論文の概要: Visualizing "We the People": Bridging the Perception Gap through Pluralistic Data Storytelling
- arxiv url: http://arxiv.org/abs/2606.24635v1
- Date: Tue, 23 Jun 2026 14:28:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:49.016241
- Title: Visualizing "We the People": Bridging the Perception Gap through Pluralistic Data Storytelling
- Title（参考訳）: We the People"を視覚化する - 複数のデータストーリーテリングによる知覚ギャップのブリッジ
- Authors: Lisa Schirch, Beth Goldberg,
- Abstract要約: 伝統的なビジュアルデータストーリーテリングは、競合する2つの単純化されたグループを描いたバイナリグラフィックスに依存している。
これにより、グループ内の不一致を単純化し、曖昧さを排除し、アイデアや価値観を共有することで、政治的分極を高めることができる。
AI対応デジタルプラットフォームのための意図的かつ多元的な設計選択は、ニュアンス、意見分布、グループ間共通性を強調する視覚化を生成することができる。
- 参考スコア（独自算出の注目度）: 0.5872662447648235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional visual data storytelling relies on binary graphics that depict two simplified groups in conflict. This can increase political polarization by oversimplifying intra-group disagreements and erasing ambiguity and shared ideas or values. This can inadvertently foster "us versus them" thinking. Intentional, pluralistic design choices for AI-enabled digital platforms can produce visualizations that emphasize nuance, opinion distribution, and intergroup commonalities. To demonstrate this potential, we examine deliberative technologies that map high-dimensional opinion spaces and highlight areas of both consensus and dissensus. The paper highlights the We the People deliberation conducted by Jigsaw and the Napolitan Institute in September 2025, which engaged over 2,400 Americans across all 435 congressional districts in an AI-supported, asynchronous dialogue regarding freedom and equality. By utilizing AI to synthesize long-form, text-based participant inputs into interactive "opinion landscapes," the initiative provided an alternative format for pluralistic data storytelling that humanized diverse viewpoints and revealed hidden areas of substantial broad consensus. The paper concludes that shifting from divisive, contrast-heavy visual frameworks to distribution-focused, interactive models represents a highly scalable, low-cost intervention capable of bridging perceptual gaps and cultivating a more resilient, collaborative democratic culture.
- Abstract（参考訳）: 伝統的なビジュアルデータストーリーテリングは、競合する2つの単純化されたグループを描いたバイナリグラフィックスに依存している。
これにより、グループ内の不一致を単純化し、曖昧さを排除し、アイデアや価値観を共有することで、政治的分極を高めることができる。
これは必然的に"私たち対彼ら"の思考を育むことができます。
AI対応デジタルプラットフォームのための意図的かつ多元的な設計選択は、ニュアンス、意見分布、グループ間共通性を強調する視覚化を生成することができる。
この可能性を実証するために、高次元の意見空間をマッピングし、コンセンサスと不一致の両方の領域をハイライトする熟考技術を検討する。
2025年9月にJigsawとナポリタン研究所が行ったWe the People Deliberationは、435の選挙区で2,400人以上のアメリカ人とAIが支援し、自由と平等に関する非同期対話を行った。
AIを活用して、長い形式のテキストベースの参加者入力をインタラクティブな"オピニオンランドスケープ"に合成することで、このイニシアチブは多元的データストーリーテリングの代替フォーマットを提供し、多様な視点を人間化し、かなり広いコンセンサスを持つ隠れた領域を明らかにした。
論文は、異なる、コントラストの多いビジュアルフレームワークから、分散にフォーカスしたインタラクティブなモデルへの移行は、非常にスケーラブルで低コストな介入であり、知覚的ギャップを埋め、よりレジリエントで協力的な民主的文化を育むことができる、と結論付けている。
関連論文リスト
- Can AI mediation improve democratic deliberation? [10.125698716274286]
我々は、人工知能が幅広い参加、意味ある熟考、政治的平等の「トリレンマ」をナビゲートするのに役立つかどうかを尋ねる。
多様な視点を持つ人々が共通基盤を見つけるのを支援するために設計された,大規模言語モデル(LLM)ベースのシステムについて検討する。
究極的には、AIによる熟考の約束を完全に実現するためには、経験的、技術的、理論的に幅広い進歩が必要である。
論文 参考訳（メタデータ） (2026-01-09T16:22:26Z) - Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Identifying & Interactively Refining Ambiguous User Goals for Data Visualization Code Generation [48.63200319578052]
本研究では,この課題に現れるあいまいさの分類法を開発し,それらを定量化するための指標を提案する。
我々の研究は、マルチターン対話が曖昧さを減らし、ユーザ目標の整合性を高めてコード精度を向上させる方法についても検討している。
論文 参考訳（メタデータ） (2025-10-10T13:44:40Z) - Whose View of Safety? A Deep DIVE Dataset for Pluralistic Alignment of Text-to-Image Models [29.501859416167385]
現在のテキスト・トゥ・イメージ(T2I)モデルは、多種多様な人間の経験を説明できないことが多く、不整合システムに繋がる。
我々は、AIが理解し、多様で、しばしば矛盾する人間の価値観に対して操縦できる多元的アライメントを提唱する。
論文 参考訳（メタデータ） (2025-07-15T21:02:35Z) - PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳（メタデータ） (2024-08-18T13:51:01Z) - Decoding Visual Sentiment of Political Imagery [0.0]
本研究では,視覚的感情分類に時間差を組み込むことにより,視覚的感情分析に新たなアプローチを導入する。
我々は、異なるイデオロギーの観点から視覚的感情を予測するために、深層学習マルチタスク・マルチクラスモデルを訓練した。
論文 参考訳（メタデータ） (2024-08-07T21:44:56Z) - Dimensions of Online Conflict: Towards Modeling Agonism [2.471304332463658]
アゴニズムは多様な視点と堅固な議論を育むことで民主的対話において重要な役割を担っている。
これら2つの対立をモデル化するために、議論の的になっているトピックに関するTwitterの会話を収集した。
本稿では,会話におけるコンフリクトの異なる次元をラベル付けするための包括的なアノテーションスキーマを提案する。
論文 参考訳（メタデータ） (2023-11-06T22:34:17Z) - $C^3$: Compositional Counterfactual Contrastive Learning for
Video-grounded Dialogues [97.25466640240619]
映像対話システムの目的は、映像理解と対話理解を統合し、対話と映像コンテキストの両方に関連する応答を生成することである。
既存のアプローチのほとんどはディープラーニングモデルを採用しており、比較的小さなデータセットが利用可能であることを考えると、優れたパフォーマンスを実現している。
本稿では,映像対話における実例と反実例の対比学習を開発するために,合成対実的コントラスト学習の新たなアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-16T16:05:27Z)
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。