論文の概要: Gen4DS: Workshop on Data Storytelling in an Era of Generative AI

• arxiv url: http://arxiv.org/abs/2404.01622v2
• Date: Sat, 6 Apr 2024 02:12:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 11:18:23.693630
• Title: Gen4DS: Workshop on Data Storytelling in an Era of Generative AI
• Title（参考訳）: Gen4DS: 生成AI時代のデータストーリーテリングに関するワークショップ
• Authors: Xingyu Lan, Leni Yang, Zezhong Wang, Yun Wang, Danqing Shi, Sheelagh Carpendale,
• Abstract要約: 生成AIの急速な開発は、多くの新しい疑問を引き起こした。 生成AIはどのようにデータストーリーの作成を促進するか? ストーリーテリングにAIを導入する際の落とし穴とリスクは何か?
• 参考スコア（独自算出の注目度）: 14.595304339780943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Storytelling is an ancient and precious human ability that has been rejuvenated in the digital age. Over the last decade, there has been a notable surge in the recognition and application of data storytelling, both in academia and industry. Recently, the rapid development of generative AI has brought new opportunities and challenges to this field, sparking numerous new questions. These questions may not necessarily be quickly transformed into papers, but we believe it is necessary to promptly discuss them to help the community better clarify important issues and research agendas for the future. We thus invite you to join our workshop (Gen4DS) to discuss questions such as: How can generative AI facilitate the creation of data stories? How might generative AI alter the workflow of data storytellers? What are the pitfalls and risks of incorporating AI in storytelling? We have designed both paper presentations and interactive activities (including hands-on creation, group discussion pods, and debates on controversial issues) for the workshop. We hope that participants will learn about the latest advances and pioneering work in data storytelling, engage in critical conversations with each other, and have an enjoyable, unforgettable, and meaningful experience at the event.
• Abstract（参考訳）: ストーリーテリングは、デジタル時代に復活した古代で貴重な人間の能力である。 過去10年間で、学術と産業の両方において、データストーリーテリングの認識と応用が顕著に急増した。 近年、生成AIの急速な発展により、この分野に新たな機会と課題が生まれ、多くの新しい疑問が持ち上がった。 これらの質問はすぐに論文化されるとは限らないが、コミュニティが今後の重要な課題や研究課題をより明確にするためには、迅速に議論する必要があると考えている。 ですから、私たちのワークショップ(Gen4DS)に参加して、次のような質問を議論してください。 生成AIは、どのようにデータストーリの作成を促進できますか? 生成AIはどのようにデータストーリーテラーのワークフローを変えるのか? ストーリーテリングにAIを導入する際の落とし穴とリスクは何か? ワークショップのために、ペーパープレゼンテーションとインタラクティブなアクティビティ(ハンズオン作成、グループディスカッションポッド、議論の的になっている問題に関する議論を含む)の両方を設計しました。 参加者が最新の進歩について学び、データストーリーテリングにおける先駆的な仕事を学び、互いに批判的な会話をし合い、イベントにおいて楽しい、忘れられない、有意義な経験を得られることを期待しています。

関連論文リスト

• SARD: A Human-AI Collaborative Story Generation [0.0]
  本研究では,大規模言語モデルを用いたマルチチャプタストーリ生成のためのドラッグアンドドロップ型ビジュアルインタフェースであるSARDを提案する。 SARDのユーザビリティとその創造性に対する評価は、物語のノードベースの可視化は、著者がメンタルモデルを構築するのに役立つかもしれないが、著者にとって不必要な精神的オーバーヘッドを生じさせることを示している。 また、AIはストーリーの複雑さに関係なく、語彙的に多様性の低いストーリーを生成することもわかりました。
  論文  参考訳（メタデータ） (2024-03-03T17:48:42Z)
• Exploring Parent's Needs for Children-Centered AI to Support Preschoolers' Interactive Storytelling and Reading Activities [52.828843153565984]
  AIベースのストーリーテリングと読書技術は、幼児の生活の中でますます普及しつつある。 本稿では,実践的なストーリーテリングや読書のシナリオでどのように機能するか,親,最も重要な利害関係者,経験,知覚について考察する。 我々の研究結果は、AIベースのストーリーテリングと読書技術は、より没入的で活発な相互作用を提供するが、一連の対話的でアルゴリズム的な課題のために、両親の期待を満たすことはできないことを示唆している。
  論文  参考訳（メタデータ） (2024-01-24T20:55:40Z)
• Learning from a Generative AI Predecessor -- The Many Motivations for Interacting with Conversational Agents [23.901805145989208]
  生成的会話型AIは、その高コストに対応するための明確な収益モデルを持っていない。 生成AIの出現に先立ち、我々は大規模で質的な分析を行い、何百万人もの人々がそのような「仮想の仲間」であるMicrosoftのZoと関わる動機を学習した。
  論文  参考訳（メタデータ） (2023-12-31T03:29:16Z)
• Identifying and Mitigating the Security Risks of Generative AI [179.2384121957896]
  本稿では,GenAIによる双対ジレンマに関するGoogleのワークショップの成果を報告する。 GenAIはまた、攻撃者が新しい攻撃を生成し、既存の攻撃のベロシティと有効性を高めるためにも使用できる。 この話題について,コミュニティの短期的,長期的目標について論じる。
  論文  参考訳（メタデータ） (2023-08-28T18:51:09Z)
• Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling [59.08591308749448]
  業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。 驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
  論文  参考訳（メタデータ） (2023-04-17T15:30:05Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)
• Computational Storytelling and Emotions: A Survey [56.95572957863576]
  本研究は,物語と感情の関係に関する研究を要約し,その発展に寄与することを目的としている。 創造性の研究は人間をコンピューターに置き換えることではなく、創造性を高めるために人間とコンピューターのコラボレーション方法を見つけることであると私たちは信じています。
  論文  参考訳（メタデータ） (2022-05-23T00:21:59Z)
• A Neural Conversation Generation Model via Equivalent Shared Memory Investigation [39.922967513749654]
  DRMN(Deep Reading Memory Network)と呼ばれる新しい読み書き・記憶フレームワークを提案する。 DRMNは、発話生成を改善するために、類似した会話の有用な情報を記憶することができる。 弊社のモデルは、正義とeコマースの2つの大規模な会話データセットに適用する。
  論文  参考訳（メタデータ） (2021-08-20T13:20:14Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)

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。