“Sponge Maps”: Using the Concept of Value by Area Maps for Avoiding the Area Size Bias in Choropleth Maps: Using the Concept of Value by Area Maps for Avoiding the Area Size Bias in Choropleth Maps

Ein bekanntes Problem bei Choroplethenkarten ist der kognitive Effekt, dass größere Regionen als dominanter wahrgenommen werden. Folglich können unbefriedigende Erkennungsraten für kleine Regionen resultieren—dies hat große Relevanz, wenn wichtige räumliche Merkmale oder Muster exploriert werden sollen (z. B. Regionen mit Maximalwerten). Ein möglicher Ansatz zur Vermeidung des Flächengrößen-Effektes (engl.: area size bias) ist die Verwendung von Kartogrammen. Während es bereits einige Arbeiten zu Äquiflächen-Darstellungen (engl.: Equal Are Unit Maps) gibt, gab es wenig oder gar keine Forschung zu den Möglichkeiten, das Konzept der Proportionalflächen-Darstellungen (engl.: Value By Area Maps) zur Transformation der Bezugsflächenkarten anzuwenden. Ein Ziel dieses Artikels ist es, das Konzept der sogenannten „Sponge Maps“ vorzustellen, die die Basiskarten unabhängig von thematischen Attributen verzerren, aber je nach Bedarf der zugrunde liegenden räumlichen Muster bestimmte Interessensgebiete zeigen oder hervorheben. Das zweite Ziel des Artikels ist die Beantwortung der allgemeinen Forschungsfrage, ob Sponge Maps tatsächlich die Flächengrößen-Effekte reduzieren und die Erkennbarkeit von Regionen mit Maximalwerten verbessern. Eine Anwenderstudie konnte insbesondere die Wirksamkeit des Sponge-Map-Ansatzes verifizieren. Es wurde aber auch deutlich, dass nicht nur der Flächengrößen-Effekt bei der Erkennung wichtiger Regionen eine Rolle spielt—es werden auch Abhängigkeiten von der absoluten Position (engl.: top-down bias), der Kompaktheit oder auffälligen Form (engl.: shape bias), der Vertrautheit (engl.: awareness bias), der Farbintensität (engl.: darkness bias) und nicht zuletzt durch die Verzerrungen in den Sponge Maps als solchen (engl.: distortion bias) aufgezeigt. Darüber hinaus werden Besonderheiten bei der Erkennung von Regionen mit Minimalwerten herausgearbeitet (u. a. der sog. inverse area size bias).