論文の概要: Modeling the Dashboard Provenance
- arxiv url: http://arxiv.org/abs/2308.06788v2
- Date: Sat, 16 Sep 2023 11:42:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 22:36:13.090417
- Title: Modeling the Dashboard Provenance
- Title（参考訳）: ダッシュボードのプロヴァンスをモデル化する
- Authors: Johne Jarske, Jorge Rady, Lucia V. L. Filgueiras, Leandro M. Velloso,
Tania L. Santos
- Abstract要約: 調査によると、ダッシュボードは4分の1にも満たない。
Provenanceは、データやオブジェクトの製造、影響、デリバリに重要な役割を果たしている人々、組織、エンティティ、アクティビティを記述した記録である。
本稿では,標準化,モデリング,生成,キャプチャ,ビジュアライゼーションを付与する証明表現モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Organizations of all kinds, whether public or private, profit-driven or
non-profit, and across various industries and sectors, rely on dashboards for
effective data visualization. However, the reliability and efficacy of these
dashboards rely on the quality of the visual and data they present. Studies
show that less than a quarter of dashboards provide information about their
sources, which is just one of the expected metadata when provenance is
seriously considered. Provenance is a record that describes people,
organizations, entities, and activities that had a role in the production,
influence, or delivery of a piece of data or an object. This paper aims to
provide a provenance representation model, that entitles standardization,
modeling, generation, capture, and visualization, specifically designed for
dashboards and its visual and data components. The proposed model will offer a
comprehensive set of essential provenance metadata that enables users to
evaluate the quality, consistency, and reliability of the information presented
on dashboards. This will allow a clear and precise understanding of the context
in which a specific dashboard was developed, ultimately leading to better
decision-making.
- Abstract（参考訳）: パブリック、プライベート、収益主導、非営利団体、さまざまな産業やセクターのあらゆる種類の組織は、効果的なデータ視覚化のためのダッシュボードに依存しています。
しかし、これらのダッシュボードの信頼性と有効性は、提示するビジュアルとデータの品質に依存する。
調査によれば、ダッシュボードの4分の1未満がソースに関する情報を提供しており、これはプロヴァンスが真剣に検討されているときに期待されているメタデータの1つにすぎない。
プロヴァンス(provance)とは、データやオブジェクトの生成、影響、あるいはデリバリにおいて重要な役割を果たした人々、組織、エンティティ、アクティビティを記述した記録である。
本稿では,ダッシュボードとその視覚的およびデータ的コンポーネントを対象とした,標準化,モデリング,生成,キャプチャ,ビジュアライゼーションを付与する証明表現モデルの提供を目的とする。
提案モデルでは,ダッシュボードに表示される情報の品質,一貫性,信頼性をユーザが評価可能な,必須のプロビデンスメタデータの包括的なセットを提供する。
これにより、特定のダッシュボードが開発されたコンテキストを明確かつ正確に理解することができ、最終的にはよりよい意思決定につながる。
関連論文リスト
- On Evaluation of Vision Datasets and Models using Human Competency Frameworks [20.802372291783488]
アイテム応答理論(IRT)は、モデルと各データセット項目のアンサンブルに対して解釈可能な潜在パラメータを推論するフレームワークである。
モデルキャリブレーションを評価し、情報的データサブセットを選択し、コンピュータビジョンにおけるモデルとデータセットを解析・比較するための潜在パラメータの有用性を実証する。
論文 参考訳（メタデータ） (2024-09-06T06:20:11Z) - Fake News Detection: It's All in the Data! [0.06749750044497731]
調査では、データセットの重要な特徴、採用されているさまざまなラベルシステム、モデルのパフォーマンスに影響を及ぼす偏見を慎重に概説している。
GitHubリポジトリは、公開可能なデータセットを単一のユーザフレンドリなポータルに統合する。
論文 参考訳（メタデータ） (2024-07-02T10:12:06Z) - Bridging Textual and Tabular Worlds for Fact Verification: A Lightweight, Attention-Based Model [34.1224836768324]
FEVEROUSは、事実抽出と検証タスクに焦点を当てた、ベンチマークおよび研究イニシアチブである。
本稿では,モダリティ変換の必要性を解消する,単純だが強力なモデルを提案する。
提案手法は,異なるデータ型間の遅延接続を効果的に利用することにより,包括的かつ信頼性の高い検証予測を実現する。
論文 参考訳（メタデータ） (2024-03-26T03:54:25Z) - Towards Model-Driven Dashboard Generation for Systems-of-Systems [52.251635013691256]
本稿では、単純なダッシュボードモデルのリストをダッシュボードモデルに自動変換する、モデル駆動技術に依存しないアプローチについて述べる。
ダッシュボードのカスタマイズは抽象モデル表現を単に修正するだけで効率的に実現できる。
論文 参考訳（メタデータ） (2024-02-23T10:55:18Z) - Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。
この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。
セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
論文 参考訳（メタデータ） (2023-12-14T18:56:07Z) - Leveraging Contextual Information for Effective Entity Salience Detection [21.30389576465761]
クロスエンコーダアーキテクチャを用いた中規模言語モデルの微調整により,機能工学的アプローチよりも優れた性能が得られることを示す。
また、命令調整言語モデルのゼロショットプロンプトは、タスクの特異性と複雑さを示す劣った結果をもたらすことを示す。
論文 参考訳（メタデータ） (2023-09-14T19:04:40Z) - infoVerse: A Universal Framework for Dataset Characterization with
Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。
infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。
実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2023-05-30T18:12:48Z) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - Striving for data-model efficiency: Identifying data externalities on
group performance [75.17591306911015]
信頼できる、効果的で責任ある機械学習システムの構築は、トレーニングデータとモデリング決定の違いが、予測パフォーマンスにどのように影響するかを理解することに集中する。
我々は、特定のタイプのデータモデル非効率性に注目し、一部のソースからトレーニングデータを追加することで、集団の重要なサブグループで評価されるパフォーマンスを実際に低下させることができる。
以上の結果から,データ効率が正確かつ信頼性の高い機械学習の鍵となることが示唆された。
論文 参考訳（メタデータ） (2022-11-11T16:48:27Z) - Data Cards: Purposeful and Transparent Dataset Documentation for
Responsible AI [0.0]
我々は、データセットの透明性、目的、人間中心のドキュメンテーションを促進するためのデータカードを提案する。
データカードは、利害関係者が必要とするMLデータセットのさまざまな側面に関する重要な事実の要約である。
実世界のユーティリティと人間中心性にデータカードを基盤とするフレームワークを提示する。
論文 参考訳（メタデータ） (2022-04-03T13:49:36Z) - Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。
近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。
知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文 参考訳（メタデータ） (2021-10-27T12:19:56Z)
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。