommunikation mit einem Chatbot ähneln sollte.

Aufgrund dessen, dass die Interaktion mit einem Chatbot auf dem Senden von Nachrichten basiert, würde der zweite Prototyp zu sehr von der ursprünglich angedachten Bedienungsweise unseres Dashboards abweichen. Wir entschieden uns daher für die erste Variante, da diese auf die grundlegenden Funktionen reduziert ist und im Gegensatz zum Figure 1: Der erste Prototyp. Dieser ist angelehnt an ein klassisches Dashboard. zweiten Prototyp keine spielerischen Aspekte oder ablenkenden Elemente enthält, welche zu einer Reizüberflutung führen und somit den Nutzer beim gezielten Explorieren und Analysieren der Daten behindern könnten.

Figure 2: Zweiter Prototyp, welcher einem WhatsApp Chatverlauf ähnelt.

Visualisierungstechniken

Im Laufe des Projektes haben wir verschiedene Visualisierungstechniken betrachtet und auf Grundlage unseren Hypothesen evaluiert, welche bestmöglich die Beantwortung der zu Beginn formulierten Fragestellungen unterstützen.

Nachrichtenmenge (Balkendiagramm)

Um den zeitlichen Verlauf einer Größe darzustellen, eignet sich das Visualisieren der Daten auf einem Zeitstrahl besonders gut. Das Nachrichtenmengen-Diagramm soll, in Form eines Balkendiagramms, zeigen, wie viele Nachrichten an den einzelnen Tagen durch den Nutzer geschrieben wurden. Um dem Nutzer das Erkennen von möglichen Trends zu erleichtern, führten wir zusätzlich eine Trendlinie (gleitender Mittelwert über 7 Tage) in das Balkendiagramm mit ein (s. Abb. 3).

Figure 3: Das Balkendiagramm zeigt die Nachrichtenmenge an den jeweiligen Tagen. Durch die hinzugefügte Trendlinie lassen sich Tendenzen in der Entwicklung der Nachrichtenmenge leichter erkennen.

Zum besseren Überblick über die gesamte Nachrichtenmenge findet sich neben dem Balkendiagramm ein Übersichtsbereich, welcher absolute Zahlen beinhaltet (s. Abb. 4). Zum einen wird hier dargestellt, wie viele Nachrichten, mit wie vielen Wörter und an wie vielen Tagen geschrieben worden sind. Darüber hinaus lassen sich, in der unteren Hälfte der Tabelle, die dazugehörigen Mittelwerte ablesen.

Figure 4: Der Übersichtsbereich gibt Auskunft über die absoluten Zahlen, sowohl des gesamten Zeitraumes als auch der aktuell ausgewählten Zeiträume.

Corona Buzzwords (normalisiertes Balkendiagramm)

Zu Beginn wollten wir lediglich untersuchen, welche Wörter am häufigsten im Sprachgebrauch der jeweiligen Nutzer vorkommen. Unsere Wahl fiel daher auf eine Wordmap (s. Abb. 5). Beim Evaluieren unserer Daten stellten wir jedoch fest, dass diese Visualisierungstechnik einige Probleme mit sich brachte. Beispielsweise war es teilweise vonnöten, den Kopf um 90° zu drehen, um einige Wörter lesen zu können. Auch stellte es sich als kompliziert heraus, anhand der Größenverhältnisse einzelner Wörter klar zu erkennen, welches beispielsweise das am häufigsten geschriebene worden war. Die Wordmap ließ es somit lediglich zu, einen groben Überblick darüber zu bekommen, welche der Wörter häufiger und welche weniger häufig verwendet worden waren.

Figure 5: Die Wordmap stellt die Häufigkeit anhand der Größe des jeweiligen Wortes dar. Die Anordnung erfolgt dabei zufällig.

Auf der Suche nach Alternativen, welche unseren Ansprüchen eher gerecht wurden, standen das Windrose-Char und die Treemap in der engeren Auswahl. Das Windrose-Char (s. Abb. 6) bot hierbei den Vorteil, eine runde Form zu haben und sich somit gut in das Gesamtbild des unteren Bereiches unseres Dashboards einzufügen. Zudem kann, anhand der hierarchischen Gliederung der einzelnen Elemente nach ihrer Gewichtung, gut erkannt werden, welche Rangordnung in der Häufigkeit der Wörter herrscht.

Figure 6: Windrose Chart (links) und Treemap (rechts) als alternative Visualisierungstechniken zur Darstellung der Worthäufigkeiten.

Die in Abbildung 6 dargestellte Treemap bietet zwar ebenfalls die Möglichkeit zur Erkennung der am häufigsten geschriebenen Wörter, ist jedoch, aufgrund einer fehlenden Ordnung, weniger intuitiv lesbar als das Windrose-Chart. Aufgrund dessen, dass wir keine wirklich zufriedenstellende Lösung für unser Problem finden konnten, kamen wir letztendlich zu dem Schluss, unsere Forschungsfrage, deren Beantwortung wir mit diesem Diagramm unterstützen wollten, nochmals zu überdenken. Wir entschieden uns dazu, eine festgelegte Menge von 10 Corona-Buzzwords zu definieren. Für diese Auswahl wollten wir dem Nutzer unseres Dashboards nun ermöglichen, deren jeweilige Verwendung in den verschiedenen Zeiträumen zu analysieren. Diese Entscheidung hatte zudem zum Vorteil, dass unser Dashboard somit näher am eigentlichen Thema, dem Social Distancing während der Corona-Zeit, agierte. In der zuvor verwendeten Wordmap waren nämlich keinerlei Corona bezogene Wörter aufgetaucht, da diese, im Vergleich zu diversen Bindeworten der deutschen Sprache, eher selten genutzt werden. Um unsere Buzzwords auszuwählen, sammelten wir zunächst alle Wörter, welche unserer Meinung nach mit Corona in Verbindung stehen. Es entstand eine Liste, bestehend aus ca. 250 Einträgen, von denen wir letztendlich 10 auswählten. Wir priorisierten dabei anhand von Kriterien, welche auf uns als junge Studenten am ehesten zutreffend waren. Dies hatte den Hintergrund, dass die verwendeten Datensätze von Personen unseres Profils stammen. Da die Deadline des Projektes immer näher rückte und wir somit nicht mehr viel Zeit hatten, um weitere Diagramme evaluieren zu können, entschieden wir uns letztendlich für ein normalisiertes Balkendiagramm (s. Abb. 7). Der gesamte Balken repräsentiert dabei alle Vorkommnisse des jeweiligen Buzzwords im maximal verfügbaren Zeitraum. Wählt der Benutzer nun kleinere Zeiträume, wie im Beispiel der Abbildung 7, sieht er die jeweiligen Anteile an der Anzahl der gesamten Vorkommnisse und kann diese miteinander vergleichen.