Data representation tools are commonly used as means of understanding data. However, new ways of representing data such as using physical objects can have a different advantage as well. It is not only understanding the data, which is important, but giving meaning to data to inspire change. This field, called data physicalization, is still new, meaning that limited research exists about it which made us interested in exploring it further. We chose to do this by comparing a physicalization tool with a digital representation tool. We chose to limit the scope of our study to group collaboration and investigate the advantages and disadvantages of both tools from this perspective. We found this angle interesting since most major decisions require a group to work together and the representation tools used for assistance should encourage this. We investigated this by having focus groups where participants solved problems in a group using one representation tool at a time followed by individual interviews. We observed the behavior of the participants and compared it to the answers they gave in the interviews to uncover the main advantages and disadvantages of the data visualization and data physicalization tools. The biggest advantage uncovered by our study for data visualization is the ability to sort and filter data which makes it easier to understand the data. The biggest disadvantage is that only one person at a time has control over the mouse and thus the tool, creating a hierarchical group dynamic. The biggest advantage of the physicalization tool is its dynamic nature which enables the users to interact with the data thus supporting the understanding and exploration of ideas. One of the biggest disadvantages is that data physicalization is a new research field, which results in people needing time to understand how to use it. New data representation tools can be developed based on these advantages and disadvantages.

Datarepresentationsverktyg används vanligen som ett sätt att förstå data. Men nya sätt att representera data på, såsom att använda fysiska objekt, kan ha en ytterligare fördel. Det handlar inte bara om att förstå datan, utan att ge en bättre känsla för datan för att inspirera till förändring. Detta område, som kallas fysikalisering är fortfarande nytt vilket innebär att det finns begränsad forskning om det, vilket gjorde oss intresserade av att utforska det vidare. Vi valde att göra detta genom att jämföra ett fysikaliseringsverktyg med ett digitalt representationsverktyg. Vi valde att begränsa omfattningen av vår studie till samarbete i grupp och att undersöka fördelarna och nackdelarna med båda verktygen från detta perspektiv. Vi fann denna vinkel intressant eftersom de flesta stora beslut kräver att en grupp arbetar tillsammans och att representationsverktygen som används då bör stödja detta. Detta undersöktes genom att hålla i fokusgrupper där deltagarna löste problem i grupp med ett representationsverktyg åt gången, följt av individuella intervjuer. Vi observerade deltagarnas beteende och jämförde det med svaren de gav i intervjuerna för att hitta de största fördelarna och nackdelarna med visualiserings- och fysikaliseringsverktygen. Den största fördelen för datavisualisering som hittades under vår studie är förmågan att sortera och filtrera data, vilket gör det lättare att förstå datan. Den största nackdelen är att bara en person åt gången har kontroll över datormusen och därmed verktyget, vilket skapar en hierarkisk gruppdynamik. Den största fördelen med fysikaliseringsverktyget är dess dynamiska natur som möjliggör för användarna att interagera med datan och därigenom stödja förståelsen och utforskningen av idéer. En av de största nackdelarna är att fysikalisering är ett nytt forskningsområde, vilket innebär att människor behöver tid för att förstå hur man använder det. Baserat på dessa fördelar och nackdelar kan nya datarepresentationsverktyg kan utvecklas.