論文の概要: Thinking Inside the Box: Considerations for Putting Data Physicalization Workshops in a Box

• arxiv url: http://arxiv.org/abs/2606.09835v1
• Date: Mon, 20 Apr 2026 08:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.790665
• Title: Thinking Inside the Box: Considerations for Putting Data Physicalization Workshops in a Box
• Title（参考訳）: 箱の中を考える: データ物理化ワークショップを箱に入れよう
• Authors: Derya Akbaba, Camilla Svensson, Claudia Torelli, Martin Callmeryd, Miriah Meyer,
• Abstract要約: データ物理化ワークショップにおける研究者中心のアプローチに挑戦するための設計概念としてワークショップ・イン・ア・ボックスを導入した。 本稿では,データ物理化ワークショップを箱に組み込むための資料と手続き的考察と,学術領域外における可視化研究の展開について述べる。
• 参考スコア（独自算出の注目度）: 4.5953948392999555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visualization researchers utilize workshops both for applied research and to engage different populations with visualization-based activities. While there are many benefits to running visualization workshops, their utility and impact rely on the presence of a researcher who has deep knowledge about visualization theory and practice. In this work, we introduce workshop-in-a-box as a design concept intended to challenge the researcher-centric approach to data physicalization workshops. Through a design study with a socially innovative organization, we deployed several data physicalization workshops that our collaborator ran instead of us. Based on this experience, along with two accompanying case studies that validate the concept, we present material and procedural considerations for how to put data physicalization workshops into a box and the implications it has for extending visualization research outside the bounds of academia.
• Abstract（参考訳）: 可視化研究者は、応用研究のワークショップと、可視化に基づく活動と異なる集団との関わりの両方に利用している。 ビジュアライゼーションワークショップの実行には多くのメリットがあるが、その有用性と影響は、ビジュアライゼーション理論と実践について深い知識を持つ研究者の存在に依存している。 本研究では,データ物理化ワークショップにおける研究者中心のアプローチに挑戦するための設計概念としてワークショップ・イン・ア・ボックスを導入する。 社会的に革新的な組織によるデザインスタディを通じて、私たちはデータ物理化ワークショップをいくつも展開しました。 この経験に基づき、この概念を検証した2つのケーススタディとともに、データ物理化ワークショップを箱に組み込むための資料と手続き的考察と、それが学術領域外における可視化研究を拡張するための意義を提示する。

関連論文リスト

• Predicting New Research Directions in Materials Science using Large Language Models and Concept Graphs [30.813288388998256]
  大規模言語モデル(LLM)は,自動キーワード抽出法よりも効率的に概念を抽出できることを示す。 機械学習モデルは、歴史的データに基づいて、概念の新たな組み合わせを予測するために訓練される。 本モデルは,まだ研究されていないトピックの革新的な組み合わせを予測することによって,材料科学者の創造的思考プロセスに刺激を与えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-20T08:26:12Z)
• Vision Generalist Model: A Survey [87.49797517847132]
  本稿では、ビジョンジェネラリストモデルの概要を概観し、その分野におけるその特性と能力について考察する。 関連ドメインへの簡単な探索を行い、相互接続と潜在的なシナジーに光を当てます。
  論文  参考訳（メタデータ） (2025-06-11T17:23:41Z)
• The 1st EReL@MIR Workshop on Efficient Representation Learning for Multimodal Information Retrieval [49.587042083937426]
  我々は,Web Conference 2025で初めてのEReL@MIRワークショップを提案し,参加者に新しいソリューションの探求を依頼する。 このワークショップは、学術と産業の両方の研究者が議論し、洞察を共有し、コラボレーションを促進するためのプラットフォームを提供することを目的としている。
  論文  参考訳（メタデータ） (2025-04-21T01:10:59Z)
• Zero-Shot Object-Centric Representation Learning [72.43369950684057]
  ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。 多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T10:37:07Z)
• Semantic-Based Active Perception for Humanoid Visual Tasks with Foveal Sensors [49.99728312519117]
  この研究の目的は、最近の意味に基づくアクティブな知覚モデルが、人間が定期的に行う視覚的なタスクをいかに正確に達成できるかを確立することである。 このモデルは、現在のオブジェクト検出器が多数のオブジェクトクラスをローカライズし、分類し、複数の固定にまたがるシーンのセマンティック記述を更新する能力を利用する。 シーン探索の課題では、セマンティック・ベースの手法は従来のサリエンシ・ベース・モデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-04-16T18:15:57Z)
• EduVis: Workshop on Visualization Education, Literacy, and Activities [19.512168415082122]
  このワークショップは、可視化コミュニティ内外の学際研究者のためのプラットフォームとして機能することを目的としている。 研究論文や実践報告のプレゼンテーションや,ハンズオン活動も含みます。
  論文  参考訳（メタデータ） (2023-03-19T16:35:43Z)
• Vision-Centric BEV Perception: A Survey [92.98068828762833]
  視覚中心のBird's Eye View(BEV)の認識は、産業と学界の両方から大きな関心を集めている。 ディープラーニングの急速な進歩は、視覚中心のBEV知覚問題に対処する多くの方法の提案につながった。 本稿では、最新の知識をコンパイルし、整理し、一般的なアルゴリズムの体系的なレビューと要約を提供する。
  論文  参考訳（メタデータ） (2022-08-04T17:53:17Z)
• Towards Formalizing HRI Data Collection Processes [4.090390588417062]
  機械学習モデリングのための3つのステップでデータを収集するために、明確に定義されたプロセスにコントリビュートする。 具体的には、データ収集の目標と、十分にカバーされ、豊富な応答を促すためにどのように取り組んできたかについて論じる。
  論文  参考訳（メタデータ） (2022-03-16T04:59:18Z)
• ColVis: Collaborative Visualization Design Workshops for Diverse User Groups [0.0]
  2つの異なるデータ可視化プロジェクトのためのワークショップを開催しました。 各プロジェクトでは、ドメインの専門家であるプロジェクトステークホルダーとワークショップを行い、その後、初心者ユーザによる第2のワークショップを開催しました。 参加者からのフィードバックを収集し、プロセスに対する批判的な反映を使用しました。
  論文  参考訳（メタデータ） (2020-09-14T15:34:40Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。