論文の概要: How Learners Sketch Data Stories
- arxiv url: http://arxiv.org/abs/2108.10111v1
- Date: Tue, 10 Aug 2021 02:00:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-18 21:11:00.949456
- Title: How Learners Sketch Data Stories
- Title（参考訳）: 学習者がデータストーリーをスケッチする方法
- Authors: R. Bhargava (1), D. Williams (1), D. D'Ignazio (2) ((1) Northeastern
University, (2) MIT)
- Abstract要約: 本稿では,参加者が作成した101個のデータスケッチのコーパスを,非公式および形式的設定でガイド付き学習活動の一部として紹介し,分類する。
視覚的エンコーディングや表現,ストーリ構造に関連する12のメトリクスに対して,各スケッチを手作業でコーディングします。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Learning data storytelling involves a complex web of skills. Professional and
academic educational offerings typically focus on the computational literacies
required, but professionals in the field employ many non-technical methods;
sketching by hand on paper is a common practice. This paper introduces and
classifies a corpus of 101 data sketches produced by participants as part of a
guided learning activity in informal and formal settings. We manually code each
sketch against 12 metrics related to visual encodings, representations, and
story structure. We find evidence for preferential use of positional and
shape-based encodings, frequent use of symbolic and textual representations,
and a high prevalence of stories comparing subsets of data. These findings
contribute to our understanding of how learners sketch with data. This case
study can inform tool design for learners, and help create educational programs
that introduce novices to sketching practices used by experts.
- Abstract（参考訳）: データストーリーテリングを学ぶには、複雑なスキルのwebが必要です。
専門的および学術的な教育品は、一般的に必要な計算リテラシーに焦点を当てるが、この分野のプロフェッショナルは、多くの非技術的手法を使用している。
本稿では,参加者が作成した101個のデータスケッチのコーパスを,非公式かつ形式的な学習活動の一部として紹介し,分類する。
視覚的エンコーディングや表現,ストーリ構造に関連する12のメトリクスに対して,各スケッチを手作業でコーディングします。
位置的および形状的エンコーディングの優先的な使用,記号的およびテキスト的表現の頻繁な使用,およびデータのサブセットを比較するストーリの頻度が高いことの証拠を見いだす。
これらの知見は、学習者がどのようにデータをスケッチするかを理解するのに役立ちます。
このケーススタディは、学習者にツールデザインを通知し、専門家が使用するスケッチの実践に初心者を導入する教育プログラムの作成を支援する。
関連論文リスト
- Self-Supervised Representation Learning for Online Handwriting Text
Classification [0.8594140167290099]
本稿では,日本語と中国語の個人によるオンライン筆跡から情報表現を抽出するための事前学習の前提として,新しいストロークマスキング(POSM)を提案する。
抽出した表現の質を評価するために,本質的評価法と外生的評価法の両方を用いる。
事前訓練されたモデルは、作家の識別、性別分類、手書きの分類といったタスクにおいて、最先端の結果を達成するために微調整される。
論文 参考訳（メタデータ） (2023-10-10T14:07:49Z) - 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) - I Know What You Draw: Learning Grasp Detection Conditioned on a Few
Freehand Sketches [74.63313641583602]
そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。
私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
論文 参考訳（メタデータ） (2022-05-09T04:23:36Z) - FS-COCO: Towards Understanding of Freehand Sketches of Common Objects in
Context [112.07988211268612]
フリーハンドシーンスケッチの最初のデータセットであるFS-COCOを用いてスケッチ研究を進めた。
本データセットは,100名の非専門家による1点あたりの時空間情報付きフリーハンドシーンベクトルスケッチからなる。
フリーハンドシーンのスケッチやスケッチのキャプションからきめ細かい画像検索の問題が初めて研究された。
論文 参考訳（メタデータ） (2022-03-04T03:00:51Z) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳（メタデータ） (2020-04-29T14:22:42Z) - Deep Self-Supervised Representation Learning for Free-Hand Sketch [51.101565480583304]
フリーハンドスケッチにおける自己指導型表現学習の課題に対処する。
自己教師型学習パラダイムの成功の鍵は、スケッチ固有の設計にある。
提案手法は最先端の教師なし表現学習法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-02-03T16:28:29Z) - SketchDesc: Learning Local Sketch Descriptors for Multi-view
Correspondence [68.63311821718416]
我々はマルチビュースケッチ対応の問題について検討し、同じオブジェクトの異なるビューを持つ複数のフリーハンドスケッチを入力として扱う。
異なる視点における対応する点の視覚的特徴は、非常に異なる可能性があるため、この問題は困難である。
我々は、深層学習アプローチを採用し、データから新しいローカルスケッチ記述子を学習する。
論文 参考訳（メタデータ） (2020-01-16T11:31:21Z) - Deep Learning for Free-Hand Sketch: A Survey [159.63186738971953]
フリーハンドのスケッチは非常に図像的であり、古代から現代にかけての物や物語を描くために人間によって広く用いられてきた。
最近のタッチスクリーンデバイスの普及により、スケッチ作成はこれまでになく簡単になり、スケッチ指向のアプリケーションがますます人気を博している。
論文 参考訳（メタデータ） (2020-01-08T16:23:56Z)
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。