論文の概要: How Data Narratives Go Wrong: A Taxonomy of Issues Across the Data Communication Process

• arxiv url: http://arxiv.org/abs/2607.10523v1
• Date: Sun, 12 Jul 2026 00:54:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.448435
• Title: How Data Narratives Go Wrong: A Taxonomy of Issues Across the Data Communication Process
• Title（参考訳）: データナラティブの誤り: データ通信プロセス全体にわたる課題の分類
• Abstract要約: データナラティブは、より広範な意味形成プロセスを通じて現れる。 TICは、データ、分析、視覚的エンコーディング、テキスト、推論、解釈の6つの次元にわたる繰り返し分解を整理する。
• 参考スコア（独自算出の注目度）: 26.086155122956132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data narratives increasingly shape public understanding, but their failures are rarely just isolated factual errors or deceptive charts. Instead, they emerge through a broader meaning-making process in which quantitative evidence is transformed into claims, representations, and arguments. While prior work has examined these failures across disparate fields (e.g., statistics, visualization, and fact-checking), the community lacks a holistic lens to explain how these issues arise, propagate, and compound. To address this gap, we introduce TIC, a Taxonomy of Issues in Data Communication, synthesized from prior literature and refined through the qualitative annotation of 700 real-world data narratives from fact-checking sites, research datasets, and controversial media. TIC organizes recurring breakdowns across six dimensions-data, analysis, visual encoding, text, reasoning, and interpretation-and situates them within a framework spanning analysis, narrative construction, and audience reception. Alongside the taxonomy and process framework, we contribute a qualitatively annotated case corpus with coding justifications and an interactive browsing interface. Collectively, these contributions provide a structured lens for diagnosing problematic data narratives and informing future sociotechnical support for trustworthy data communication.
• Abstract（参考訳）: データ物語は公衆の理解をますます形作っているが、その失敗は事実上の誤りや偽りのチャートだけに過ぎない。 その代わりに、定量的証拠がクレーム、表現、議論に変換される、より広範な意味決定プロセスを通して出現する。 以前の研究では、異なる分野(統計、可視化、ファクトチェックなど)にまたがるこれらの障害を調査してきたが、コミュニティはこれらの問題がどのように発生し、伝播し、複合化されるかを説明するための全体像を欠いている。 このギャップに対処するため,本研究では,ファクトチェックサイト,研究データセット,議論を呼んだメディアから,700件の実世界のデータ物語の質的アノテーションを通じて,先行文献から合成され,洗練されているデータコミュニケーションの分類学であるTICを紹介する。 TICは、データ、分析、視覚的エンコーディング、テキスト、推論、解釈の6つの領域にまたがって繰り返される分解を整理し、分析、物語の構成、オーディエンスレセプションにまたがるフレームワーク内に配置する。 分類学とプロセスの枠組みとともに、コーディングの正当化と対話的なブラウジングインタフェースを備えた定性的な注釈付きケースコーパスを貢献する。 これらのコントリビューションは、問題のあるデータナラティブを診断し、信頼できるデータ通信に対する将来的な社会技術的支援を伝えるための構造化レンズを提供する。

関連論文リスト

• From Data Heterogeneity to Convergence: A Data-Centric Review of Federated Learning [35.26793524140591]
  Federated Learning(FL)は、集中型学習におけるデータ飢餓のための有望なソリューションとして登場した。 FLでは、複数のクライアントによるプライバシによって、ローカルデータを公開することなく、共有タスクモデルを協調的にトレーニングすることができる。 あらゆる学習システムにおいて重要なコンポーネントである一方で、データは脆弱性や課題の主要な原因でもある。
  論文  参考訳（メタデータ） (2026-06-09T09:00:04Z)
• SemanticCite: Citation Verification with AI-Powered Full-Text Analysis and Evidence-Based Reasoning [0.0]
  本稿では,全文ソース解析による引用精度の検証を行うAIシステムであるSemanticCiteを紹介する。 提案手法は,複数の検索手法と,ニュアンスド・クレーム・ソース関係を抽出する4クラス分類システムを組み合わせたものである。 我々は、詳細なアライメント、機能分類、セマンティックアノテーション、およびバイオロメトリメタデータを備えた1000以上の引用からなる包括的なデータセットをコントリビュートする。
  論文  参考訳（メタデータ） (2025-11-20T10:05:21Z)
• CADS: A Systematic Literature Review on the Challenges of Abstractive Dialogue Summarization [7.234196390284036]
  本稿では、英語対話におけるトランスフォーマーに基づく抽象要約に関する研究を要約する。 ダイアログ要約における主な課題(言語、構造、理解、話者、サリエンス、事実)をカバーします。 言語などいくつかの課題がかなりの進歩を遂げているのに対して、理解、事実性、サリエンスといった課題は依然として困難であり、重要な研究機会を持っている。
  論文  参考訳（メタデータ） (2024-06-11T17:30:22Z)
• Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation [59.138470433237615]
  本稿では,関係学習用データセットの言語的スキューと視覚的スクリューの両方を定量化する統計指標を提案する。 系統的に制御されたメトリクスは、一般化性能を強く予測できることを示す。 この研究は、データの多様性やバランスを向上し、絶対的なサイズをスケールアップするための重要な方向を示します。
  論文  参考訳（メタデータ） (2024-03-25T03:18:39Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• Enhancing Argument Structure Extraction with Efficient Leverage of Contextual Information [79.06082391992545]
  本稿では,コンテキスト情報を完全に活用する効率的なコンテキスト認識モデル(ECASE)を提案する。 文脈情報や議論情報を集約するために,シーケンスアテンションモジュールと距離重み付き類似度損失を導入する。 各種ドメインの5つのデータセットに対する実験により,我々のモデルが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-10-08T08:47:10Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)
• Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
  複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。 人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
  論文  参考訳（メタデータ） (2021-04-17T21:34:10Z)

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。