ScholarMate: A Mixed-Initiative Tool for Qualitative Knowledge Work and Information Sensemaking

要約

大規模なドキュメントコレクションからの知識を統合することは、定性的研究と知識の仕事の重要であるがますます複雑な側面です。
AIは自動化の可能性を提供しますが、それを人間中心のセンスメイキングワークフローに効果的に統合することは依然として困難です。
Scholarmateは、人間の監視を統合することにより、定性分析を強化するように設計されたインタラクティブなシステムです。
Scholarmateにより、研究者は非線形キャンバスのテキストスニペットと動的にアレンジして対話し、テーマの提案、マルチレベルの要約、およびエビデンスに基づいたテーマの命名のためにAIを活用しながら、ドキュメントへのトレーサビリティを通じて透明性を確保します。
初期のパイロット研究では、ユーザーがこの混合目立てアプローチを大切にし、AIの提案と直接的な操作のバランスが解釈可能性と信頼を維持するために重要であることを示しています。
さらに、24の論文を分析するケーススタディを通じてシステムの機能を実証します。
自動化と人間のコントロールのバランスをとることにより、Scholarmateは効率を高め、解釈可能性をサポートし、知識作業で一般的なセンスメイキングタスクにおいて、生産的な人間とaiのコラボレーションのための貴重なアプローチを提供します。

要約(オリジナル)

Synthesizing knowledge from large document collections is a critical yet increasingly complex aspect of qualitative research and knowledge work. While AI offers automation potential, effectively integrating it into human-centric sensemaking workflows remains challenging. We present ScholarMate, an interactive system designed to augment qualitative analysis by unifying AI assistance with human oversight. ScholarMate enables researchers to dynamically arrange and interact with text snippets on a non-linear canvas, leveraging AI for theme suggestions, multi-level summarization, and evidence-based theme naming, while ensuring transparency through traceability to source documents. Initial pilot studies indicated that users value this mixed-initiative approach, finding the balance between AI suggestions and direct manipulation crucial for maintaining interpretability and trust. We further demonstrate the system’s capability through a case study analyzing 24 papers. By balancing automation with human control, ScholarMate enhances efficiency and supports interpretability, offering a valuable approach for productive human-AI collaboration in demanding sensemaking tasks common in knowledge work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google