論文の概要: Context-aware Adaptive Visualizations for Critical Decision Making
- arxiv url: http://arxiv.org/abs/2511.11476v1
- Date: Fri, 14 Nov 2025 16:53:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-17 22:42:18.730582
- Title: Context-aware Adaptive Visualizations for Critical Decision Making
- Title（参考訳）: 批判的意思決定のための文脈認識型適応可視化
- Authors: Angela Lopez-Cardona, Mireia Masias Bruns, Nuwan T. Attygalle, Sebastian Idesis, Matteo Salvatori, Konstantinos Raftopoulos, Konstantinos Oikonomou, Saravanakumar Duraisamy, Parvin Emami, Nacera Latreche, Alaa Eddine Anis Sahraoui, Michalis Vakallelis, Jean Vanderdonckt, Ioannis Arapakis, Luis A. Leiva,
- Abstract要約: 我々は、インテリジェントでコンテキスト対応の適応可視化システムであるSymbiotikを紹介する。
我々は神経生理学的信号を用いて精神労働負荷(MWL)を推定し、強化学習(RL)を用いて視覚ダッシュボードを動的に適用する。
Symbiotikはスケーラブルでリアルタイムな適応アーキテクチャと、ニューロアダプティブなユーザインタフェースの検証された方法論を提供する。
- 参考スコア（独自算出の注目度）: 10.831305700587073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective decision-making often relies on timely insights from complex visual data. While Information Visualization (InfoVis) dashboards can support this process, they rarely adapt to users' cognitive state, and less so in real time. We present Symbiotik, an intelligent, context-aware adaptive visualization system that leverages neurophysiological signals to estimate mental workload (MWL) and dynamically adapt visual dashboards using reinforcement learning (RL). Through a user study with 120 participants and three visualization types, we demonstrate that our approach improves task performance and engagement. Symbiotik offers a scalable, real-time adaptation architecture, and a validated methodology for neuroadaptive user interfaces.
- Abstract（参考訳）: 効果的な意思決定は、しばしば複雑な視覚データからのタイムリーな洞察に依存します。
インフォメーションビジュアライゼーション(インフォメーションビジュアライゼーション)ダッシュボードはこのプロセスをサポートすることができるが、ユーザの認知状態に適応することはめったにない。
本稿では、神経生理学的信号を利用して精神労働負荷(MWL)を推定し、強化学習(RL)を用いて視覚ダッシュボードを動的に適用する、インテリジェントでコンテキスト対応の適応可視化システムであるSymbiotikを提案する。
120人の参加者と3つの可視化タイプによるユーザスタディを通じて、我々のアプローチがタスクのパフォーマンスとエンゲージメントを改善することを実証した。
Symbiotikはスケーラブルでリアルタイムな適応アーキテクチャと、ニューロアダプティブなユーザインタフェースの検証された方法論を提供する。
関連論文リスト
- GuideAI: A Real-time Personalized Learning Solution with Adaptive Interventions [0.5833117322405447]
大規模言語モデル(LLM)は強力な学習ツールとして登場したが、学習者の認知的・生理的状態に対する認識は欠如している。
リアルタイムバイオセンサーフィードバックを統合することでLLM駆動学習を強化するマルチモーダルフレームワークである GuideAI を紹介する。
論文 参考訳（メタデータ） (2026-01-28T09:06:45Z) - Emulating Human-like Adaptive Vision for Efficient and Flexible Machine Visual Perception [93.20637973889434]
本稿では、"パッシブ"から"アクティブ"ビジョンモデルへのパラダイムシフトを促進するための一般的なフレームワークであるAdaptiveNNを紹介する。
AdaptiveNNは、視覚知覚を粗い連続的な意思決定プロセスとして定式化する。
アダプティブNNは、大規模な視覚認識、きめ細かい識別、視覚検索、実際の運転と医療シナリオからの画像処理を含む、9つのタスクにまたがる17のベンチマークで評価する。
論文 参考訳（メタデータ） (2025-09-18T18:25:43Z) - Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。
質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。
これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
論文 参考訳（メタデータ） (2025-06-03T14:44:48Z) - Top-Down Compression: Revisit Efficient Vision Token Projection for Visual Instruction Tuning [70.57180215148125]
ビジュアルインストラクションチューニングは、大きな言語モデルで視覚世界を理解できるようにすることを目的としている。
既存の手法は、精度と効率の間の難解なトレードオフに悩まされることが多い。
LLaVA-Meteorは,コア情報を妥協することなく,視覚トークンを戦略的に圧縮する手法である。
論文 参考訳（メタデータ） (2025-05-17T10:22:29Z) - Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。
動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
論文 参考訳（メタデータ） (2025-04-05T09:32:03Z) - Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳（メタデータ） (2025-02-05T17:14:45Z) - DeepFace-Attention: Multimodal Face Biometrics for Attention Estimation with Application to e-Learning [18.36413246876648]
本研究では,Webカメラビデオに適用した顔分析手法のアンサンブルを用いて,注意レベル(認知的負荷)を推定する革新的な手法を提案する。
我々のアプローチは、最先端の顔分析技術を適用し、ユーザの認知的負荷を、高い注意や低い注意の形で定量化する。
提案手法は,mEBAL2ベンチマークを用いて,既存の最先端の精度を向上する。
論文 参考訳（メタデータ） (2024-08-10T11:39:11Z) - Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - What User Behaviors Make the Differences During the Process of Visual
Analytics? [1.5285292154680246]
本研究では,ユーザ行動の包括的データ収集と時系列分類手法を用いた分析手法を提案する。
ユーザスタディでは,デスクトップと没入型2種類の可視化システムを用いて,多様な可視化タスクのユーザ行動を収集している。
この結果から,視覚分析の過程でユーザ行動の区別が可能であり,ユーザの身体行動とそれらが実行する可視化タスクとの間には強い関連性があることが判明した。
論文 参考訳（メタデータ） (2023-11-01T17:45:52Z) - Micro-entries: Encouraging Deeper Evaluation of Mental Models Over Time
for Interactive Data Systems [7.578368459974474]
本稿では,ユーザによるシステム論理のメンタルモデルの評価について論じる。
メンタルモデルは、キャプチャと分析が難しい。
ユーザーが何を知り、どのように知っているかを説明することで、研究者は構造化された時間順の洞察を集めることができる。
論文 参考訳（メタデータ） (2020-09-02T18:27:04Z)
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。