論文の概要: When Text Simplification Is Not Enough: Could a Graph-Based Visualization Facilitate Consumers' Comprehension of Dietary Supplement Information?

• arxiv url: http://arxiv.org/abs/2007.02333v2
• Date: Sat, 3 Apr 2021 16:02:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 06:11:35.382831
• Title: When Text Simplification Is Not Enough: Could a Graph-Based Visualization Facilitate Consumers' Comprehension of Dietary Supplement Information?
• Title（参考訳）: テキストの簡易化が不十分な場合:グラフベースの可視化は消費者の食事補助情報の理解を促進するか?
• Authors: Xing He, Rui Zhang, Jordan Alpert, Sicheng Zhou, Terrence J Adam, Aantaki Raisa, Yifan Peng, Hansi Zhang, Yi Guo, Jiang Bian
• Abstract要約: 複雑な医療ジャーゴンは消費者の理解の障壁である。 被験者を募集し,iDISKと4つの異なる表現で栄養補助情報を読み取らせた。 手動のアプローチは精度と応答時間の両方で最高のパフォーマンスを示した。
• 参考スコア（独自算出の注目度）: 20.150337698638467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dietary supplements are widely used but not always safe. With the rapid development of the Internet, consumers usually seek health information including dietary supplement information online. To help consumers access quality online dietary supplement information, we have identified trustworthy dietary supplement information sources and built an evidence-based knowledge base of dietary supplement information-the integrated DIetary Supplement Knowledge base (iDISK) that integrates and standardizes dietary supplement related information across these different sources. However, as information in iDISK was collected from scientific sources, the complex medical jargon is a barrier for consumers' comprehension. To assess how different approaches to simplify and represent dietary supplement information from iDISK will affect lay consumers' comprehension, using a crowdsourcing platform, we recruited participants to read dietary supplement information in four different representations from iDISK: original text, syntactic and lexical text simplification, manual text simplification, and a graph-based visualization. We then assessed how the different simplification and representation strategies affected consumers' comprehension of dietary supplement information in terms of accuracy and response time to a set of comprehension questions. With responses from 690 qualified participants, our experiments confirmed that the manual approach had the best performance for both accuracy and response time to the comprehension questions, while the graph-based approach ranked the second outperforming other representations. In some cases, the graph-based representation outperformed the manual approach in terms of response time. A hybrid approach that combines text and graph-based representations might be needed to accommodate consumers' different information needs and information seeking behavior.
• Abstract（参考訳）: サプリメントは広く使われているが、必ずしも安全ではない。 インターネットの急速な発展に伴い、消費者は通常、オンラインの栄養補助情報を含む健康情報を求める。 消費者が品質の高いオンライン食事サプリメント情報にアクセスするのを助けるため、信頼できる食事サプリメント情報ソースを特定し、これらの異なるソース間で食事サプリメント関連情報を統合・標準化する統合食サプリメント知識ベース(iDISK)のエビデンスベースの知識ベースを構築した。 しかし、iDISKの情報は科学資料から収集されるため、複雑な医療用用語は消費者の理解の障壁となる。 クラウドソーシングプラットフォームを用いて,iDISKからの食事サプリメント情報の簡素化と表現方法の違いが,一般消費者の理解にどのように影響するかを評価するため,iDISKから4つの異なる表現(原文,構文,語彙テキストの簡略化,手動テキストの簡略化,グラフベースの可視化)で食事サプリメント情報を読み取るように参加者を募集した。 そこで,本研究では,異なる要約・表現戦略が,消費者の食事補助情報理解に与えた影響を,一連の理解質問に対する正確性と応答時間の観点から評価した。 690名の有資格者から回答を得た結果,この手動アプローチは解答質問に対する精度と応答時間の両方に最適であり,グラフベースの手法では他の表現よりも優れていた。 場合によっては、グラフベースの表現は応答時間の観点から手動のアプローチよりも優れていた。 テキストとグラフベースの表現を組み合わせたハイブリッドアプローチは、消費者の異なる情報ニーズと情報探索行動に対応するために必要かもしれない。

関連論文リスト

• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation [68.49526750115429]
  食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。 NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
  論文  参考訳（メタデータ） (2023-11-20T11:05:20Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。 最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。 我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。 また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
  論文  参考訳（メタデータ） (2023-09-14T13:29:41Z)
• Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
  栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。 米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。 提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
  論文  参考訳（メタデータ） (2022-06-05T02:41:44Z)
• Improving Dietary Assessment Via Integrated Hierarchy Food Classification [7.398060062678395]
  本稿では,複数のドメインからの情報を統合することにより,予測の質を向上させるための新しい食品分類フレームワークを提案する。 本手法は, 改良VIPER-FoodNet (VFN) 食品画像データセットに対して, 関連するエネルギーと栄養情報を含むことにより検証した。
  論文  参考訳（メタデータ） (2021-09-06T20:59:58Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
  食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。 食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。 食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
  論文  参考訳（メタデータ） (2021-07-13T06:26:53Z)
• Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food [8.597152169571057]
  本研究では,映像ストリーム,奥行き画像,成分重み,高精細な栄養コンテンツアノテーションを備えた,5kの多様な実世界の食品料理のデータセットである nutrition5kを紹介する。 本稿では, 複雑で現実的な料理のカロリーおよびマクロ栄養価を, プロの栄養士を上回る精度で予測できるコンピュータビジョンアルゴリズムを訓練することにより, このデータセットの可能性を実証する。
  論文  参考訳（メタデータ） (2021-03-04T22:59:22Z)
• An Artificial Intelligence-Based System to Assess Nutrient Intake for Hospitalised Patients [4.048427587958764]
  入院患者の栄養摂取の定期的なモニタリングは、疾患関連栄養失調のリスクを低減する上で重要な役割を担っている。 本稿では,栄養摂取量を正確に推定する人工知能(AI)に基づく新しいシステムを提案する。
  論文  参考訳（メタデータ） (2020-03-18T15:28:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。