DataTales: Investigating the use of Large Language Models for Authoring Data-Driven Articles

要約

データドリブンの記事の執筆は複雑なプロセスであり、著者は洞察を得るためにデータを分析するだけでなく、洞察を効果的に伝える一貫した物語を作成する必要があります。
現代の大規模言語モデル (LLM) のテキスト生成機能は、データ駆動型の記事のオーサリングを支援し、執筆プロセスを迅速化する機会を提供します。
この研究では、データ駆動型記事の著者をサポートするために LLM を活用することの実現可能性と認識される価値を調査します。
私たちは、LLM を利用して特定のチャートに付随するテキストの説明を生成するプロトタイプ システム DataTales を設計しました。
DataTales を設計プローブとして使用し、コンセプトを評価するために 11 人の専門家と定性調査を実施しました。そこから、貴重なデータ駆動型の記事オーサリング アシスタントとして LLM をさらに統合するためのアフォーダンスと機会を抽出しました。

要約(オリジナル)

Authoring data-driven articles is a complex process requiring authors to not only analyze data for insights but also craft a cohesive narrative that effectively communicates the insights. Text generation capabilities of contemporary large language models (LLMs) present an opportunity to assist the authoring of data-driven articles and expedite the writing process. In this work, we investigate the feasibility and perceived value of leveraging LLMs to support authors of data-driven articles. We designed a prototype system, DataTales, that leverages a LLM to generate textual narratives accompanying a given chart. Using DataTales as a design probe, we conducted a qualitative study with 11 professionals to evaluate the concept, from which we distilled affordances and opportunities to further integrate LLMs as valuable data-driven article authoring assistants.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google