論文の概要: Untersuchung der Wirkung von Data Storytelling auf das Datenverstaendnis von Dashboard-Nutzern

• arxiv url: http://arxiv.org/abs/2402.01658v1
• Date: Fri, 12 Jan 2024 09:16:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-11 17:01:49.904444
• Title: Untersuchung der Wirkung von Data Storytelling auf das Datenverstaendnis von Dashboard-Nutzern
• Title（参考訳）: auf das datenverstaendnis von dashboard-nutzernにおけるデータストーリーテリングに関する研究
• Authors: Valeria Zitz and Patrick Baier
• Abstract要約: 本研究では,データ・ストーリーテリングの概念を,ユーザのデータ理解に与える影響の観点から検証する。 本研究は,実証データ分析に基づいて,データストーリーテリング能力が組織のパフォーマンスと肯定的に関連していることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increasing use of big data and business analytics, data storytelling has gained popularity as an effective means of communicating analytical insights to audiences to support decision making and improve business performance. However, there is little empirical evidence on the impact of data storytelling on data understanding. This study validates the concept of data storytelling as a construct in terms of its impact on users' data understanding. Based on empirical data analysis, the results of this study show that data storytelling competence is positively associated with organizational performance, which is partly due to the quality of the decision is conveyed. These results provide a theoretical basis for further investigation of potential antecedents and consequences of data storytelling.
• Abstract（参考訳）: ビッグデータとビジネス分析の利用の増加に伴い、データストーリテリングは、意思決定とビジネスパフォーマンスの向上を支援するために、分析的な洞察を聴衆に伝える効果的な手段として人気を集めている。 しかし、データ理解に対するデータストーリーテリングの影響に関する実証的な証拠はほとんどない。 本研究では,データ・ストーリーテリングの概念を,ユーザのデータ理解に与える影響の観点から検証する。 実験データ分析の結果から,データストーリーテリング能力は組織のパフォーマンスに肯定的に関連していることが明らかとなった。 これらの結果は、データストーリーテリングの潜在的な先行と結果のさらなる研究の理論的基盤を提供する。

関連論文リスト

• Data-Efficient Pretraining with Group-Level Data Influence Modeling [49.18903821780051]
  グループレベルデータ影響モデリング(Group-MATES)は、新しいデータ効率事前学習手法である。 Group-MATESは、事前学習モデルをデータセットで局所的に探索することで、オラクルグループレベルの影響を収集する。 その後、関係データの影響モデルを微調整し、個々の影響の相関重み付けとしてオラクルを近似する。
  論文  参考訳（メタデータ） (2025-02-20T16:34:46Z)
• Efficient Multi-Agent System Training with Data Influence-Oriented Tree Search [59.75749613951193]
  木探索とデータ選択の両方をガイドするデータインフルエンス指向木探索(DITS)を提案する。 インフルエンススコアを活用することで、システム改善のための最も影響力のあるデータを効果的に特定する。 非微分不可能な指標に適した影響スコア推定法を導出する。
  論文  参考訳（メタデータ） (2025-02-02T23:20:16Z)
• Enhancing Data Quality through Simple De-duplication: Navigating Responsible Computational Social Science Research [31.993279516471283]
  我々は,計算社会科学のNLPで広く使われている20のデータセットについて,詳細な調査を行う。 分析の結果、ソーシャルメディアのデータセットは様々なレベルのデータ重複を示すことが明らかとなった。 以上の結果から,データ重複が現状の最先端性能の主張に影響を及ぼすことが示唆された。
  論文  参考訳（メタデータ） (2024-10-04T15:58:15Z)
• Lazy Data Practices Harm Fairness Research [49.02318458244464]
  本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。 本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。 この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
  論文  参考訳（メタデータ） (2024-04-26T09:51:24Z)
• Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
  本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。 そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T14:20:06Z)
• Contributing to Accessibility Datasets: Reflections on Sharing Study Data by Blind People [14.625384963263327]
  13人の盲目の被験者がデータ収集活動に従事している2つの研究結果を示す。 リスク・ベネフィットのトレードオフを評価する際に、異なる要因が被験者の学習データ共有意欲にどのような影響を及ぼすかを確認する。 大多数は、技術改善のためにデータの共有をサポートしますが、商用利用、関連するメタデータ、およびデータの影響に関する透明性の欠如に対する懸念を表明しています。
  論文  参考訳（メタデータ） (2023-03-09T00:42:18Z)
• Continual Causal Inference with Incremental Observational Data [8.543321506666636]
  観測データを用いて因果効果を推定するための連続因果効果表現学習法を提案する。 提案手法は,原データに対する推定能力を損なうことなく,新たなデータの因果効果を連続的に推定する。
  論文  参考訳（メタデータ） (2023-03-03T08:33:15Z)
• Training Data Influence Analysis and Estimation: A Survey [25.460140245596918]
  トレーニングデータの影響分析と推定に関する総合的な調査を初めて実施する。 我々は、最先端の影響分析手法を分類学に編成する。 本研究では,影響分析をより効果的に活用するための今後の研究の方向性を提案する。
  論文  参考訳（メタデータ） (2022-12-09T00:32:46Z)
• 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)
• Measuring Causal Effects of Data Statistics on Language Model's `Factual' Predictions [59.284907093349425]
  大量のトレーニングデータが、最先端のNLPモデルの高性能化の大きな理由の1つである。 トレーニングデータがどのように予測に影響を及ぼすかを記述するための言語を,因果的フレームワークを通じて提供する。 我々のフレームワークは、高価なモデルの再訓練の必要性を回避し、観測データのみに基づいて因果効果を推定することができる。
  論文  参考訳（メタデータ） (2022-07-28T17:36:24Z)
• Graph Infomax Adversarial Learning for Treatment Effect Estimation with Networked Observational Data [9.08763820415824]
  本稿では,処理効果推定のためのグラフ情報最大適応学習(GIAL)モデルを提案する。 我々は,GIALモデルの性能を2つのベンチマークデータセットで評価し,その結果が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-05T12:30:14Z)

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。