論文の概要: Teaching Data Science Students to Sketch Privacy Designs through Heuristics (Extended Technical Report)

• arxiv url: http://arxiv.org/abs/2504.04734v1
• Date: Mon, 07 Apr 2025 05:12:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 21:46:45.414645
• Title: Teaching Data Science Students to Sketch Privacy Designs through Heuristics (Extended Technical Report)
• Title（参考訳）: データサイエンスの学生にヒューリスティックスによるプライバシデザインのスケッチを教える(拡張技術報告)
• Authors: Jinhe Wen, Yingxi Zhao, Wenqian Xu, Yaxing Yao, Haojian Jin,
• Abstract要約: 本稿では,初級データサイエンスの学生が高品質なプライバシスケッチを作成するための障壁を低くする方法について検討する。 データサイエンスの学生24名を対象にしたユーザスタディでは,研究開始時に参加者に3つを提示するだけで,プライバシに関する設計決定のカバレッジを向上できることがわかった。
• 参考スコア（独自算出の注目度）: 7.089303195483109
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent studies reveal that experienced data practitioners often draw sketches to facilitate communication around privacy design concepts. However, there is limited understanding of how we can help novice students develop such communication skills. This paper studies methods for lowering novice data science students' barriers to creating high-quality privacy sketches. We first conducted a need-finding study (N=12) to identify barriers students face when sketching privacy designs. We then used a human-centered design approach to guide the method development, culminating in three simple, text-based heuristics. Our user studies with 24 data science students revealed that simply presenting three heuristics to the participants at the beginning of the study can enhance the coverage of privacy-related design decisions in sketches, reduce the mental effort required for creating sketches, and improve the readability of the final sketches.
• Abstract（参考訳）: 近年の研究では、経験豊富なデータ実践者が、プライバシ設計の概念に関するコミュニケーションを容易にするためにスケッチを描くことが多いことが判明している。 しかし,このようなコミュニケーション能力は,初等生のコミュニケーション能力向上にどう役立つかという理解は限られている。 本稿では,初級データサイエンスの学生が高品質なプライバシスケッチを作成するための障壁を低くする方法について検討する。 筆者らはまず, 学生がプライバシデザインをスケッチする際に直面する障壁を特定するために, ニーズフィンディング調査(N=12)を行った。 次に、人間中心の設計アプローチを用いて、メソッド開発をガイドし、3つの単純でテキストベースのヒューリスティックスで結論付けました。 データサイエンスの学生24名を対象に行ったユーザスタディでは、参加者に3つのヒューリスティックを提示するだけで、スケッチにおけるプライバシに関する設計決定のカバレッジが向上し、スケッチ作成に必要な精神的労力が軽減され、最終的なスケッチの読みやすさが向上することが明らかになった。

関連論文リスト

• Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
  本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。 これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。 テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
  論文  参考訳（メタデータ） (2023-03-20T23:46:46Z)
• Make Your Brief Stroke Real and Stereoscopic: 3D-Aware Simplified Sketch to Portrait Generation [51.64832538714455]
  既存の研究は2次元平面の像のみを固定ビューで生成し、その結果を鮮明にしない。 本稿では立体視による簡易スケッチ・トゥ・ポートレート(SSSP)について述べる。 我々の重要な洞察は、三面体ベースの3D認識生成モデルの事前知識を十分に活用できるスケッチ認識制約を設計することである。
  論文  参考訳（メタデータ） (2023-02-14T06:28:42Z)
• Sketch Less Face Image Retrieval: A New Challenge [9.703239229149261]
  完全な顔のスケッチを描くには、しばしばスキルと時間が必要です。 そこで本研究では,各ストロークで顔画像検索を行い,ストロークの少ない部分スケッチを用いて対象の顔写真を検索することを目的とした,スケッチ少ない顔画像検索(SLFIR)を提案する。 実験は、新しいフレームワークが部分的またはプール描画スケッチを使用して検索を終了できることを示している。
  論文  参考訳（メタデータ） (2023-02-11T02:36:00Z)
• 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)
• Sketch-based Creativity Support Tools using Deep Learning [23.366634691081593]
  ディープラーニングモデルの最近の進歩は、視覚的コンテンツを理解および生成するマシンの能力を大幅に改善した。 開発中のエキサイティングな領域では、人間のスケッチをモデル化するためのディープラーニングアプローチを探求し、クリエイティブなアプリケーションに機会を与えている。 この章では、スケッチを消費し、生成するディープラーニング駆動の創造性支援ツールを開発するための3つの基本的なステップについて説明する。
  論文  参考訳（メタデータ） (2021-11-19T00:57:43Z)
• 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)
• 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。