Narrative visualization is a young and emerging field, driven mainly by data journalists. For this reason, most data stories available today are author-driven. However, with the rise of interactive visualizations the possibilities for creating reader-driven stories have become apparent.

In this thesis, we present a straigthforward prototype, AsylKoll, built to support the articulation of reader-driven stories about Swedish immigration during 2015. We test its ability to support reader-driven stories by performing two user-studies based on the Think Aloud Method. In particular, we evaluate the prototype along the dimensions of reader engagement and learning. We find that user-centric data and various effects, such as transitions and mouse-overs, have a positive impact on reader engagement. In addition, we find that typical tasks such as extracting extremes and making comparisons are very important for users to gain insight and learn from the data. Foremost, this thesis shows the potential that simple, interactive visualizations have to make people engage and gain insights from data. 

Att skapa faktabaserade narrativ med hjälp av datavisualiseringar är någonting som blir allt mer vanligt idag. Utvecklingen drivs framför allt av datajournalister och av den anledningen är det typiskt sett författardrivna historier som berättas. På senare tid har det dock blivit allt lättare att utveckla avancerade, interaktiva visualinsergar och det har öppnat för skapa faktabaserade narrativ drivna av läsaren istället.

Läsardrivna narrativ är det som vi utforskar i den här studien. Med hjälp av en prototyp som vi byggt, AsylKoll, som visar statistik från asylinvandringen till Sverige under 2015, undersöker vi vad som krävs av en visualisering för att användare ska kunna härleda sina egna faktabaserade historier från den. Vi kollar i synnerhet på hur man kan uppmana användaren att interagera med verktyget samt vad som krävs för att användaren ska lära sig från datan.

Verktyget testas genom två användarstudier med ’Think Aloud’-metoden. I studien finner vi att data centrerad kring användaren och olika typer av effekter, såsom transitioner och mouse-overs, påverkar användarens vilja att interagera med visualiseringarna positivt. Vidare finner vi även att typiska funktioner som exempelvis möjligheten att snabbt hitta extremvärden samt att kunna göra olika jämförelser av data, är viktigt för lärandet.