論文の概要: Make It Make Sense! Understanding and Facilitating Sensemaking in Computational Notebooks

• arxiv url: http://arxiv.org/abs/2312.11431v1
• Date: Mon, 18 Dec 2023 18:33:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 18:54:32.905005
• Title: Make It Make Sense! Understanding and Facilitating Sensemaking in Computational Notebooks
• Title（参考訳）: Make It Make Sense! 計算ノートのセンスメイキングの理解と促進
• Authors: Souti Chattopadhyay, Zixuan Feng, Emily Arteaga, Audrey Au, Gonzalo Ramos, Titus Barik, Anita Sarma
• Abstract要約: Porpoiseは、計算ノート機能とデジタルデザインを統合し、セルをラベル付きセクションにグループ化し、拡張したり、崩壊したり、アノテートしたりできる。 24人のデータサイエンティストによる調査では、Porpoiseはコード理解を強化し、本を読むのと同じような体験をしました。
• 参考スコア（独自算出の注目度）: 10.621214052177125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reusing and making sense of other scientists' computational notebooks. However, making sense of existing notebooks is a struggle, as these reference notebooks are often exploratory, have messy structures, include multiple alternatives, and have little explanation. To help mitigate these issues, we developed a catalog of cognitive tasks associated with the sensemaking process. Utilizing this catalog, we introduce Porpoise: an interactive overlay on computational notebooks. Porpoise integrates computational notebook features with digital design, grouping cells into labeled sections that can be expanded, collapsed, or annotated for improved sensemaking. We investigated data scientists' needs with unfamiliar computational notebooks and investigated the impact of Porpoise adaptations on their comprehension process. Our counterbalanced study with 24 data scientists found Porpoise enhanced code comprehension, making the experience more akin to reading a book, with one participant describing it as It's really like reading a book.
• Abstract（参考訳）: 他の科学者の計算ノートの再利用と利用。 しかし、これらの参照ノートブックはしばしば探索的であり、乱雑な構造を持ち、複数の代替物を含み、説明がほとんどないため、既存のノートブックを理解することは困難である。 これらの問題を緩和するために,感覚形成過程に関連する認知的タスクのカタログを開発した。 このカタログを利用して,計算ノートにインタラクティブオーバーレイするporpoiseを提案する。 porpoiseは計算ノートブックの機能をデジタルデザインと統合し、セルをラベル付きセクションにグループ化し、拡張、崩壊、あるいはセンスメイキングの改善のために注釈をつける。 本研究では,不慣れな計算ノートを用いたデータ科学者のニーズを調査し,ポルポア適応が理解過程に与える影響について検討した。 24人のデータサイエンティストによる対照研究では、ポルポアズの拡張コード理解が発見され、ある参加者が本を読むのが本当に好きだと説明し、本を読むのとよく似た体験になりました。

関連論文リスト

• Predicting the Understandability of Computational Notebooks through Code Metrics Analysis [0.5277756703318045]
  我々は、コード理解性に関連するユーザコメントを識別するために、微調整のDistilBERT変換器を使用している。 UOCU(User Opinion Code Understandability)と呼ばれる基準を確立しました。 私たちは、メトリクスのみに基づいてノートのコード理解可能性を予測するために、機械学習モデルを訓練しました。
  論文  参考訳（メタデータ） (2024-06-16T15:58:40Z)
• Manifold Learning via Memory and Context [5.234742752529437]
  本稿では,メモリとコンテキストを用いた多様体学習へのナビゲーションに基づくアプローチを提案する。 我々のアプローチは、感覚運動学習の潜在領域におけるナビゲーティングと解釈できるため、ナビゲーションベースと命名する。 本稿では,脳神経系におけるエピソード記憶とセマンティック記憶によるナビゲーション学習の生物学的実装について論じる。
  論文  参考訳（メタデータ） (2024-05-17T17:06:19Z)
• Notably Inaccessible -- Data Driven Understanding of Data Science Notebook (In)Accessibility [13.428631054625797]
  各種アクセシビリティ問題を特定するために,10000 Jupyter ノートの大規模システム解析を行った。 ノートのアーティファクトのアクセシビリティ向上,オーサリングプラクティスの提案,ノートブックのアクセス性向上のためのインフラストラクチャの変更を提案する。
  論文  参考訳（メタデータ） (2023-08-07T01:33:32Z)
• AmadeusGPT: a natural language interface for interactive animal behavioral analysis [65.55906175884748]
  動作の自然言語記述をマシン実行可能なコードに変換する自然言語インタフェースであるAmadeusGPTを紹介する。 MABE 2022の動作課題タスクで最先端のパフォーマンスを実現できることを示す。 アマデウスGPTは、深い生物学的知識、大規模言語モデル、そしてコアコンピュータビジョンモジュールをより自然に知的なシステムに統合する新しい方法を提示している。
  論文  参考訳（メタデータ） (2023-07-10T19:15:17Z)
• Navigating causal deep learning [78.572170629379]
  因果ディープラーニング(Causal Deep Learning, CDL)は、機械学習の大きな分野において、新しく重要な研究分野である。 本稿では、パールの因果関係のはしごを越えて、因果関係の深層学習の手法を分類する。 私たちのパラダイムは、研究者がベンチマークを見つけ、メソッドを比較し、そして最も重要なのは、研究のギャップを識別するのを助けるツールです。
  論文  参考訳（メタデータ） (2022-12-01T23:44:23Z)
• StickyLand: Breaking the Linear Presentation of Computational Notebooks [5.1175396458764855]
  StickyLandはノートブックの拡張機能で、ユーザは自由にコードをリニアな方法で整理できる。 常に画面に表示される粘着性のあるセルを使えば、ユーザーはノートに素早くアクセスでき、実験結果をすぐに観察でき、インタラクティブなダッシュボードを簡単に構築できる。
  論文  参考訳（メタデータ） (2022-02-22T18:25:54Z)
• Compositional Processing Emerges in Neural Networks Solving Math Problems [100.80518350845668]
  人工知能の最近の進歩は、大きなモデルが十分な言語データに基づいて訓練されると、文法構造が表現に現れることを示している。 我々は、この研究を数学的推論の領域にまで拡張し、どのように意味を構成するべきかについての正確な仮説を定式化することができる。 私たちの研究は、ニューラルネットワークがトレーニングデータに暗黙的に構造化された関係について何かを推測できるだけでなく、個々の意味の合成を合成全体へと導くために、この知識を展開できることを示している。
  論文  参考訳（メタデータ） (2021-05-19T07:24:42Z)
• MetaKernel: Learning Variational Random Features with Limited Labels [120.90737681252594]
  少数の注釈付きサンプルから学習し、新しいタスクでうまく一般化できるという根本的かつ困難な問題に、少数のショットラーニングが対処します。 マルチショット学習のためのランダムなフーリエ機能を備えたメタラーニングカーネルをMeta Kernelと呼びます。
  論文  参考訳（メタデータ） (2021-05-08T21:24:09Z)
• GIS and Computational Notebooks [0.0]
  この章では、地理的文脈で計算ノートを紹介します。 これはまず、ノートブックの根底にある計算パラダイムと哲学を説明することから始まる。 そして、そのアーキテクチャをアンパックして、ノートブックユーザの典型的なワークフローを図示する。
  論文  参考訳（メタデータ） (2021-01-02T01:59:14Z)
• ALICE: Active Learning with Contrastive Natural Language Explanations [69.03658685761538]
  本研究では,学習におけるデータ効率を向上させるために,AlICEを用いたアクティブラーニングを提案する。 ALICEは、まずアクティブラーニングを使用して、最も情報に富んだラベルクラスを選択し、対照的な自然言語の説明を引き出す。 意味的に抽出された知識を用いて、これらの説明から知識を抽出する。
  論文  参考訳（メタデータ） (2020-09-22T01:02:07Z)
• Learning compositional functions via multiplicative weight updates [97.9457834009578]
  乗算重み更新は構成関数に合わせた降下補題を満たすことを示す。 マダムは、学習率のチューニングなしに、最先端のニューラルネットワークアーキテクチャをトレーニングできることを示す。
  論文  参考訳（メタデータ） (2020-06-25T17:05:19Z)

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。