論文の概要: A Comparative Study of Static, Scrollytelling, and Chatbot Visualization Onboarding Techniques for UX Designers
- arxiv url: http://arxiv.org/abs/2607.03023v1
- Date: Fri, 03 Jul 2026 07:12:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 13:08:39.914809
- Title: A Comparative Study of Static, Scrollytelling, and Chatbot Visualization Onboarding Techniques for UX Designers
- Title（参考訳）: UXデザイナのための静的・スクローリング・チャットボット可視化技術の比較検討
- Abstract要約: 25人のUXデザイナと学生を対象に,静的,スクロール,チャットボットの3つの可視化手法を評価した。
可視化作成作業における視覚的理解とガイドラインの定着度を測定し,その後,嗜好や経験を捉えた調査やインタビューを行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User experience (UX) designers face barriers when creating data visualizations due to limited domain expertise in visualization or unfamiliarity with specialized tools. This highlights a clear need for effective methods to build visualization literacy. To address this, we evaluated three visualization onboarding techniques -- static, scrollytelling, and chatbot -- in an experimental study with 25 UX designers and students. We measured visualization comprehension and guideline adherence during a visualization creation task, followed by surveys and interviews to capture preferences and experiences. Compared to static onboarding, the pooled interactive condition (scrollytelling or chatbot) was associated with significantly higher guideline-adherence scores during visualization creation; both interactive techniques also received higher engagement ratings. Instruction clarity ratings were significantly higher when the two interactive conditions were pooled. Comprehension did not differ significantly across conditions. While participants generally preferred the interactive techniques, no significant differences emerged between scrollytelling and chatbot in performance or onboarding experience ratings. Drawing on the findings, we discuss three design dimensions of visualization onboarding (narrative structure, visual content layout, and navigational flexibility), their design implications, and potential opportunities for future research in this field.
- Abstract（参考訳）: ユーザエクスペリエンス(UX)デザイナは、視覚化の専門知識が限られているり、特殊なツールに精通していないため、データ視覚化の際の障壁に直面します。
これは、視覚化リテラシーを構築する効果的な方法の必要性を明確に浮き彫りにする。
これを解決するために,25人のUXデザイナと学生を対象に,静的,スクロール,チャットボットの3つの可視化手法を評価した。
可視化作成作業における視覚的理解とガイドラインの定着度を測定し,その後,嗜好や経験を捉えた調査やインタビューを行った。
静的なオンボーディングと比較して、プール化されたインタラクティブな条件(スクローリーテリングやチャットボット)は、可視化作成時のガイドライン順守スコアが著しく高かった。
2つの対話的条件がプールされた場合,教示明瞭度は有意に高かった。
理解は条件によって大きく異なることはなかった。
参加者は一般的にインタラクティブなテクニックを好んだが、パフォーマンスや搭乗経験評価において、スクロールリングとチャットボットの間に顕著な違いはみられなかった。
本研究は,映像化の3つの設計次元(物語構造,視覚的コンテンツレイアウト,ナビゲーションの柔軟性),設計上の意義,今後の研究の可能性について論じる。
関連論文リスト
- TrajPred: Trajectory-Conditioned Joint Embedding Prediction for Surgical Instrument-Tissue Interaction Recognition in Vision-Language Models [13.912437629529693]
時間的動きの手がかりを組み込むための楽器軌道を符号化するフレームワークであるTrajPredを提案する。
また,楽器間相互作用認識タスクへのスムーズな適応を実現するために,プロンプトチューニングと動詞言い換え手法を取り入れた。
論文 参考訳（メタデータ） (2026-03-07T02:44:57Z) - SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。
SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。
ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
論文 参考訳（メタデータ） (2025-05-08T17:45:44Z) - Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。
パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。
これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
論文 参考訳（メタデータ） (2024-07-01T21:20:44Z) - Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。
従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。
そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文 参考訳（メタデータ） (2023-12-26T15:44:09Z) - Visual Analytics for Efficient Image Exploration and User-Guided Image
Captioning [35.47078178526536]
事前訓練された大規模言語画像モデルの最近の進歩は、視覚的理解の新しい時代を後押ししている。
本稿では,視覚分析の領域でよく知られた2つの問題に取り組み,(1)大規模画像データセットの効率的な探索と潜在的なデータバイアスの同定,(2)画像キャプションの評価と生成過程のステアリングを行う。
論文 参考訳（メタデータ） (2023-11-02T06:21:35Z) - 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) - Knowledge-Aware Prompt Tuning for Generalizable Vision-Language Models [64.24227572048075]
本稿では,視覚言語モデルのためのKnowledge-Aware Prompt Tuning(KAPT)フレームワークを提案する。
我々のアプローチは、人間の知性からインスピレーションを得ており、外部知識は、通常、オブジェクトの新たなカテゴリを認識するために組み込まれています。
論文 参考訳（メタデータ） (2023-08-22T04:24:45Z) - Visual Perturbation-aware Collaborative Learning for Overcoming the
Language Prior Problem [60.0878532426877]
本稿では,視覚的摂動校正の観点から,新しい協調学習手法を提案する。
具体的には、異なる摂動範囲で2種類のキュレートされた画像を構築するための視覚コントローラを考案する。
2つの診断VQA-CPベンチマークデータセットの実験結果は、その効果を明らかに示している。
論文 参考訳（メタデータ） (2022-07-24T23:50:52Z) - Learning Structured Representations of Visual Scenes [1.6244541005112747]
本研究では,機械が個々の画像や映像の内容と視覚的関係を構造化表現として記述する方法について検討する。
具体的には,静的画像設定と映像設定の両方において,視覚シーンの構造的表現を効果的に構築し,学習する方法について検討する。
論文 参考訳（メタデータ） (2022-07-09T05:40:08Z) - Contrastive Cross-Modal Knowledge Sharing Pre-training for
Vision-Language Representation Learning and Retrieval [12.30468719055037]
コントラスト型クロスモーダル知識共有事前学習(COOKIE)を開発した。
最初のモジュールはウェイトシェアリングトランスフォーマーで、ビジュアルエンコーダとテキストエンコーダの頭の上に構築されている。
もう1つは、異なるモデル間で知識を共有することを目的として、特別に設計された3つの対照的な学習である。
論文 参考訳（メタデータ） (2022-07-02T04:08:44Z) - Affective Image Content Analysis: Two Decades Review and New
Perspectives [132.889649256384]
我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。
我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。
画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
論文 参考訳（メタデータ） (2021-06-30T15:20:56Z)
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。