論文の概要: ColVis: Collaborative Visualization Design Workshops for Diverse User
Groups
- arxiv url: http://arxiv.org/abs/2009.06522v1
- Date: Mon, 14 Sep 2020 15:34:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 06:36:16.741645
- Title: ColVis: Collaborative Visualization Design Workshops for Diverse User
Groups
- Title(参考訳): colvis: 多様なユーザグループのためのコラボレーションビジュアライゼーションデザインワークショップ
- Authors: Damla Cay, Till Nagel, Asim Evren Yantac
- Abstract要約: 2つの異なるデータ可視化プロジェクトのためのワークショップを開催しました。
各プロジェクトでは、ドメインの専門家であるプロジェクトステークホルダーとワークショップを行い、その後、初心者ユーザによる第2のワークショップを開催しました。
参加者からのフィードバックを収集し、プロセスに対する批判的な反映を使用しました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding different types of users' needs can even be more critical in
today's data visualization field, as exploratory visualizations for novice
users are becoming more widespread with an increasing amount of data sources.
The complexity of data-driven projects requires input from including
interdisciplinary expert and novice users. Our workshop framework helps taking
design decisions collaboratively with experts and novice users, on different
levels such as outlining users and goals, identifying tasks, structuring data,
and creating data visualization ideas. We conducted workshops for two different
data visualization projects. For each project, we conducted a workshop with
project stakeholders who are domain experts, then a second workshop with novice
users. We collected feedback from participants and used critical reflection on
the process. Later on, we created recommendations on how this workshop
structure can be used by others. Our main contributions are, (1) the workshop
framework for designing data visualizations, (2) describing the outcomes and
lessons learned from multiple workshops.
- Abstract(参考訳): 初心者ユーザーの探索的視覚化が、データソースの増加とともに広まりつつあるため、今日のデータ視覚化分野では、さまざまなタイプのユーザニーズを理解することがさらに重要である。
データ駆動プロジェクトの複雑さは、学際的専門家と初心者ユーザーを含む入力を必要とする。
ワークショップフレームワークは、ユーザや目標のアウトライン化、タスクの特定、データ構築、データ視覚化のアイデア作成など、さまざまなレベルで、専門家や初心者ユーザと共同で設計決定を行う上で役立ちます。
2つの異なるデータ可視化プロジェクトのためのワークショップを開催しました。
各プロジェクトでは、ドメインの専門家であるプロジェクトステークホルダーとワークショップを行い、その後、初心者ユーザによる第2のワークショップを開催しました。
参加者からのフィードバックを収集し、プロセスに対する批判的な反映を使用しました。
その後、このワークショップ構造をどのように他の人が利用できるのかを推奨しました。
主な貢献は,(1)データビジュアライゼーションを設計するためのワークショップフレームワーク,(2)複数のワークショップから得られた成果と教訓を説明することである。
関連論文リスト
- Visual Instruction Tuning towards General-Purpose Multimodal Model: A
Survey [59.95153883166705]
従来のコンピュータビジョンは、モデルアーキテクチャで暗黙的に設計されたタスク命令を持つ専用モデルによって、個々のタスクを独立して解決する。
近年,視覚インストラクション・チューニング (VIT) の研究が盛んに行われている。
本研究の目的は,(1)コンピュータビジョンタスクのパラダイムとVIT開発を提示する背景,(2)一般的に使用されるネットワークアーキテクチャ,視覚的命令チューニングフレームワークと目的を導入したVITの基礎,および,設定とタスクの評価,(3)視覚的命令チューニングと評価において一般的に使用されるデータセットの体系的レビューを提供することである。
論文 参考訳(メタデータ) (2023-12-27T14:54:37Z) - PDT: Pretrained Dual Transformers for Time-aware Bipartite Graphs [30.71271242109731]
本稿では,ユーザ側空間とコンテンツ側空間の双方向マッピングを学習する事前学習手法を提案する。
提案手法を推薦課題として評価する。
論文 参考訳(メタデータ) (2023-06-02T20:38:43Z) - Cross-view Graph Contrastive Representation Learning on Partially
Aligned Multi-view Data [52.491074276133325]
マルチビュー表現学習は、過去数十年間で急速に発展し、多くの分野に応用されてきた。
本稿では,多視点情報を統合してデータアライメントを行い,潜在表現を学習する,新しいクロスビューグラフコントラスト学習フレームワークを提案する。
複数の実データを用いて実験を行い,クラスタリングおよび分類作業における提案手法の有効性を示した。
論文 参考訳(メタデータ) (2022-11-08T09:19:32Z) - Dual Representation Learning for One-Step Clustering of Multi-View Data [30.131568561100817]
異なるビューの共通情報と特定情報の二重表現を利用して,新しい一段階のマルチビュークラスタリング手法を提案する。
このフレームワークでは、表現学習とクラスタリングのパーティションが相互に恩恵を受け、クラスタリングのパフォーマンスが効果的に向上する。
論文 参考訳(メタデータ) (2022-08-30T14:20:26Z) - Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。
本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
論文 参考訳(メタデータ) (2022-05-30T17:50:59Z) - Experience of Teaching Data Visualization using Project-based Learning [0.3437656066916039]
学生が目標を達成するために必要な場合、どのインプットが提供されたかを示す。
学生が目標を達成するのに役立つツールについて議論し、比較する。
論文 参考訳(メタデータ) (2021-10-21T16:47:34Z) - A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。
ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
論文 参考訳(メタデータ) (2021-07-02T15:51:07Z) - Personalized Visualization Recommendation [40.838444709402694]
パーソナライズされた視覚化推奨の問題について紹介し,それを解決するための汎用学習フレームワークを提案する。
特に,過去の可視化インタラクションに基づいて,個々のユーザに対してパーソナライズされた可視化を推奨することに着目した。
ユーザ中心の可視化コーパスをリリースし,230万の属性と32万のユーザ生成視覚化を備えた94kデータセットを探索する17.4kユーザで構成される。
論文 参考訳(メタデータ) (2021-02-12T04:06:34Z) - Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。
我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
論文 参考訳(メタデータ) (2020-06-10T00:21:35Z) - Dynamic Feature Integration for Simultaneous Detection of Salient
Object, Edge and Skeleton [108.01007935498104]
本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。
まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
論文 参考訳(メタデータ) (2020-04-18T11:10:11Z) - Designing for the Long Tail of Machine Learning [0.0]
機械学習のパフォーマンスがトレーニングデータとどのようにスケールし、デザイナがデータ収集、モデル開発、および与えられたモデルパフォーマンスのための貴重なインタラクションを設計するためのトレードオフをガイドするかを説明します。
我々は,ブートストラップフェーズにおける初期システムの設計に有用なパターンについて論じる。
論文 参考訳(メタデータ) (2020-01-21T11:53:28Z)
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。