25:["$","title",null,{"children":"PIXAR Films Projektdokumentation | FHOÖ Information Visualization | Observable"}] 49:T585,### Datensatz Der Datensatz bietet eine Übersicht über Pixar-Filme und ist auf verschiedene Tabellen aufgeteilt: - *Pixar Films*: Diese Tabelle enthält grundlegende Informationen zu jedem Pixar-Film, einschließlich des Titels, des Veröffentlichungsdatums, der Laufzeit, der offiziellen Filmwertung und einer kurzen Zusammenfassung der Handlung. - *Pixar People*: Diese Tabelle listet die Personen auf, die an den Pixar-Filmen beteiligt sind, einschließlich ihrer Rolle (z.B. Regisseur, Produzent) und ihres Namens. - *Genres*: Diese Tabelle beschreibt die Genres und Subgenres der Pixar-Filme. - *Box Office*: Diese Tabelle enthält finanzielle Informationen zu den Pixar-Filmen, einschließlich des geschätzten Produktionsbudgets und der Einnahmen an den Kinokassen in den USA, Kanada und weltweit. - *Public Response*: Diese Tabelle bietet Einblicke in die Kritiker- und Publikumsbewertungen der Pixar-Filme, einschließlich Rotten Tomatoes- und Metacritic-Scores sowie IMDb-Bewertungen und CinemaScore-Ratings. - *Academy*: Diese Tabelle listet die Academy Awards auf, für die Pixar-Filme nominiert wurden oder die sie gewonnen haben, und gibt den Status der Auszeichnung an. ** Herkunft der Daten **: der Datensatz wurde auf der Plattform Maven Analytics zur Verfügung gestellt: [Maven Pixar dataset](https://mavenanalytics.io/challenges/maven-pixar-challenge/967013fc-1ff2-4453-a1ac-1ac1e0624c52)4a:T4eb,
* Welche abstrakten Aufgaben stecken in den Fragen (z.B. Finden von Ausreißern, Vergleich von mehreren Werten)? *(wieder pro Teammitglied)* #### Christina ##### Frage 1 - Filme in Kategorien (Original, Sequel) einteilen / filtern - Filme in Franchises einteilen - Berechnung Return of Investment - Vergleich zwischen den Filmen (box-office, scores) ##### Frage 2 - Überblick über die Verteilung - Vergleich zwischen den Rollen bzw. zw. den Filmen - Geschlecht der Personen zuteilen #### Sandra ##### Frage 3 - Untersuchung der Veröffentlichungsdaten über die Jahre. - Identifikation von Entwicklungen in den Ratings über die Zeit. - Betrachtung mehrerer Bewertungsquellen (IMDb, Rotten Tomatoes). - Erstellung einer zeitlichen Darstellung der Veröffentlichungen und Ratings aufgrund der vorigen Ergebnisse. - Trend-Analyse, Relationsvergleich, Best- und Schlecht-Wertungen. ##### Frage 4 - Untersuchung der Genre und Handlungszusammenfassungen auf Muster. - Unterscheidung Genre und Subgenre. - Gemeinsamkeiten und Unterschiede in den Genre und Subgenre über alle Filme. - Untersuchung der Häufigkeiten von Genres in den Pixar-Filmen. - Identifikation häufiger Begriffe oder Motive (z.B. Freundschaft, Familie, Abenteuer).4b:T844,* Inwiefern ist es notwendig den Datensatz für die Beantwortung der Fragen anzupassen (z.B. Verknüpfungen, Filterung, Änderung des Detailgrads)? Bitte bindet den finalen Datensatz nochmal tabellarisch ein, da sich alle weiteren Aufgaben darauf beziehen. *(Hinweis: Datentransformationen müssen nicht in Observable direkt gemacht werden, sondern diese sind auch möglich in Python oder Excel)* Die Tabellen wurden um irrelevante Spalten reduziert und einheitlich benannt. Im Rahmen der Dokumentation wurden die Tabellen um die Bezeichnung "used_" erweitert, um einen Konflikt mit den originalen Tabellen zu vermeiden. Die Tabelle "used_pixar_titles" wurde eingeführt, sowie die Film-Strings aufgrund der Redundanz und Typgröße mit entsprechenden IDs ("film_id", Integer) ersetzt. Zwischen der ID in "film_names" und "film_id" in jeder Tabelle besteht eine Verknüpfung. Außerdem wurde die Tabelle "used_pixar_films_images" zugefügt, um für jeden Film eine optische visuelle Zuordnung zu ermöglichen. Zuletzt wurden um die Tabellen "used_pixar_rating", "used_pixar_people_gendered" und "used_pixar_films_sequels" erweitert bzw. zusammengefasst, um eine einfachere Bearbeitung der Fragen 1 und 2 zu ermöglichen. Es ist nicht notwendig, einzelne Datensätze zu entfernen. [used_pixar_box_office.csv](${await FileAttachment("used_pixar_box_office.csv").url()}), [used_pixar_titles-1.csv](${await FileAttachment("used_pixar_titles-1.csv").url()}), [used_pixar_films.csv](${await FileAttachment("used_pixar_films.csv").url()}), [used_pixar_genres.csv](${await FileAttachment("used_pixar_genres.csv").url()}), [used_pixar_public_response.csv](${await FileAttachment("used_pixar_public_response.csv").url()}), [used_pixar_films_images-1.csv](${await FileAttachment("used_pixar_films_images-1.csv").url()}), [used_pixar_rating.csv](${await FileAttachment("used_pixar_rating.csv").url()}), [used_pixar_people_gendered.csv](${await FileAttachment("used_pixar_people_gendered.csv").url()}), [used_pixar_films_sequels-5.csv](${await FileAttachment("used_pixar_films_sequels-5.csv").url()})4c:Tae4,* Welchen Spalten sind relevant für die jeweilige Frage (siehe oben). Listet je Teammitglied die relevanten Spalten auf und bestimmt die Attributtypen dieser! #### Christina ##### Frage 1 Aus Tabelle "used_pixar_sequel5" - film_id (Integer) → ID of the Pixar film - release_date (Date) → Release date of the film - image (url) → URL of the movie poster - sequel (String/Text) → Category of the film (Original, Sequel, Spin-off) - sequel_details (String/Text) → Detailed category of the film (Original, Sequel (2nd), Seqeul (3rd), ...) - franchise (String/Text) → Name of the movie franchise (Toy Story, Cars, ...) Die Bilder für die Filmposter wurden von der Pixar Website kopiert. Die Einteilung in Fortsetzungen und Franchises wurde durch Internetrecherche erweitert. Aus Tabelle "used_box_office" - film_id (Integer) → ID of the Pixar film - box_office_worldwide (Integer) → Total worldwide box office earnings - budget (Integer) → Budget of the movie Aus Tabelle "used_public_response" - film (String/Text) → Title of the Pixar film - rotten_tomatoes_score (Integer) → Rotten Tomatoes critic score (out of 100) - imdb_score (Float) → IMDb user rating (out of 10) - metacritic_score (Float) → Meta critic score (out of 100) - ##### Frage 2 Aus Tabelle "used_pixar_people_gendered" - film (String/Text) → Title of the Pixar film - role_type (String/Text) → Role of the person (e.g., director, producer) - name (String/Text) → Name of the individual - gender (String/Text) → Gender of the person (female, male) Gender wurde anhand der Namen und Internetrecherche erweitert. #### Sandra ##### Frage 3 Aus Tabelle "used_pixar_films" - film_id (Integer) → ID of the Pixar film - release_date (Date) → Release date of the film Aus Tabelle "used_pixar_public_response" - film_id (Integer) → ID of the Pixar film - imdb_score (Float) → IMDb user rating (out of 10) - rotten_tomatoes_score (Integer) → Rotten Tomatoes critic score (out of 100) Aus Tabelle "used_pixar_titles" - film_id (Integer) → ID of the Pixar film - film (String/Text) → Title of the Pixar film Aus Tabelle "used_pixar_films_images" - film_id (Integer) → ID of the Pixar film - image (String/Text) → URL to an Image of the Pixar film ##### Frage 4 Aus Tabelle "used_pixar_films" - film_id (Integer) → ID of the Pixar film - plot (String/Text) → Short summary of the film’s story Aus Tabelle "used_pixar_titles" - film_id (Integer) → ID of the Pixar film - film (String/Text) → Title of the Pixar film Evtl. zusätzlich aus Tabelle "used_pixar_genres" - film_id (Integer) → ID of the Pixar film - category (String/Text) → Genre or Subgenre type - value (String/Text) → Genre or Subgenre value (e.g., Animation, Adventure)4d:T66e,
* Stecken weitere semantische Datenstrukturen in dem Datensatz (z.B. hierarchisch, geografisch, temporal), die für die Visualisierungen nützlich sein können? Es gäbe gleich mehrere semantische Datenstrukturen für die Visualisierung. Temporale Strukturen wären hierbei etwa release_date für die chronologische Analyse, box_office_worldwide für sämtliche box-earnings weltweit, sowie die scores, welche über die Zeit hinweg analysiert werden könnten, um eine Entwicklung oder einen Trend zu untersuchen. Diese würden sich beispielsweise für Zeitleisten, Diagramme oder Vorder-Nachher Vergleiche anbieten. Lineare Strukturen wäre dabei ähnlich wie temporal, nur ohne den zeitlichen Aspekt. Beispielsweise würde ein guter Score in IMDb ebenfalls auf einen guten Score etwa in Rotten Tomatoes hindeuten. Hierarchische Strukturen bzw. Entitätsbeziehungen würden etwa im Genre die Spalten category zusammen mit value umfassen, welche zusammen Genre/Subgenretypen aufzeigen würden. Aber auch Mitwirkende durch role_type und name in der Tabelle used_pixar_people können häufiger über mehrere Filme auftauchen und evtl. Beziehungen darstellen in Clustern oder Baumdiagrammen etwa. Dies könnte durch Heatmaps etwa gut dargestellt werden. Besonders Mitwirkende können jedoch statt einer hierarchischen Struktur auch als Netzwerk betrachtet werden. Geografische Strukturen sind hingegen ortsabhängige Daten, beispielsweise ebenfalls die Scores, welche eventuell je nach Region unterschiedlich ausfallen können. Entsprechend können auch die Einnahmen (Tabelle used_pixar_box_office) regionsabhängig sein.4e:T8e9,html`

${(() => { const imdbData = dataResponse .filter(d => d.imdb_score != null) .map(d => d.imdb_score); const imdbMean = d3.mean(imdbData); const imdbScores = imdbData.map(d => ({ value: d })); return Plot.plot({ marks: [ Plot.boxY(imdbScores, { y: d => d.value, fill: "lightblue", stroke: "steelblue", jitter: 0.3, outliers: true, title: d => `IMDb Score: ${d.value.toFixed(2)}` }), // Mittelwert als Punkt Plot.dotY([{ value: imdbMean }], { y: d => d.value, x: () => 0, r: 5, fill: "darkblue", title: d => `Mittelwert: ${d.value.toFixed(2)}` }), // Medianlinie mit Title über ein Rule Plot.ruleY([d3.median(imdbData)], { stroke: "black", strokeWidth: 2, title: d => `Median: ${d.toFixed(2)}` }) ], y: { label: "IMDb-Bewertung", domain: [0, 10], grid: true }, x: { ticks: [], label: null }, width: 300, height: 500 }); })()} ${(() => { const rtData = dataResponse .filter(d => d.rotten_tomatoes_score != null) .map(d => d.rotten_tomatoes_score); const rtMean = d3.mean(rtData); const rtScores = rtData.map(d => ({ value: d })); return Plot.plot({ marks: [ Plot.boxY(rtScores, { y: d => d.value, fill: "lightcoral", stroke: "darkred", jitter: 0.3, outliers: true, title: d => `RT Score: ${d.value.toFixed(2)}` }), Plot.dotY([{ value: rtMean }], { y: d => d.value, x: () => 0, r: 5, fill: "darkred", title: d => `Mittelwert: ${d.value.toFixed(2)}` }), Plot.ruleY([d3.median(rtData)], { stroke: "black", strokeWidth: 2, title: d => `Median: ${d.toFixed(2)}` }) ], y: { label: "RT-Bewertung", domain: [0, 100], grid: true }, x: { ticks: [], label: null }, width: 300, height: 500 }); })()}

` 4f:T7c1,#### Sandra Anhand der Darstellungen kann man erkennen, dass es sich generell um valide und nachvollziehbare Daten handelt. Es besteht eine Korrelation zwischen der Zeit (release_date von used_pixar_films) und Bewertung (imdb_score von used_pixar_public_responses). Durch die Trendlinie ist ein Abfall der Bewertungen erkennbar über Zeit. Um die Darstellung der einzelnen Filme auf einen Blick zu ermöglichen, wurde nachträglich die Tabelle used_pixar_films_images mit Bild-URLs zu jedem Film zugefügt. Zudem ist über die Boxplot eine Unterscheidung zwischen IMDb und Rotten Tomatoes (RT) erkennbar. RT besteht dabei aus Kurator*innen besteht, die den Score täglich aufgrund neuer Kritiken anpassen, während bei IMDB jede\*r Nutzer\*in eine Bewertung hinterlassen kann. Der Mittelwert aller Bewertungen von IMDb liegt bei 7.45 / 10, während bei RT der Mittelwert bei 88.36 / 100 liegt. Da beide eine skalierbare Zahlenskala zur Bewertung verwendet, ist eine Visualisierung über eine solche Skalierung in Betracht zu ziehen, um einen Relationsvergleich zu ermöglichen. Ebenso fällt hier der Ausreißer aus, der im vorherigen Dotplot als Cars 2 zu identifizieren ist. Zudem kann durch das Barchart die Verteilung der Genre über alle Filme gut dargestellt werden, wobei hier bereits interessant ist, dass alle Filme unter die Genre Animation, Adventure und Computer Animation fallen. Da Pixar allerdings ein Animationsstudio ist, ist dies erwartbar. Ebenfalls fallen hier auch bereits einzelne Genre auf, die nur bei einzelnen Filmen verwendet wurden wie etwa Spy, Crime und Time Travel. Hierbei stellt sich auch die Designfrage, ob es sinnig ist die Themen sinnvoll zusammenzuführen (z.B. Fantasy und Urban Fantasy), dies wurde jedoch verworfen. Der Grund hier für ist, dass dies auch eine Übersicht über alle Pixar-Genre darstellen soll. Generell stellen die Daten eine gute Grundlage für eine weiterführende Analyse und für die Beantwortung der Fragestellungen.50:T655,#### Christina Da Pixar ein beliebtes Thema ist gibt es einige öffentliche Datenvisualisierungsprojekte. Folgende Visualisierungen haben die Fragestellungen 1 & 2 inspieriert: ![image@6.png](${await FileAttachment("image@6.png").url()}) Die Abbildung zeigt auch die Möglichkeit verschiedene Franchises auszuwählen und vergleicht sie nach Ratings und finanziell. ![image@7.png](${await FileAttachment("image@7.png").url()}) Die Abbildung beschäftigt sich mit der selben Fragestellung zu den Personen hinter Disney. Da sich die Beantwortung allerdings schlussendlich mehr auf die Verteilung der Geschlechter konzentrierte, wurde keine Inspiration von den Grafik verwendet. Es wurde allerdings die dazugehörige Beschreibung ähnlich aufgebaut. Quelle: https://public.tableau.com/app/profile/justynawnek/viz/Pixar-my2/Story1 ![image@8.png](${await FileAttachment("image@8.png").url()}) Die Abbildung zeigt den Vergleich des ROI zwischen den Filmen, weshalb der ROI schlussendlich auch im Franchise Vergleich verwendet wurde. ![image@9.png](${await FileAttachment("image@9.png").url()}) Die Abbildung zeigt die Top 5 Personen mit einer Filteroption nach Rolle. Die Grafik wurde ähnlich umgesetzt, der größte Unterschied ist das keine Filterung nach Rolle möglich ist. Dies wäre natürlich erweiterbar. Der andere Unterschied ist, dass nicht nach Anzahl der Filme sondern Anzahl der Rollen in Filmen gezählt wird, da dies die Realität — insbesondere im Hinblick auf Geschlechterverhältnisse — besser abbildet. Quelle: https://public.tableau.com/app/profile/rohini.tembhurnikar/viz/PIXARMOVIES/MovieSpotlight51:T6f1,#### Sandra Für die Umsetzung gibt es mehrere Inspirationsquellen. Darunter folgende Links (Stand 25.06.2025): - https://public.tableau.com/app/profile/kenrich/viz/PixarFilmsAnalysisV5/Dashboard - https://public.tableau.com/app/profile/darby.lehane/viz/PixarMovieAnalysis/Dashboard1 - https://public.tableau.com/app/profile/chinyere.obi8867/viz/PixarsAnimatedJourney/Dashboard - https://www.researchgate.net/figure/Word-cloud-of-the-most-frequently-used-words-in-the-article-abstracts_fig2_298721794 Ebenfalls wurden Inspirationen aus der Vorlesung bezüglich einer Heatmap, Barchart und Boxplot geholt.

In den Links gab es Visualisierungen zu Linecharts als Vergleich zwischen IMDb und Rotten Tomatoes,

oder als Dotplot,

der Nutzung von kleinen Filmpostern als Bilder innerhalb der Graphen,

sowie der Filmgenre anhand einer Barchart.

Ebenfalls wurde eine Wortwolke in Betracht gezogen aufgrund eines Papers für eine vergangene Arbeit. Da eine Spalte "plot" bzw. Handlungszusammenfassung in den Daten vorhanden ist, bietet sich eine Wortwolke im Zusammenhang mit vorherigen Analysen an.52:Tead,#### Christina ##### Fragestellung 1 (Sequels)

Der Screenshot beinhaltet zwei Skizzen. Links oben ist ein Barchart der vergleichen soll, wie viele Originale und Fortsetzungen es gibt, wobei auch zwischen zweiten Teil, dritten Teil etc. unterschieden werden soll. Dieser Ansatz wurde verworfen, weil es grundsätzlich wenig aussagt und der User selber aggregieren muss um auf einen gesamten Verlgeich zwischen Original und Sequels zu kommen. Stattdessen wird zu beginn ein Pie-Chart angezeigt, welcher das Verhältnis klar darstellt. Die Details zwischen den Fortsetzungen (also ob zweiter, dritter, ... Teil) kann der User aus der Ansicht der Franchises herauslesen wo die Anzahl der Filme erwähnt wird und auch aus der Dot-Plot Ansicht der einzelnen Franchises. Der Dot-Plot wurde wie in der Skizze umgesetzt. Er wurde um die Bilder erweitert und der User hat die Möglichkeit zwischen den verschiedenen Scores zu wechseln. Im Prototypen ist der Plot gleich wie der zu Beginn.

Die Skizzen zeigen eine Möglichkeit wie man den finanziellen Erfolg zwischen Originalen und Sequels darstellen könnte. Keine der Grafiken wurde umgesetzt, da sich der Vergleich schlussendlich innerhalb der Franchises fokussiert wurde und nicht über alle Pixar-Filme.

Die Skizze zeigt ebenfalls eine Möglichkeit wie man den finanziellen Erfolg darstellen könnte. In dem Fall wurde der Chart so umgesetzt nur eben nicht über alle Filme sondern pro Franchise. ##### Fragestellung 2 (Personen)

Die Idee war zu Beginn einen Social Graph über die Filme und Personen zu erstellen. Grundsätzlich wäre das auch gut möglich gewesen, es wäre allerdings mit fünf Rollen und 28 Filmen sehr unübersichtlich geworden. Stattdessen wurde ein Bar-Chart verwendet, um die Übersichtlichkeit zu gewährleisten. Die Skizze inkludiert auch einen Pie-Chart für die Geschlechterverteilung, worauf dann in der Fragestellung mehr eingegangen wurde.

Die Skizze zeigt einen Bar-Chart limitiert auf die Top 10. Das Limit wurde auf Top 12 erhöht, damit alle Personen mit mindestens 5 Rollen inkludiert werden. Auf die farbliche Gruppierung nach der Rolle wurde schlussendlich verzichtet, weil Anstelle der Anzahl der Filme wurde die Anzahl der übernommenen Rollen dargestellt, da dies die Realität besser abbildet — insbesondere im Hinblick auf die Geschlechterverteilung, worum sich die Antwort auf die Fragestellung schlussendlich fokussierte. Aus dem selben Grund wurde auch die Rolle nicht farblich gruppiert sondern das Geschlecht. Die konkreten Rollen werdeb aber im Tooltip angegeben, zusammen mit den Namen der Filme, was eine bessere Übersicht bietet. Die Verteilung der Rollen kann der User in einem weiteren Bar-Chart ablesen, wo farblich wieder nach Geschlecht gruppiert wurde.

Für die Darstellung des Frauenanteils über die Jahre wird wie in der Skizze ein Line Chart eingesetzt, da es sich um einen Trend handelt. Um den Anteil visuell stärker hervorzuheben, wurde der Bereich unter der Linie schlussendlich auch farblich ausgefüllt.53:Ta55,#### Sandra ##### Fragestellung 3 Die beiden folgenden Visualisierungen sind relativ ähnlich zu der allerersten Visualisierung (2. Visuelle Exploration des Datensatzes), jedoch mit jeweils anderem Fokus.

Die Erste inkludiert allerdings Bilder zu den einzelnen Dots/Filmen und unterstreicht eher, welche Filme genau zu welchem Zeitpunkt veröffentlich wurden.

Das zweite Dotplot fokussiert sich eher auf die Bewertungen. Die Timeline wird durch die Verbindungs-Linie gekennzeichnet. Durch die Regressionslinie wird zudem der Trend eindeutig erkennbar. In beiden Varianten wird nur IMDb und nicht RT angezeigt, dies könnte man durch eine Check- oder Radiobox welchseln. Auch könnte man für einen Relationsvergleich die jeweils andere Grafik angedeutet mit einbinden, solange es die Ansicht nicht überlädt. ##### Fragestellung 4

Da es hier um die Ähnlichkeit zwischen allen Filmen geht, sind mehr Visualisierungen nötig als ein Boxplot mit einer Übersicht aller Genre. Eine Heatmap würde auf einen Blick Ähnlichkeiten zwischen allen Filmen darstellen. Wenn die Filme allesamt zeitlich aufgereiht würden, wäre auch indirekt ein Vergleich über Zeit möglich. Die Aufarbeitung wäre komplexer, zudem existiert die Unterteilung zwischen Genre und Subgenre, wovon einige Genre, wie im Boxplot vorher visualisiert, in allen Filmen vorkommen und eventuell den Vergleich verzerren könnten.

Darum wäre eine Visualisierung der Genre an sich Sinnvoll. In der zweiten Skizze hier wäre eine Zusammenfassung der Genre erfolgt z.B. Fanatsy, Urban Fantasy etc. Bei der Skizzierung hat sich jedoch bereits gezeigt, dass dies zu mehr als 28 in der Anzahl führen würde. Da es jedoch nur 28 Filme gibt, könnte die Visualisierung zu Verwirrung und Klärungsbedarf führen.

Zuletzt wurde die Idee der Wortwolke aufgegriffen. Da "plot" als String pro Film zur Verfügung steht und die Ähnlichkeit zwischen Filmen nicht nur auf Grundlage der Genre erfolgen sollte, wäre eine solche Visualisierung aller gemeinsamen Wörter sinnvoll. 54:T1103,##### Fragestellung 3

Visualisierung	Vorteile	Nachteile	Finale Aufnahme
Dotplot 1	Verlaufsübersicht über Zeit, Trendlinie, einzelne Punkte als Daten, Fokus auf Bewertung, Übersichtlich	Runde Verbindungslinie verwirrend, Fehlinterpretation möglich, fehlender Vergleich zu anderen Scores, schmale Übersicht, um welche Filme es sich handelt	X
Boxplot	Detailanalyse	Fehlende Info, welche Filme zu der Verschiebung führen, für Frage nötige Infos in 2-3 Zahlen anzeigbar, da nur ein einziger Ausreißer vorhanden ist	X
Dotplot mit Bildern	Übersicht, Infos mit erstem Blick, guter Einstieg, was für Filme gibts und wie ungefähr bewertet, Fokus auf Filme	Bewertungen nur abschätzend ersichtlich, zu viele Bilder führen zur Unübersichtlichkeit/Überlagerung	✔
Dotplot 2 (Skizze)	Verlaufsübersicht über Zeit, Trendlinie, einzelne Punkte als Daten, Fokus auf Bewertung, Übersichtlich, Klare Verbindungslinie, dadurch besser geeignet für Relationsvergleiche	Schmale Übersicht, um welche Filme es sich handelt	✔

Somit sind für das finale Konzept für die Fragestellung 1 das Dotplot mit Bildern und das Dotplot mit einer harten Übergangslinie bzw. skizziertem Relationsvergleich ausgewählt. Dabei wurden verschiedene theoretische Themen aus der Vorlesung berücksichtigt. So erscheint die Linie in Barchart 1 zwar rund und ästhetischer, jedoch kann die Glättung der Linie falsche Trends suggerieren. Bei stark schwankenden Daten könnten ebenso fälschliche Verbindungen gezogen werden. Dies führt zu einer geringen Expressivität und einem falschen Fokus. Verworfen wurde diese Idee, da diese zu Fehlinterpretationen führen kann. Der skizzierte Dotplot hingegen zeigt eine klare Darstellung und eine effektive Nutzung der Linien. Die Trendlinie unterstützt dabei die Interpretation der Daten über Zeit. Da ein Fokus auf die Bewertungen stattfinden sollte, und ein Relationsvergleich stattfinden soll, wurde diese Art Dotplot bevorzugt. Ebenfalls können hier durch Signalfarben (Rot-Hot, Blau-Flop/Cold) für die besten und schlechtesten Bewertungen eingesetzt werden. Der Boxplot ermöglicht zwar einen Vergleich von Bewertungsspannen, jedoch ist hier kein zeitlicher Bezug zur Fragestellung vorhanden und somit weniger Expressivität. Auch zeigt die Trendlinie im Dotplot gut den Verlauf von Bewertungen. Auch der Vergleich ist dabei möglich durch ein einfaches Umschalten der Darstellungen (IMDb - RT) später. Darum wurde diese Möglichkeit verworfen. Der Dotplot mit Bildern ließe sich dabei einfach durch eine Checkbox auf dieselben Achsen aufzeichnen. Da Bilder für jeden Film eingesetzt wird, verringert sich der Fokus von den Bewertungen hin zur Veröffentlichung der einzelnen Filme, sowie eine Übersicht dieser. Die Darstellung erhöht auch den Wiedererkennungswert und eine leichtere Zuordnung. Diese Ansicht geht nur auf, da nicht zu schnell Filme hintereinander veröffentlicht werden, sodass die Überlappung nicht zu stark ausfällt und Übersichtlich bleibt. In Kombination mit dem skizzierten Dotplot kann somit sowohl auf die Veröffentlichung als auch auf die Bewertung genau eingegangen werden. Wichtig hierbei ist jedoch, dass ein hoher Data-Ink-Ratio beibehalten wird, also nicht zu viele unnötige Informationen dargestellt werden. Somit sollen auch Hintergrundlinien herausgenommen werden und die Fülle an Informationen auf jeweils einen Fokus gelegt werden.55:T10bb,##### Fragestellung 4

Visualisierung	Vorteile	Nachteile	Finale Aufnahme
Barchart (Horizontal)	Übersicht über alle je verwendeten Genre, Ansicht der Verteilung und Häufigkeit, Differenzierung Genre, Subgenre farblich möglich	Evtl. zu wenig Information/zu "einfach" für die Fragestellung, Evtl. durch sehr ähnliche Genre überladen (Urban Fantasy sehr ähnlich zu Fantasy)	✔
Heatmap	Schnelle Übersicht über alle Ähnlichkeiten aller Filme, Erkennung von Mustern und Extremen (Sehr ähnlich/unähnlich), Indirekte Darstellung über Zeit	Komplex in Aufarbeitung, Berechnungsmöglichkeit finden, Detailansicht zusätzlich	✔
Barchart (Vertikal)	Kleinere Übersicht über die verwendeten Genre, zusammengefasste Informationen	Keine Trennung Genre, Subgenre, Mehr Filme in den Genre als Filme vorhanden sind (verwirrend), Keine richtige Übersicht über alle Filmgenre, Keine Differenzierung Hauptgenre, Subgenre möglich	X
Wortwolke	Übersicht über Häufigkeiten aller Wörter, Erfassung der Handungszusammenfassung, Erkennung einer "Richtung" aller Pixar-Filme	Filterung nach Stopwörtern und Noise nötig, Häufigkeiten nur ungenau	✔

Das horizontale Barchart erscheint recht groß und durch viele sehr ähnliche Genre relativ redundant. Jedoch soll eine Übersicht erscheinen, was für Genre und Subgenre es gibt und wie diese verteilt sind. So einfach also ein Barchart ist, in diesem Fall ist es die effektivste und übersichtlichste Art der Visualisierung nominaler Daten. Im Vergleich sollte das vertikale Barchart für eine andere Ästhetik sorgen, die durch die hohe Anzahl an Genre nicht möglich wäre. Somit wurden einige Genre testweise zusammengefasst und skizziert. Hierbei ergaben sich bereits zwei Probleme. Zunächst die Frage welche Genre sich ähnlich genug waren, um zusammengefasst zu werden. Gehörte Time Travel zu Sci-Fi oder nicht? Oder in eine ganz andere Kategorie? Dies kann zu einer unklaren Datenstruktur und zu Verzerrungen führen. Das zweite Problem ergab sich daraus, dass einige Genre dadurch zu einer höheren Anzahl führten, als es Filme gab. Dies ergibt sich daraus, dass einige Filme mehrere Genre und Subgenre führen, die mit Fantasy zu tun haben. Diese Genre jedoch dann generell zu löschen könnte ebenfalls zu einer Verzerrung und Unklarheiten führen. Darum wurde die Idee verworfen. Ein weiterer Vorteil des horizontalen Barchart im Vergleich zur Skizze ist auch die Unterscheidung Genre/Subgenre. Dies kann zur weiterführenden Analyse nach der Heatmap verwendet werden. Diese wurde durch ihre hohe Expressivität und die Möglichkeit zur Exploration durch eine erweiterte Detailansicht aufgenommen. Die Heatmap bzw. Ähnlichkeitsmatrix beinhaltet zwar eine recht hohe kognitive Last, durch mögliche Interaktionen und Tooltip-Informationen können jedoch sämtliche Ähnlichkeits-Scores in einer Grafik verglichen werden. Hierbei muss jedoch die Farbskala gut gewählt sein, um eine gute Unterscheidung zu ermöglichen. Zuletzt wurde die Wortwolke in die Auswahl an Visualisierungen übernommen. Sie gibt eine schnelle Übersicht über alle bzw. die meistgenutzten Wörter in allen Handlungszusammenfassungen. Somit kann ein Bild gegeben werden, in welche Richtung sich alle Filme bewegen. Jedoch sollte hier beachtet werden, dass die Häufigkeit der Analyse im besten Falle als Tooltip übergeben wird und eventuell auch in welchen Filmen die Wörter vorkamen. (Nachtrag: Da hierfür ein externes Plugin verwendet wurde, konnte letzteres leider nicht umgesetzt werden. Jedoch wurde die Wortwokle nicht verworfen, da sie immernoch eine gute Übersicht über die wichtigsten Handlungsbegriffe liefert).56:T597,Zunächst soll es eine kurze Einleitung geben, welche den\*die Nutzer\*in auf das Thema vorbereitet. Danach soll eine Übersicht über die Filme und deren Bewertungen erfolgen, wobei hiernach auf die Filme selbst und deren Gemeinsamkeiten eingegangen wird. Anschließend soll es einen kurzen Themenübergang zu den Personen die hinter Pixar-Studio stehen geben und eine Analyse der verschiedenen Franchises. Abschließend soll eine Liste der angekündigten Pixar-Filmen auf die Zukunft und Aussichten des Studios und der Pixar-Filme eingegangen werden. Das Konzept ist also eine Sicht von der Vergangenheit der Filme, in die Gegenwart bis zur Zukunft des Pixar-Studios aufgrund der Fragestellungen. Anregung dazu gaben die ersten Toy Story Filme, dessen Fortsetzungen bis heute andauern. Zudem handelt der neueste Teil "Lightyear" unter anderem von Zeitreisen. Ebenfalls kann auf diese Weise eine lineare Story über die Analysen und die jeweiligen Ergebnisse erzählt werden. Dazu ist es notwendig, die Reihenfolge der bisherigen Fragestellungen anzupassen. Der Grund hierfür liegt darin, dass sich die Fragen über Budget, Firma und Fortsetzungen (Fragen 1 & 2) eher einen Fokus auf die Gegenwart und Zukunft liefern. Die Fragen 3 & 4 über vergangene Veröffentlichungen und Bewertungen, sowie Gemeinsamkeiten gehen eher vom Fokus der Vergangenheit auf die Gegenwart und bieten einen besseren Übergang auf die Fragen 1 & 2.57:T9eb,Pixar ist ein Animationsstudio mit vielen Filmen, die vor allem durch ihre Vielfältigkeit und oftmals auch durch ihr farbenfrohes und positives Erscheinen auffällt. Darum soll der Prototyp durch Bilder von bekannten Figuren aus dem Pixar-Universum unterstützt werden und dem\*der Nutzer\*in ein einfacheres "Eintauchen" in das Thema ermöglichen. Einleitend sollen Zitate verwendet werden und nostalgische Effekte auslösen. Generell soll eine fortlaufende Geschichte erzählt werden mit Einleitung, Hauptteil und Schluss/Ausblick und das generelle Theme von Pixar mit verschiedenen Farben und kleinen Gimmicks unterstützt werden. Für die Farbgebung wurde sich am generellen bunten Farbkonzept von Pixar orientiert. Der Erzählstil bzw. Schreibstil der Analyse soll persönlich sein und nicht distanziert. Für das Storytelling wurde sich auch Inspiration von https://observablehq.com/d/64781e57fa90878f geholt. Techniken für die Visualisierung haben sich vor allem auf Klarheit und Übersichtlichkeit bezogen mit Optionen zur detaillierten Analyse. Die Visualisierungen sollen leicht Interpretierbar sein und ansonsten durch Interaktivität in sich schlüssig sein. Das beste Beispiel hierfür ist die Heatmap. Sie bietet zwar eine Übersicht, erscheint zunächst jedoch komplexer. Durch Tooltips jedoch sollen durch Hover erste Informationen gegeben werden. Durch einen veränderten Mauszeiger und einem Border pro Zelle beim Hover soll der\*die Nutzer\*in zum Klicken animiert werden, wodurch unterhalb eine Detailansicht geöffnet wird, die die Genre beider Filme in der Zelle miteinander vergleicht. Da jedoch das gesamte Konstrukt relativ groß ist und durch eine Verkleinerung der Maus-Spielraum pro Zelle reduziert werden würde, wurde das Dropdown über der Heatmap dupliziert und die Filmauswahl (Film A & Film B) für die Detailansicht unter ebendiese gesetzt. Der Ablauf erfolgt wie geplant also folgendermaßen: Nachdem über eine Zelle gehovert wird öffnet sich ein Tooltip mit ersten Daten. Durch Klick wird der untere Bildschirmrand an die Detailansicht gescrollt. Es soll ersichtlich sein, dass die Heatmap und die Detailansicht zusammengehören. Um nun auch von unterhalb der Detailansicht eine gezielte Auswahlmöglichkeit zu geben, aber gleichzeitig den Abstand zwischen den beiden Blöcken nicht zu vergrößern, wurden die zugehörigen Dropdowns unter die Detailansicht gegeben. Somit soll größtmögliche Flexibilität gewährleistet sein, ohne dass der Nutzer oder die Nutzerin unnötig viel Scrollen muss.58:Tc76,#### Christina ##### Frage 1 ![image@14.png](${await FileAttachment("image@14.png").url()}) Die Top 12 Personen vertreten in Filmen, war ursprünglich Top 10 wurde aber erweitert, damit alle Personen die mindestens 5 Rollen hatten, inkludiert werden um die Daten nicht falsch anzuzeigen. Mit dem Tooltip bekommt man Informationen über die Filme und Rolle die die jeweilige Person übernommen hat. Im dazugehörigen Text wird beschrieben, dass die Regisseur:innen oft eine Rolle der Storywriter und Screenwriter übernehmen, weshalb Andrew Steward auf eine Anzahl von 20 kommt. ![image@17.png](${await FileAttachment("image@17.png").url()}) Der Vergleich zwischen den Rollen zeigt einerseits die Geschlechterverteilung und auch die Verteilung der Rollen. Die meisten Personen arbeiten immer an der Story und dem Drehbuch, die anderen Rollen übernimmt häufig nur eine Person pro Film. Es ist schnell erkennbar, dass der Großteil männlich ist. Eine Ausnahme sind die Producers wo es mehr Frauen gibt, in den Rollen der Directors und Musicians sind Frauen dagegen sehr selten vertreten. Co-Director war auch noch nie eine Frau. ![image@18.png](${await FileAttachment("image@18.png").url()}) Im Vergleich mit der Zeit wird ersichtlich, dass es einen positiven Trend gibt. Über den Tooltip erfahrt man welche Filme in dem Jahr veröffentlicht wurden. Da Pixar immer nur ein bis zwei Filme released und die Zahl der Rollen sehr begrenzt ist und die meist männlichen Producer meistens mehr Rollen übernehmen, schwankt der Frauenanteil oft zwischen den Jahren. ##### Frage 2 ![image@19.png](${await FileAttachment("image@19.png").url()}) Pixar veröffentlicht mit 10 von 28 sehr oft Fortsetzungen. ![image@20.png](${await FileAttachment("image@20.png").url()}) Es sind dadurch sechs Franchises entstanden, die meisten davon haben jeweils zwei Filme. ![image@21.png](${await FileAttachment("image@21.png").url()}) Wenn man die unterschiedlichen Franchises auswählt und die Ratings vergleicht, sieht man dass sie immer schlechter abschneiden als die Originale. Der Unterschied ist aber nur klein, Zuschauer*innen schauen sich also durch aus gerne Sequels an, das Original ist allerding immer beliebter. Eine Ausnahme ist Toy Story, wobei Toy Story 2 bei Rotten Tomatoes und Toy Story 3 bei IMDB gleich gut (aber nicht besser) wie das Original bewertet wird. ![image@22.png](${await FileAttachment("image@22.png").url()}) ![image@23.png](${await FileAttachment("image@23.png").url()}) Die Fortsetzungen schneiden immer besser in der Boxoffice ab als das Original, was sicher auch durch die Inflation erklärt werden kann, weshalb der User auch den ROI anzeigen lassen kann. Ausreißer sind dabei Cars 3 und Lightyear, die Begründungen dafür werden im dazugehörigen Text diskutiert (Enttäuschung von Cars 2 und die Veröffneltichung auf Disney+ während COVID-19). ![image@24.png](${await FileAttachment("image@24.png").url()}) Den höchsten ROI bei den Fortsetzungen hat Inside Out 2, den schlechtesten Lightyear. ![image@25.png](${await FileAttachment("image@25.png").url()}) Den höchsten ROI insgesamt hat Toy Story, was zeigt wie erfolgreich Pixar gestartet hat.59:T2042,#### Sandra ##### Fragestellung 3: Wie wurden Pixar-Filme im Laufe der Zeit veröffentlicht und wie hat sich das Rating über die Zeit verändert? ![grafik@9.png](${await FileAttachment("grafik@9.png").url()}) Anhand des Bild-Plot über Zeit wird die Veröffentlichung der Filme fokussiert. Insgesamt sind 28 Filme erschienen seit 1995 mit Toy Story. Erkennbar ist, dass in den letzten vier Jahren so viele Filme veröffentlicht wurden, wie in den ersten elf Jahren. Seitdem wurde jedes Jahr mindestens ein Film veröffentlicht. Ausnahme bildet hier 2014, wo es zu einem Produktionsstop des Films The Good Dinosaur kam. ![grafik@10.png](${await FileAttachment("grafik@10.png").url()}) ![grafik@11.png](${await FileAttachment("grafik@11.png").url()}) Durch Auswahl des Score-Vergleichs ändert sich die Ansicht. Erkennbar ist ein Dotplot mit farblicher Darstellung der besten und schlechtesten bewertesten Filme. Eine verbindende Linie zeigt die Reihenfolge und Relation zu benachbarten Punkten. Man kann hierbei auswählen zwischen IMDb- und RT-Score, wobei der jeweils andere Graph gestrichelt im Hintergrund angedeutet wird. Dabei muss beachtet werden, dass kein Direktvergleich zwischen den Scores möglich ist, denn die Bewertungsskalen sind aneinander skaliert. Generell fällt jedoch auf, dass die Bewertung bei IMDB bedeutend weniger schwankt. Grund hierfür sind die verschiedenen Bewertungsbasen (Kritiker\*innen vs. Zuschauer\*innen). Beispielsweise sind die beliebstesten Filme bei IMDb sind Wall-E und Coco, bei RT jedoch Toy Story und Toy Story 2. Was weiterhin bei beiden Scores auffällt ist Cars 2. RT hat hier auffallend negative Bewertung hinterlassen. Der Grund hierfür ist laut Diskussionen eine Änderung der Handlung und des Genre vom Fokus Familie und Freundschaft zu Car Action, Crime und Spy. Allerdings ist Lightyear bei IMDB noch etwas schlechter bewertet worden. Somit scheint eine gewisse Diskrepanz zwischen Zuschauer\*innenwertung und Kritiker\*innenwertung vorzuliegen. Interessant ist ebenfalls die Trendlinie beider Scores, denn beide fallen ab. Dies liegt vor allem an Cars 2, doch auch Lightyear senkte den diese Linie. Generell fällt die Linie weniger stark bei IMDB als bei RT, dennoch scheinen die Pixar-Filme über Zeit immer schlechter bewertet zu werden. ##### Fragestellung 4: Können gemeinsame Themen oder sich überschneidende Erzählelemente in den Pixar-Filmen identifiziert und untersucht werden? ![grafik@13.png](${await FileAttachment("grafik@13.png").url()})
Für die Ähnlichkeitsmatrix wurde der Jaccard-Index herangezogen, welcher als Zusammenhangsmaß der Ähnlichkeit zwischen zwei Mengen (Genre) gilt. Dabei wird die Schnittmenge von Film A und Film B durch die Vereinigungsmenge selbiger dividiert. Heraus kommt ein Wert zwischen 0 und 1, wobei ein höherer Wert gleich einer höheren Ähnlichkeit bzw. mehr Überschneidungen der Genre gleichgesetzt wird. Ersichtlich an der Matrix ist, dass sich die ersten vier Filme vom Genre recht ähnlich sind. Sie alle lassen sich in Adventure, Animation, Comedy und Computer Animation einteilen. Toy Story und Monsters, Inc. sind dabei absolut identisch. ![grafik@16.png](${await FileAttachment("grafik@16.png").url()}) Weiters stechen im Vergleich Wall-E und Lightyear hervor durch den relativ dunklen (=niedrigen) Jaccard-Score. Lightyear ist zwar ein Prequel von Toy Story, dreht sich jedoch um den gleichnamigen Character, der in einer Sci-Fi-Welt agiert. ![grafik@22.png](${await FileAttachment("grafik@22.png").url()}) Interessant ist dabei, dass beide gegeneinander verglichen allerdings einen im Vergleich recht hohen Score haben. Bei Lightning kommen nur einzelne Filme über diesen Score, bei Wall-E keiner. Dies ist bedeutsam, da Wall-E als bester und Lightyear als schlechtester Film bei IMDb gilt. Weiterhin gibt bei der gesamten Übersicht keinen Wert unter 0.2. Somit scheinen sich alle Filme zu ähneln. Um dies weiter zu untersuchen, wurde zwischen Genre und Subgenre differenziert. ![grafik@14.png](${await FileAttachment("grafik@14.png").url()})
Die Auswahl anhand nur Genre führt zu dieser Ansicht. Jeder Film besitzt bei genauerer Untersuchung die Hauptgenre Adventure, Animation und Comedy, nur sieben Filme unterscheiden sich durch ein einzelnes anderes Genre. Durch herausfiltern dieser Informationen aus der ersten Matrix ergibt sich folgende Darstellung: ![grafik@15.png](${await FileAttachment("grafik@15.png").url()})
Auffällig ist, dass nicht nur Wall-E weiterhin sich von den meisten anderen am deutlichsten unterscheidet. In dieser Subgenre-Ansicht sticht unter anderem Cars 2 auch mehr hervor. Dies liegt daran, dass Pixar sich hier generell von anderen Pixar Filmen distanziert hat. Während dies jedoch bei Wall-E zu besseren Bewertungen geführt hat, erlitt Cars 2 einen Tiefpunkt des RT-Scores. ![grafik@17.png](${await FileAttachment("grafik@17.png").url()}) Wenn man sich beide Filme im Vergleich genauer ansieht, erkennt man, dass sie den niedrigsten Ähnlichkeitswert aufweisen (0.2/0.09). Jedoch verlässt sich Wall-E eher auf Adventure und Family, ist somit direkt an Familien gerichtet, während Cars 2 eher in Richtung Motorsport, Crime und Spy geht. ![grafik@18.png](${await FileAttachment("grafik@18.png").url()}) Für eine anschließende Übersicht über alle Genre und Subgenre und deren Verteilung wurde nun dieses Barchart eingesetzt. Wie bereits im Vorfeld ermittelt sind die Genres Adventure und Animation in jedem einzelnen Film vertreten, sowie das Subgenre Computer Animation, dicht gefolgt von Comedy. Dies führt zu den veränderten Ergebnissen, sobald man die Hauptgenres in der Ähnlichkeitsmatrix filtert. Weiters sind die verbreitesten Genres verschiedene Auslegungen von Fantasy und Adventure. Erkennbar ist hier auch, dass Pixar mehrmals mit Genre "gespielt" hat und weniger erfolgreiche wie Crime und Spy (Cars 2) seitdem nicht nochmal eingesetzt hat. Das Thema Sci-Fi scheint seit Wall-E von Pixar jedoch öfter verwendet worden zu sein. ![grafik@19.png](${await FileAttachment("grafik@19.png").url()}) zuletzt wurde die Wortwolke verwendet, um nicht nur die Genre zu untersuchen, sondern auch die Handlung der einzelnen Filme zusammenzufassen und ein gemeinsames Hintergrundthema oder größere Abweichungen zu identifizieren. Ungefiltert stechen vor allem Füllwörter (the, and, a, ...) heraus, die im nächsten Schritt herausgefiltert werden. ![grafik@20.png](${await FileAttachment("grafik@20.png").url()}) Hierdurch sind relevantere Wörter deutlicher erkennbar. Bereits hier sind bildliche Wörter wie "kingdom", "rescue", "spaceman", "princess" und weitere erkennbar. Jedoch befinden sich hier auch viele einzelne Wörter, die nur einmalig vorkommen über alle Filme. Diese werden nun ebenfalls gefiltert. ![grafik@21.png](${await FileAttachment("grafik@21.png").url()}) Hierdurch sind jene Wörter übrig, die mehrmals in allen Filmen vorkommen. Besonders häufig sind "new", "world", "toy", "family", "race", "save", "monsters" und "woody". Woody ist der Protagonist der Toy Story Reihe, welche sich bisher über vier Hauptteile zieht. Interessanterweise ist das Genre "Family" nur einmal in allen Filmen vertreten, jedoch mehrmals auch Teil der eigentlichen Handlung. Wall-E hat als einziger Film das Genre "Family", wodurch sich abzeichnet, dass das Genre in diesem Fall auf eine spezielle Zielgruppe zurückzuführen ist und das Thema selbst öfters bearbeitet wird. Generell lässt sich in dieser Ansicht erkennen, dass Pixar sich auf die jüngere Generation (teenage, young, children) spezialisiert hat, jedoch auch Erwachsenen und Familien (house, home, family, together) ein Abenteuer (adventure, action, mission) bietet und mit auf eine Reise (journey, way, travels) nimmt. Zusammenfassend für Fragestellung 4 gibt es eine Überscheidung fast aller Hauptgenre, wobei Animation und Compoter Animation für ein Animationsstudio bezeichnend ist. Doch nach Filterung dessen ist ersichtlich, dass Pixar immer neue Geschichten und Genre ausprobiert, und die erfolgreichen Genre auch wiederverwendet. Jedoch zeigt sich im Plot, dass das Studio sich gerne auf bewährte Handlungsmuster verlässt und damit bestimmte Zielgruppen anspricht.5a:[{"id":"d47c29bd1a10141cbcf939599d61a853a1bcb17222913fcb1ec5b1f1e75e4b3601446e336a6865f1f53e6835959a7ccb60ca7d89535c6e5eec189dc996f7632a","href":"https://static.observableusercontent.com/files/d47c29bd1a10141cbcf939599d61a853a1bcb17222913fcb1ec5b1f1e75e4b3601446e336a6865f1f53e6835959a7ccb60ca7d89535c6e5eec189dc996f7632a","name":"grafik@1.png","type":"image/png","lastModified":1755096912289.124,"size":50659},{"id":"9881677fce5c18a55b37f5d350ac3b87b00c6ccd315c1f088dcf19d6332f9167567cf03a88b02f7454405aeeeda8d405155b92287fc1546b58bdfb59b04c19ae","href":"https://static.observableusercontent.com/files/9881677fce5c18a55b37f5d350ac3b87b00c6ccd315c1f088dcf19d6332f9167567cf03a88b02f7454405aeeeda8d405155b92287fc1546b58bdfb59b04c19ae","name":"grafik@2.png","type":"image/png","lastModified":1755096912289.124,"size":12275},{"id":"81e1f84f1e5c4b88071076ce225b27b862c8347c40a1c207f5b891d44ded59a7c9cf95da1e5ab5f323f6d2078edbb979d4659f7f1d59f5d9646212d3785359d7","href":"https://static.observableusercontent.com/files/81e1f84f1e5c4b88071076ce225b27b862c8347c40a1c207f5b891d44ded59a7c9cf95da1e5ab5f323f6d2078edbb979d4659f7f1d59f5d9646212d3785359d7","name":"grafik@13.png","type":"image/png","lastModified":1755096912289.124,"size":60020},{"id":"a073515d3488299429040ef0534c766f5c099fc7888ce0b86b41cf49b69ac174ebb9d0d61c396d6da708e120196283b2968588cec3c0e1c3862ebb2c836eb82d","href":"https://static.observableusercontent.com/files/a073515d3488299429040ef0534c766f5c099fc7888ce0b86b41cf49b69ac174ebb9d0d61c396d6da708e120196283b2968588cec3c0e1c3862ebb2c836eb82d","name":"grafik@14.png","type":"image/png","lastModified":1755096912289.124,"size":54175},{"id":"0a187911e7ac79d514505cbf1d50d7c5e8ce836fc70b3abd594230b4fb7d2e11a32d9504ddbfa2939494838cbf8b160f424b19a13561766f65725efde7b16d14","href":"https://static.observableusercontent.com/files/0a187911e7ac79d514505cbf1d50d7c5e8ce836fc70b3abd594230b4fb7d2e11a32d9504ddbfa2939494838cbf8b160f424b19a13561766f65725efde7b16d14","name":"image@20.png","type":"image/png","lastModified":1755096912289.124,"size":224924},{"id":"9e5079c0391263f93dcd6ae7e6ae267ffcd33783e3e5db475561d4330393013912227938d8f5856d79735eb142ec4a1b318bc3c58f5ef8a479a9de757f0eccce","href":"https://static.observableusercontent.com/files/9e5079c0391263f93dcd6ae7e6ae267ffcd33783e3e5db475561d4330393013912227938d8f5856d79735eb142ec4a1b318bc3c58f5ef8a479a9de757f0eccce","name":"used_pixar_titles-1.csv","type":"text/csv","lastModified":1755096912289.124,"size":410},{"id":"d96e5f0d30db75eae8c4d064a74fbbf97c9de3c20253ae420401c46893231af9f9da75dd24dc37950c18ff7fd5949d33afa4151f3a7715da31eda67df5bfc627","href":"https://static.observableusercontent.com/files/d96e5f0d30db75eae8c4d064a74fbbf97c9de3c20253ae420401c46893231af9f9da75dd24dc37950c18ff7fd5949d33afa4151f3a7715da31eda67df5bfc627","name":"grafik.png","type":"image/png","lastModified":1755096912289.124,"size":67267},{"id":"2a758ced7bc17f1c245b0d79df8f5a3f46877367d11bd5d617d0e89d5465aa30b39dfa763720fbb9d995078f19f288fe23905fe92be8b7a7d9e57acb0f787eb8","href":"https://static.observableusercontent.com/files/2a758ced7bc17f1c245b0d79df8f5a3f46877367d11bd5d617d0e89d5465aa30b39dfa763720fbb9d995078f19f288fe23905fe92be8b7a7d9e57acb0f787eb8","name":"grafik@3.png","type":"image/png","lastModified":1755096912289.124,"size":24023},{"id":"5f5d3d2edcc2ea549c54364cb3a2288551fc517c6de9c48f775f48ba14cfd17325e9270ba98bf1ca181621884f93a375e2d6cdc230866d7364af9089fb2023c5","href":"https://static.observableusercontent.com/files/5f5d3d2edcc2ea549c54364cb3a2288551fc517c6de9c48f775f48ba14cfd17325e9270ba98bf1ca181621884f93a375e2d6cdc230866d7364af9089fb2023c5","name":"grafik@4.png","type":"image/png","lastModified":1755096912289.124,"size":914186},{"id":"03be605ba22e95d0624b18df53b2a92512b9b623ae8f780c4705eb95f013ff34f2f8e84cf03571cd0a9534fdb8c63e2272e4cd186a6c7969d97421763487c5e2","href":"https://static.observableusercontent.com/files/03be605ba22e95d0624b18df53b2a92512b9b623ae8f780c4705eb95f013ff34f2f8e84cf03571cd0a9534fdb8c63e2272e4cd186a6c7969d97421763487c5e2","name":"grafik@5.png","type":"image/png","lastModified":1755096912289.124,"size":1118916},{"id":"b818f9e078fdb7870592008e6562625d0c1290f4944a3ae5c4e6fdfbc98061983651c3251c09070395c77b615669db113fcc87821a6da14a62676b468494839d","href":"https://static.observableusercontent.com/files/b818f9e078fdb7870592008e6562625d0c1290f4944a3ae5c4e6fdfbc98061983651c3251c09070395c77b615669db113fcc87821a6da14a62676b468494839d","name":"grafik@6.png","type":"image/png","lastModified":1755096912289.124,"size":2887458},{"id":"8d1bfe9308e90c934314684284993393be181f2566108f2426ae874e45ba7480c1914ea79d97bcd3bd93d1e25c7b0edfcb23dc8082b151e882144809b51d1bae","href":"https://static.observableusercontent.com/files/8d1bfe9308e90c934314684284993393be181f2566108f2426ae874e45ba7480c1914ea79d97bcd3bd93d1e25c7b0edfcb23dc8082b151e882144809b51d1bae","name":"grafik@7.png","type":"image/png","lastModified":1755096912289.124,"size":1821318},{"id":"70401c1b12eb73be577d13ffe70c6094a16556785f4c2a85fc0158411ca41f4931ca95d591af5941bb19d9a6e6abc57d16fa363f306b68d3d5136388c5c4919b","href":"https://static.observableusercontent.com/files/70401c1b12eb73be577d13ffe70c6094a16556785f4c2a85fc0158411ca41f4931ca95d591af5941bb19d9a6e6abc57d16fa363f306b68d3d5136388c5c4919b","name":"grafik@8.png","type":"image/png","lastModified":1755096912289.124,"size":417429},{"id":"bbb77ea215dccc0af173556265a2dd2d8b7df10a1350820adbe8ce76a69e4520f6a2655fe0a5e9812b8c48ec7735fa8165ae2839e61c3d6c3b6b6eb7dff487bd","href":"https://static.observableusercontent.com/files/bbb77ea215dccc0af173556265a2dd2d8b7df10a1350820adbe8ce76a69e4520f6a2655fe0a5e9812b8c48ec7735fa8165ae2839e61c3d6c3b6b6eb7dff487bd","name":"grafik@9.png","type":"image/png","lastModified":1755096912289.124,"size":289169},{"id":"f31e20a7775031285d6324efb7c8f07e6a26906b60bf8cffad6939a2ba8652cfe85af417891b8410e806c31a9a9956b46786cb5b0cf614d65333748d10f720cd","href":"https://static.observableusercontent.com/files/f31e20a7775031285d6324efb7c8f07e6a26906b60bf8cffad6939a2ba8652cfe85af417891b8410e806c31a9a9956b46786cb5b0cf614d65333748d10f720cd","name":"grafik@10.png","type":"image/png","lastModified":1755096912289.124,"size":192550},{"id":"67f23d9731d3b933c0a85db62b8839f1f959496e0893feed233011dc5441c3861cab9a2c3ba45ed73a5e5b2c408c936601e7057e71c1241f6caf60fd7cef3cc5","href":"https://static.observableusercontent.com/files/67f23d9731d3b933c0a85db62b8839f1f959496e0893feed233011dc5441c3861cab9a2c3ba45ed73a5e5b2c408c936601e7057e71c1241f6caf60fd7cef3cc5","name":"grafik@11.png","type":"image/png","lastModified":1755096912289.124,"size":197831},{"id":"daa9775193e8bf3143fc74916afcaa863e3227002c5c3617c83e36ed6eabd1acade6b9b8a1582886fb684844eae7672dfde714a3fb116a51ad0dcbd66f8d5e76","href":"https://static.observableusercontent.com/files/daa9775193e8bf3143fc74916afcaa863e3227002c5c3617c83e36ed6eabd1acade6b9b8a1582886fb684844eae7672dfde714a3fb116a51ad0dcbd66f8d5e76","name":"grafik@15.png","type":"image/png","lastModified":1755096912289.124,"size":54573},{"id":"c603b8a10883d484d9aa171b0e7e31b5b03379dc5015ee88af6d017fe4b02599aeb25891d7a62a55d630588ef9b7fc2aba14e36cf154e85cd45dee411a9c0ea4","href":"https://static.observableusercontent.com/files/c603b8a10883d484d9aa171b0e7e31b5b03379dc5015ee88af6d017fe4b02599aeb25891d7a62a55d630588ef9b7fc2aba14e36cf154e85cd45dee411a9c0ea4","name":"grafik@16.png","type":"image/png","lastModified":1755096912289.124,"size":54771},{"id":"eb3de620ca13672de74f1675aebd75cacb4b92dc7fe565f382f000522646e92f722c32fd90ac7b3d70bbdb183c2aa271f956061d905b29424cca16dc18ec4a18","href":"https://static.observableusercontent.com/files/eb3de620ca13672de74f1675aebd75cacb4b92dc7fe565f382f000522646e92f722c32fd90ac7b3d70bbdb183c2aa271f956061d905b29424cca16dc18ec4a18","name":"grafik@17.png","type":"image/png","lastModified":1755096912289.124,"size":52141},{"id":"1ee60246b19194e4e820796a4d195dc531d7659d62326fe1d94684b5add53598228fddebfc75e6b2e170c8a32150d741ab71f94bc5eaa4ade5e257c6b8362029","href":"https://static.observableusercontent.com/files/1ee60246b19194e4e820796a4d195dc531d7659d62326fe1d94684b5add53598228fddebfc75e6b2e170c8a32150d741ab71f94bc5eaa4ade5e257c6b8362029","name":"grafik@18.png","type":"image/png","lastModified":1755096912289.124,"size":57757},{"id":"4edbd1b7765e246248a1599354fb06659dd68ab2a7bfd5a9481ef25db1d9106b801e064ce2b1a58e51a3ce1cc41b2e5a1b4122b5d173efb2f8e97c00abb8c206","href":"https://static.observableusercontent.com/files/4edbd1b7765e246248a1599354fb06659dd68ab2a7bfd5a9481ef25db1d9106b801e064ce2b1a58e51a3ce1cc41b2e5a1b4122b5d173efb2f8e97c00abb8c206","name":"grafik@19.png","type":"image/png","lastModified":1755096912289.124,"size":642598},{"id":"ca9c2d2abf81337cfe9c721458c277a0f431a256d21b162f0e6c577ff42055dfb74c16369441d67aba65b8449d2f3ed462286a7ae69b9e13eda3a913a61bf392","href":"https://static.observableusercontent.com/files/ca9c2d2abf81337cfe9c721458c277a0f431a256d21b162f0e6c577ff42055dfb74c16369441d67aba65b8449d2f3ed462286a7ae69b9e13eda3a913a61bf392","name":"grafik@21.png","type":"image/png","lastModified":1755096912289.124,"size":551753},{"id":"7732812ba978f742ac4dd921cf033a9170b991157f77bff8cc0faa4da3743950001f54c874d7d7fb1ef6dd00476255be2f64db7cad5e10a94e5fcfa5966ca505","href":"https://static.observableusercontent.com/files/7732812ba978f742ac4dd921cf033a9170b991157f77bff8cc0faa4da3743950001f54c874d7d7fb1ef6dd00476255be2f64db7cad5e10a94e5fcfa5966ca505","name":"grafik@20.png","type":"image/png","lastModified":1755096912289.124,"size":643911},{"id":"41d2077d75bf79aef62b61e4f9e50714c8ef07e2c0860bf5886043311c8bc7a5def7c0e04913de12306f7862122c5e3754cf3887e29f40b7508bd5ad89750b4a","href":"https://static.observableusercontent.com/files/41d2077d75bf79aef62b61e4f9e50714c8ef07e2c0860bf5886043311c8bc7a5def7c0e04913de12306f7862122c5e3754cf3887e29f40b7508bd5ad89750b4a","name":"grafik@22.png","type":"image/png","lastModified":1755096912289.124,"size":57135},{"id":"fc22757e93f27e41017a4ba92e95bfe526e589b15bf99982f728e0c2db93b591714fef23020ccc92213368da4a00686ce3e39a9ef9825fe48e62b1072c9bca9d","href":"https://static.observableusercontent.com/files/fc22757e93f27e41017a4ba92e95bfe526e589b15bf99982f728e0c2db93b591714fef23020ccc92213368da4a00686ce3e39a9ef9825fe48e62b1072c9bca9d","name":"image.png","type":"image/png","lastModified":1755096912289.124,"size":408915},{"id":"ce944c660d6f6e990803a4045143d7f25a98bd6f6722f576abe8828ca63ff8a2e9dcb7e75b3c133871d22d479d76ef9a893081acc97132d2e966f1a36d65794e","href":"https://static.observableusercontent.com/files/ce944c660d6f6e990803a4045143d7f25a98bd6f6722f576abe8828ca63ff8a2e9dcb7e75b3c133871d22d479d76ef9a893081acc97132d2e966f1a36d65794e","name":"image@1.png","type":"image/png","lastModified":1755096912289.124,"size":385366},{"id":"a350149711bffaae51757d246afec108b528703b11b8b7859de177598757afdcd62701f57a55fa7110635d56c99ab0d5834c5eb7e5abdebad02e28d6a267154e","href":"https://static.observableusercontent.com/files/a350149711bffaae51757d246afec108b528703b11b8b7859de177598757afdcd62701f57a55fa7110635d56c99ab0d5834c5eb7e5abdebad02e28d6a267154e","name":"image@2.png","type":"image/png","lastModified":1755096912289.124,"size":125005},{"id":"fc710181ad4aa3c1a4b92f66ad77afb7f02788a9b3c7e4f65850be67519b0ed8df4c498670408c31e57ac535cd9d3722c3d3df79929cd5dc4a8632b181cf3382","href":"https://static.observableusercontent.com/files/fc710181ad4aa3c1a4b92f66ad77afb7f02788a9b3c7e4f65850be67519b0ed8df4c498670408c31e57ac535cd9d3722c3d3df79929cd5dc4a8632b181cf3382","name":"image@3.png","type":"image/png","lastModified":1755096912289.124,"size":278838},{"id":"686c81d19b16338190af2554322b471aac35f41a37864eb5cf431c9199d92b473f1bcbdf84e7f5687d31f6a458bc852af69c4118ba3b24cf7cb17e82647369c1","href":"https://static.observableusercontent.com/files/686c81d19b16338190af2554322b471aac35f41a37864eb5cf431c9199d92b473f1bcbdf84e7f5687d31f6a458bc852af69c4118ba3b24cf7cb17e82647369c1","name":"image@4.png","type":"image/png","lastModified":1755096912289.124,"size":233804},{"id":"5806d52fa0fd13d290bcc8eda3e8b764f08fa34739cc4ecfa5dc5202c6f0a3b9f1f765fddccf98abd71a7333dbe9ef0a7dfe2cb8821da807e902ad2538638659","href":"https://static.observableusercontent.com/files/5806d52fa0fd13d290bcc8eda3e8b764f08fa34739cc4ecfa5dc5202c6f0a3b9f1f765fddccf98abd71a7333dbe9ef0a7dfe2cb8821da807e902ad2538638659","name":"image@5.png","type":"image/png","lastModified":1755096912289.124,"size":353766},{"id":"431b0806d329c8bf6208af6bc7220da779fd1c0ce159dc862281bfe01f8e6343e8c80564891f09b90bfa654ef6dd65884b2ec9764810f105ed659b93e813c25d","href":"https://static.observableusercontent.com/files/431b0806d329c8bf6208af6bc7220da779fd1c0ce159dc862281bfe01f8e6343e8c80564891f09b90bfa654ef6dd65884b2ec9764810f105ed659b93e813c25d","name":"image@6.png","type":"image/png","lastModified":1755096912289.124,"size":467135},{"id":"56ccd49d051d3860f155d9a1d3053723070bbd68a1bec8443424d789b272ab2edb09cc7020fe6b1f6e34a4213dd88a274f483b63ed5595010cf318f2cf2b26e1","href":"https://static.observableusercontent.com/files/56ccd49d051d3860f155d9a1d3053723070bbd68a1bec8443424d789b272ab2edb09cc7020fe6b1f6e34a4213dd88a274f483b63ed5595010cf318f2cf2b26e1","name":"image@7.png","type":"image/png","lastModified":1755096912289.124,"size":1006353},{"id":"fc840bf612f3cb6d80e2f77531e92b0eed9716f3f01365bcc83728c4bd41c9c7ca71045e246d4058e61a1c18d0b453b40b42583308280c674cda6f0c82685170","href":"https://static.observableusercontent.com/files/fc840bf612f3cb6d80e2f77531e92b0eed9716f3f01365bcc83728c4bd41c9c7ca71045e246d4058e61a1c18d0b453b40b42583308280c674cda6f0c82685170","name":"image@8.png","type":"image/png","lastModified":1755096912289.124,"size":118224},{"id":"eb0b8159996406f7610bcd8aad46ba682eed5cf3cc7f9c2eef5106f22dbdf40d711e66e570259d1d9ea5deec4a28dcd0a01e344266702b3967f22a8be487ac38","href":"https://static.observableusercontent.com/files/eb0b8159996406f7610bcd8aad46ba682eed5cf3cc7f9c2eef5106f22dbdf40d711e66e570259d1d9ea5deec4a28dcd0a01e344266702b3967f22a8be487ac38","name":"image@9.png","type":"image/png","lastModified":1755096912289.124,"size":68289},{"id":"8498412c3c8f1d7c2b16be7a730972331c88dc81096f46a1a0bc0ba5ff81c908c40974e9afcb340c2a9e843e942a147d590aba8df3523d1b6a186c58859efb26","href":"https://static.observableusercontent.com/files/8498412c3c8f1d7c2b16be7a730972331c88dc81096f46a1a0bc0ba5ff81c908c40974e9afcb340c2a9e843e942a147d590aba8df3523d1b6a186c58859efb26","name":"newplot.png","type":"image/png","lastModified":1755096912289.124,"size":51446},{"id":"ead8ed1eb84022ce20ae8b5f85bdd05376a8c0f054c5a95376242aa43a861496fbd5869ef626350df092f4d979e8aa940e7158d44faeee96e242e046d0530bef","href":"https://static.observableusercontent.com/files/ead8ed1eb84022ce20ae8b5f85bdd05376a8c0f054c5a95376242aa43a861496fbd5869ef626350df092f4d979e8aa940e7158d44faeee96e242e046d0530bef","name":"image@12.png","type":"image/png","lastModified":1755096912289.124,"size":56384},{"id":"fc80ce2564af1b0aa1120bb293c9aa355f0f70b07a652775505fd6a3da5d08a5874fc9706fb79e8d8f634830095d08623af35a57060856eb45adeaa6aac59813","href":"https://static.observableusercontent.com/files/fc80ce2564af1b0aa1120bb293c9aa355f0f70b07a652775505fd6a3da5d08a5874fc9706fb79e8d8f634830095d08623af35a57060856eb45adeaa6aac59813","name":"image@14.png","type":"image/png","lastModified":1755096912289.124,"size":21510},{"id":"f91d618dec8500b80424ed61280704c6defebc870f4f3492c130b33a80039ab862adfb14d1c8a038fa1272b4e8bc82cd3a61be0bed92725c843b82b436a245b9","href":"https://static.observableusercontent.com/files/f91d618dec8500b80424ed61280704c6defebc870f4f3492c130b33a80039ab862adfb14d1c8a038fa1272b4e8bc82cd3a61be0bed92725c843b82b436a245b9","name":"image@17.png","type":"image/png","lastModified":1755096912289.124,"size":38460},{"id":"3b75a577656e3f7d96d7f2d0767a4ee03780ca1e0e8e6e3e67be650c4f7430dd257e9d40f2ec33fdfa29113825021f6af22e9d43da3509d7eec25a6db0f966c0","href":"https://static.observableusercontent.com/files/3b75a577656e3f7d96d7f2d0767a4ee03780ca1e0e8e6e3e67be650c4f7430dd257e9d40f2ec33fdfa29113825021f6af22e9d43da3509d7eec25a6db0f966c0","name":"image@18.png","type":"image/png","lastModified":1755096912289.124,"size":100369},{"id":"e4cd83529a50ab62d30b626421b161a7b35f787eefe5cb71c8d50c0f8fb342a702570d65874c87720b9ff311b6a803d45736f88ad2e602f3c3a64a910831ee2c","href":"https://static.observableusercontent.com/files/e4cd83529a50ab62d30b626421b161a7b35f787eefe5cb71c8d50c0f8fb342a702570d65874c87720b9ff311b6a803d45736f88ad2e602f3c3a64a910831ee2c","name":"image@19.png","type":"image/png","lastModified":1755096912289.124,"size":15170},{"id":"6b0eec80f64e7897ad714440f9e39fb71b62465f77708188e514ee2791ae446391ec8df87968c48e6f2d2ef0f7a374e5b5f0c4c20b0f0811798d974a368f42b2","href":"https://static.observableusercontent.com/files/6b0eec80f64e7897ad714440f9e39fb71b62465f77708188e514ee2791ae446391ec8df87968c48e6f2d2ef0f7a374e5b5f0c4c20b0f0811798d974a368f42b2","name":"image@21.png","type":"image/png","lastModified":1755096912289.124,"size":202613},{"id":"a18bf9b2ba027325c6b8170ef3d99bb4e7767e42f2c7adf45319671de8efd5284ba297b191e247ee42ff42718f32050a17a01f8f9c94fee43d19ca9f66916ef4","href":"https://static.observableusercontent.com/files/a18bf9b2ba027325c6b8170ef3d99bb4e7767e42f2c7adf45319671de8efd5284ba297b191e247ee42ff42718f32050a17a01f8f9c94fee43d19ca9f66916ef4","name":"image@22.png","type":"image/png","lastModified":1755096912289.124,"size":36409},{"id":"0bded0ab2f455a0bc11653d902bb2db37bef42733e618c9a1e633d869e2e392b461323bf88d1f4d5815bd35e6ae61feadad872015d5d8daf755c0e789a7ed162","href":"https://static.observableusercontent.com/files/0bded0ab2f455a0bc11653d902bb2db37bef42733e618c9a1e633d869e2e392b461323bf88d1f4d5815bd35e6ae61feadad872015d5d8daf755c0e789a7ed162","name":"image@23.png","type":"image/png","lastModified":1755096912289.124,"size":27257},{"id":"942937d0fa635296849708a9015179272cfa5672ac20ce049964c8cc4742e28ffd8d14d6489154c5aebd7eca08435f92abc06ee41ba480aeea87544d2d393ab9","href":"https://static.observableusercontent.com/files/942937d0fa635296849708a9015179272cfa5672ac20ce049964c8cc4742e28ffd8d14d6489154c5aebd7eca08435f92abc06ee41ba480aeea87544d2d393ab9","name":"image@24.png","type":"image/png","lastModified":1755096912289.124,"size":15216},{"id":"bdb5576074bf7f49c6ce04868197c3573d587a6ad02b9605aacb6e754cd490d71bb2c534a6920ff19065100e6c8601f951e212dbfc8a44f869911ab6f1135e2d","href":"https://static.observableusercontent.com/files/bdb5576074bf7f49c6ce04868197c3573d587a6ad02b9605aacb6e754cd490d71bb2c534a6920ff19065100e6c8601f951e212dbfc8a44f869911ab6f1135e2d","name":"image@25.png","type":"image/png","lastModified":1755096912289.124,"size":24650},{"id":"48c0273090c16033a12a4f9be644901f03268cb1522ff3d98a94f51f6368b85e8e31739ff967c5a0b4f95868e70c08a33d9f41307ede323ab60f52761c23bb75","href":"https://static.observableusercontent.com/files/48c0273090c16033a12a4f9be644901f03268cb1522ff3d98a94f51f6368b85e8e31739ff967c5a0b4f95868e70c08a33d9f41307ede323ab60f52761c23bb75","name":"used_pixar_public_response.csv","type":"text/csv","lastModified":1755096912289.124,"size":489},{"id":"98d7c93121879d25055be8cd239a68d1c3b652fccd564895d30b2508b98b6252e68b0c6a0c61dcf9bd716c2e0f929aaadce05fb72ce8902d6189fbf52de95c64","href":"https://static.observableusercontent.com/files/98d7c93121879d25055be8cd239a68d1c3b652fccd564895d30b2508b98b6252e68b0c6a0c61dcf9bd716c2e0f929aaadce05fb72ce8902d6189fbf52de95c64","name":"used_pixar_genres.csv","type":"text/csv","lastModified":1755096912289.124,"size":4559},{"id":"e2aec1358312d22b8312ac60a11868700ad46a08488df4b616368a4432f0806fbaef3e8232024951009d59599c93e3334c8dbfa6ce2a1b0e843ccb8c413d3104","href":"https://static.observableusercontent.com/files/e2aec1358312d22b8312ac60a11868700ad46a08488df4b616368a4432f0806fbaef3e8232024951009d59599c93e3334c8dbfa6ce2a1b0e843ccb8c413d3104","name":"used_pixar_films_images-1.csv","type":"text/csv","lastModified":1755096912289.124,"size":3419},{"id":"3090e366c320f53023532b3039b52e0fba4f1cda32678c26b3de1328be4ca8c394164b04e49fdb699123c986522fcd175cebe76e7e9839a617e95ae0a9353910","href":"https://static.observableusercontent.com/files/3090e366c320f53023532b3039b52e0fba4f1cda32678c26b3de1328be4ca8c394164b04e49fdb699123c986522fcd175cebe76e7e9839a617e95ae0a9353910","name":"used_pixar_films_sequels-5.csv","type":"text/csv","lastModified":1755096912289.124,"size":9816},{"id":"c6838522bbc229e91bb421dfda813a78766bb2043e547d6b4598d5ab348799505e574763e3e68683d5273b5e6c99742c4cb8b948790cb3f5f3cc158ee262b6cf","href":"https://static.observableusercontent.com/files/c6838522bbc229e91bb421dfda813a78766bb2043e547d6b4598d5ab348799505e574763e3e68683d5273b5e6c99742c4cb8b948790cb3f5f3cc158ee262b6cf","name":"used_pixar_people_gendered.csv","type":"text/csv","lastModified":1755096912289.124,"size":10467},{"id":"96704f2eb6bcd9eafecc2ba3f4c18402c6684afc42638cdf0aa5bbf36beae3dc2da4655f09433f4e5ae06d9c6f8846a64a7c78bc7934816f0eb8e0bb064902a2","href":"https://static.observableusercontent.com/files/96704f2eb6bcd9eafecc2ba3f4c18402c6684afc42638cdf0aa5bbf36beae3dc2da4655f09433f4e5ae06d9c6f8846a64a7c78bc7934816f0eb8e0bb064902a2","name":"used_pixar_films.csv","type":"text/csv","lastModified":1755096912289.124,"size":5214},{"id":"b6b43dd7b6e6460a5ecb1a69531b888bbbd9c8972ef584f93bdd70645e9de205da4b4b447d958a1db560b4456e641cc739af0943d28f8e558d372f386d4e0d1c","href":"https://static.observableusercontent.com/files/b6b43dd7b6e6460a5ecb1a69531b888bbbd9c8972ef584f93bdd70645e9de205da4b4b447d958a1db560b4456e641cc739af0943d28f8e558d372f386d4e0d1c","name":"used_pixar_rating.csv","type":"text/csv","lastModified":1755096912289.124,"size":1154},{"id":"a2f390e32dfeed6f6493f0b2f061baf9d6c6ec337251f0bf5067455d45adba15e8d1d8ef3d6973aaa3be6c425192d1eeef2b7cd907c6de688de0a1e629b14d90","href":"https://static.observableusercontent.com/files/a2f390e32dfeed6f6493f0b2f061baf9d6c6ec337251f0bf5067455d45adba15e8d1d8ef3d6973aaa3be6c425192d1eeef2b7cd907c6de688de0a1e629b14d90","name":"used_pixar_box_office.csv","type":"text/csv","lastModified":1755096912289.124,"size":1468}] 29:{"id":"acdae010675a27f2","slug":null,"title":"PIXAR Films Projektdokumentation","thumbnail":"193950482e6910fa848c70a1816b4ecbd3a3a88216cad3d2557b4343a0c06726","access_level":"public","create_time":"$D2025-08-13T14:55:12.289Z","update_time":"$D2025-08-13T14:55:12.289Z","view_time":null,"first_public_time":"$D2026-06-29T13:10:41.352Z","has_unpublished_edits":null,"fork":true,"stars":0,"starred":false,"owner":{"type":"team","id":"4fbb25fe821f18db","login":"fhooe-infovis","name":"FHOÖ Information Visualization","avatar_url":"https://avatars-next.observableusercontent.com/ed8c4512a4de73fcd51f2a548db547555258287f869eea03112d4859ccbac5c3","tier":"education_2026","bio":"","followed_by_you":false,"follows_you":false},"version":1086,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"03e637cfc774ecd2","login":"sandrasn","name":"SandraS","avatar_url":"https://avatars-next.observableusercontent.com/2d1a2e835857d8377101fbb98b1c5c6df2a944f2ce4ded3dfc438f855a562e80","tier":null,"bio":"","followed_by_you":false,"follows_you":false}],"members":[{"type":"individual","id":"03e637cfc774ecd2","login":"sandrasn","name":"SandraS","avatar_url":"https://avatars-next.observableusercontent.com/2d1a2e835857d8377101fbb98b1c5c6df2a944f2ce4ded3dfc438f855a562e80","tier":null,"role":"editor"},{"type":"team","id":"4fbb25fe821f18db","login":"fhooe-infovis","name":"FHOÖ Information Visualization","avatar_url":"https://avatars-next.observableusercontent.com/ed8c4512a4de73fcd51f2a548db547555258287f869eea03112d4859ccbac5c3","tier":"education_2026","role":"viewer"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"titling":"auto","title":"PIXAR Films Projektdokumentation","cells":[{"id":0,"value":"# PIXAR Films Projektdokumentation\n17_VIS2I Projekt an der FH Oberösterreich, 2025\n\n*Angabe von Sandra Straube und Christina Penz*","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":25,"value":"toc(\"h2, h3\") // alternatively toc(\"h1, h2, h3, h4\") if you wanted to include the title heading","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":107,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":158,"value":"## 1. Fragen und Aufbereitung des Datensatzes","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":5,"value":"$49","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":267,"value":"* Bindet den Datensatz in das Notebook ein und zeigt diesen in Form einer Übersicht!","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":522,"value":"await FileAttachment(\"used_pixar_people_gendered.csv\").csv({typed: \"auto\"})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":185,"value":"* Wie groß ist der Datensatz in Bezug auf Zeilen (Anzahl der Elemente) und Spalten (uni-, bi-, multivariat)?\n\n28 Filme, multivariat in 7 Tabellen mit zwischen 29 und 261 Zeilen.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":14,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":8,"value":"### Fragen und Task Abstraction\n* Welche Fragen können mit dem gewählten Datensatz untersucht werden? *(jedes Teammitglied sollte wenn möglich mindestens 2 domänenspezifische Frage auflisten und diese entsprechend kennzeichnen)*\n\n#### Christina\n- Frage 1: Wie erfolgreich sind Fortsetzungen im Vergleich?\n- Frage 2: Welche Personen waren in den verschiedenen Filmen involviert?\n\n#### Sandra\n- Frage 3: Wie wurden Pixar-Filme im Laufe der Zeit veröffentlicht und wie hat sich das Rating über die Zeit verändert?\n- Frage 4: Können gemeinsame Themen oder sich überschneidende Erzählelemente in den Pixar-Filmen identifiziert und untersucht werden?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":204,"value":"$4a","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":372,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":369,"value":"### Datentransformationen\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":198,"value":"$4b","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":377,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":387,"value":"### Datenabstraktion","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":190,"value":"$4c","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":385,"value":"$4d","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":142,"value":"---","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":128,"value":"## 2. Visuelle Exploration des Datensatzes\n* Explorieren Sie die Eigenschaften des Datensatzes mit mindestens verschiedenen zwei Visualisierungen pro Teammitglied! (z.B. Verteilungen oder Korrelationen untersuchen) *(bitte um Angabe, wer welche Visualisierungen erstellt hat)*","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":636,"value":"#### Christina\n![image@12.png](${await FileAttachment(\"image@12.png\").url()})\n\nEs gibt wenig Frauen in den Führungspositionen, oft nur die Producer-Rolle, also die einzige nicht \"kreative\" Rolle. Es gibt einige Filme wo keine Frauen vertreten sind. Unterschiedliche Anzahl an Rollen. \n\nBei der Zuteilung des Geschlechts ist außerdem ein Fehler im Original Datensatz aufgefallen: für Luca und Brave war für alle Rollen die selbe Person zugeteilt (vermutlich Teil der Challenge). Der Fehler wurde durch Internetrecherche behoben.\n\n![newplot.png](${await FileAttachment(\"newplot.png\").url()})\nVerteilung Boxoffice und Budget. Es fällt auf das Pixar oft die selben Budget-Werte verwendet: 175M und 200M. Die drei Filme mit dem schlechtesten Gewinn sind Soul, Turning Red und Lightyear, da sie wegen COVID-19 vor Kinostart auf Disney+ released wurden.\nDas Budget für die Filme ist seit dem Erfolg von Toy Story (30M) stark gestiegen. Den größten Umsatz erzielte Inside Out 2 (rechte obere Ecke). ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":638,"value":"#### Sandra","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":725,"value":"pixarScoresByYear = {\n return dataFilms.map(film => {\n const title = dataTitles.find(d => d.film_id === film.film_id)?.film;\n const imdb = dataResponse.find(d => d.film_id === film.film_id)?.imdb_score;\n\n return {\n title,\n release_date: new Date(film.release_date),\n imdb_score: imdb\n };\n }).filter(d => d.imdb_score != null);\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":845,"value":"IMDb-Bewertung über Zeit","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":749,"value":"Plot.plot({\n marks: [\n Plot.line(pixarScoresByYear, {\n x: \"release_date\",\n y: \"imdb_score\",\n stroke: \"steelblue\",\n curve: \"natural\",\n tip: true\n }),\n Plot.dot(pixarScoresByYear, {\n x: \"release_date\",\n y: \"imdb_score\",\n tip: d => `${d.title} (${d.release_date.getFullYear()}): ${d.imdb_score}`\n }),\n Plot.linearRegressionY(pixarScoresByYear, {\n x: \"release_date\", \n y: \"imdb_score\", \n stroke: \"red\",\n fillOpacity: 0\n })\n ],\n x: {\n label: \"Erscheinungsjahr\",\n type: \"utc\",\n tickFormat: d3.utcFormat(\"%Y\")\n },\n y: {\n label: \"IMDb-Bewertung\",\n domain: [6, 9],\n grid: true\n },\n width: 1200,\n height: 400\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":861,"value":"rtScores = {\n return dataResponse\n .filter(d => d.rotten_tomatoes_score != null)\n .map(d => ({ value: d.rotten_tomatoes_score }));\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":746,"value":"imdbScores = {\n return dataResponse\n .filter(d => d.imdb_score != null)\n .map(d => ({ value: d.imdb_score }));\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":847,"value":"Verteilung der IMDb-Bewertungen","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":752,"value":"$4e","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":793,"value":"allCategories = dataGenres.filter(d => d.category === \"Genre\" || d.category === \"Subgenre\");","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":795,"value":"categoryCounts = Array.from(\n d3.rollup(\n allCategories,\n v => v.length,\n d => d.value\n ),\n ([category, count]) => ({ category, count })\n).sort((a, b) => b.count - a.count);","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":849,"value":"Genre-Verteilung","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":801,"value":"Plot.plot({\n marks: [\n Plot.barY(categoryCounts, {\n x: d => d.category,\n y: d => d.count,\n fill: \"steelblue\",\n sort: \"y\",\n title: d => `${d.category}: ${d.count} Filme`\n })\n ],\n x: {\n label: \"Genre / Subgenre\",\n tickRotate: -60,\n domain: categoryCounts.map(d => d.category)\n },\n y: {\n label: \"Anzahl Filme\",\n grid: true,\n domain: [0, d3.max(categoryCounts, d => d.count) + 1]\n },\n width: 1200,\n height: 400,\n marginLeft: 30,\n marginBottom: 120\n})\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":208,"value":"
\n* Was haben Sie über die Eigenschaften des Datensatzes erfahren?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":640,"value":"#### Christina\nDie Erfahrungen wurden direkt unter den Visualisierungen beschrieben.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":642,"value":"$4f","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":162,"value":"---\n## 3. Ideenfindung und Visualisierungskonzept","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":174,"value":"### Exploration des Design Spaces (pro Teammitglied):\n* Related Work: Welche Visualisierungstechniken haben Sie inspiriert (z.B. aus dem Internet, Vorlesungsfolien, Paper)?\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":646,"value":"$50","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":650,"value":"$51","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":178,"value":"
\n* Sketching: Diskutiert verschiedene Alternativen zur Lösung der jeweiligen Aufgaben und ladet mindestens 2 Skizzen pro Frage in die Dokumentation (insgesamt also mindestens 4 Skizzen pro Teammitglied, die sich entweder auf einzelne Fragen oder die Kombination dieser beziehen)! ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":654,"value":"$52","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":656,"value":"$53","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":405,"value":"
\n* Diskutiert diese im Anschluss: was sind Vor- und Nachteile dieser Lösungen. Welche werden verworfen und welche in das finale Konzept aufgenommen und warum? *Hinweis: verweist hier auf die Theorie der LVA für die Argumentation, z.B. Expressivität, Effektivität, wahrnehmungspsychologische Prinzipien und Einschränkungen)*","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":659,"value":"#### Christina\nDie Fragestellungen basieren hauptsächlich auf metrische Daten, die anhand ihrer Kategorien miteinander verglichen werden. Aus diesem Grund kommt häufig der Barchart als Visualisierung zum Einsatz.\n\nDie genaue Beschreibung wieso welcher Chart verwendet wurde, ist direkt unter den Skizzen hinzugefügt.\n\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":662,"value":"#### Sandra","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":918,"value":"$54","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":920,"value":"$55","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":182,"value":"
\n### Konzept","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":676,"value":"* Beschreibt das finale Konzept und begründet die Designentscheidungen!","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":682,"value":"$56","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":678,"value":"
\n* Welche Visualisierungs- & Interaktionstechniken und Storytelling-Elemente wurden eingesetzt und warum?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":669,"value":"$57","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":170,"value":"---\n## 4. Prototyp\n\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":230,"value":"### Umsetzung\n\n* Kurze Beschreibung des Prototypen und der Sichten (sofern möglich, den Link zum finalen Prototypen angeben oder Screenshot) *(bei einem Observable Prototypen bitte Einladung zum neuen Notebook)*\n\nLink zum Prototypen: https://observablehq.com/d/270dcc19928a2fa8\n\n","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":703,"value":"\nDer Prototyp setzt sich mit den Pixar-Filmen und dem Pixar-Studio selbst auseinander. Hierfür wurden die originalen Fragestellungen für den Prototypen vereinfacht, um diese einfacher verständlich zu halten. Es wird die Geschichte von Vergangenheit, Gegenwart und Zukunft rund um Pixar erzählt mit Blick auf die Veröffentlichungen, Bewertungen, Firmen-Personen, Budget und Film-Aussichten. Der Stil ist verspielt, bunt und persönlich und entspricht den Bannern und generell vielen Figuren aus dem Pixar-Universum.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":695,"value":"
\n* Mit welchen Tool(s) wurde der Prototyp umgesetzt?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":705,"value":"#### Christina\nFür die Frage 1 und 2 wurde für die Explorative Analyse Colab verwendet wobei die Visualisierungen mit matplotlib und ploty erstellt worden sind. Die Datenerweiterung wurde mit Excel durchgeführt. Für den Prototyp wurde Observable Plot verwendet bzw. D3 für den Pie-Chart.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":708,"value":"#### Sandra\nFür die Frage 3 und 4 wurde ausschließlich Observable verwendet mit Kenntnissen in Javascript und HTML, um auch Grafiken und Interaktionen korrekt einzusetzen. Für die Darstellung der Daten vorab, außerhalb des Prototypen, wurde Visual Studio Code mit dem Plugin Rainbow CSV verwendet, um eine Übersicht über die Daten zu erhalten. Einzelne Plots bzw. Ideen wurden von https://observablehq.com/d/64781e57fa90878f übernommen und angepasst. Für die Erstellung der Wortwolke wurde https://observablehq.com/@d3/word-cloud importiert.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":697,"value":"
\n* Inwieweit mussten Sie die Konzepte bei der Implementierung anpassen?","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":688,"value":"#### Christina\nBei der Idee zur Frage der Personen hatte ich ursprünglich nicht geplant detailliert auf die Geschlechterverteilung eingehen, sondern mehr auf die Connections zwischen den Filmen. Nachdem bei der explorativen Analyse aber hauptsächlich männliche Namen herauskamen, wollte ich es mir genauer anschauen. \n\nZu Beginn der Frage zwischen den Sequels, hatte ich noch nicht festgelegt ob ich die Sequels untereinander, mit den Originalen oder innerhalb der Franchises vergleichen will. Entstanden ist ein Vergleich zwischen den Filmen in einem Franchise und zwischen den Franchises durch die Filter Funktion.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":690,"value":"#### Sandra\nGenerell gab es kaum Anpassungen des Konzeptes. Eine Ausnahme bildet die Heatmap, da die pro Auswahl variierende Größe der Detailansicht eine nebeneinanderliegende Darstellung nicht zuließ und ein \"Springen\" des Inhalts und mögliche daraus resultierende leere Flächen verhindert werden sollte.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":234,"value":"---\n## 5. Diskussion & Insights\n\n* Diskutieren Sie die Ergebnisse und Erkenntnisse! Nutzt Screenshots, um die Findings zu dokumentieren!","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":712,"value":"$58","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":714,"value":"$59","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":412,"value":"
\n* Konnten Sie die eingangs gestellten Fragen eindeutig beantworten? Wenn nein, warum? *(hier wieder Bezug nehmen auf die gestellten Fragen am Anfang des Notebooks)*","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":717,"value":"#### Christina\nBeide Fragestellungen konnten beantwortet werden. Da die Fragen beabsichtigt sehr offen gewählt wurden, könnten bei beiden noch detailliertere Untersuchungen angestellt werden.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":720,"value":"#### Sandra\nWie bei der vorherigen Frage dargestellt, konnten sämtliche Fragen eindeutig geklärt werden. Jedoch Ist die Frage 4 theoretisch noch erweiterbar. Man könnte hierbei noch viel mehr auf Detail eingehen, vor allem da die Wortwolke durch die Nutzung des Plugins nur begrenzt Anpassbar war und die Daten aus \"plot\" keine umfassende Beschreibung der Handlung lieferten. Dennoch reichten die Daten, die generelle Fragestellung zu klären.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":21,"value":"----","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":261,"value":"## Imports and Code\n\n* _Sollten zusätzliche Imports oder zusätzlichen Quellcode benötiget werden, der die Lesbarkeit der Dokumentation erschwert, dann bitte hier unten einfügen_","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":19,"value":"import { toc } from \"@nebrius/indented-toc\" // This component generates the Table of Contents","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":594,"value":"html``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":727,"value":"dataGenres = FileAttachment(\"used_pixar_genres.csv\").csv({typed: true})\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":729,"value":"dataResponse = FileAttachment(\"used_pixar_public_response.csv\").csv({typed: true})\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":731,"value":"dataTitles = FileAttachment(\"used_pixar_titles-1.csv\").csv({typed: true})\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":733,"value":"dataFilms = FileAttachment(\"used_pixar_films.csv\").csv({typed: true})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W5a","stdlib":"1"}} 24:null