要約
データ分析には、高レベルの概念的推論から低レベルの実行まで、さまざまなタスクが含まれます。
AIを搭載したツールは、実行タスクをますますサポートしていますが、概念タスクにはインテリジェントな支援が必要です。
このペーパーでは、仮説探索の潜在的な共有表現として、AIに生成された情報ヒントと視覚化で増強された順序付けられたノードリンクツリーインターフェイスの設計を調査します。
設計プローブ（n = 22）を通じて、参加者は平均21.82仮説の図を生成しました。
私たちの調査結果は、ノードリンク図が仮説探索のための「ガードレール」として機能し、構造化されたワークフローを促進し、包括的な概要を提供し、効率的なバックトラッキングを可能にすることを示しました。
AIに生成された情報のヒント、特に視覚化は、ユーザーが抽象的なアイデアをデータ担当概念に変換しながら、認知負荷を減らしました。
さらに、ノードリンク図が仮説の定式化における並列探索と反復改良の両方をサポートする方法について説明し、潜在的に人間と共同データ分析の幅と深さを高めることができます。
要約(オリジナル)
Data analysis encompasses a spectrum of tasks, from high-level conceptual reasoning to lower-level execution. While AI-powered tools increasingly support execution tasks, there remains a need for intelligent assistance in conceptual tasks. This paper investigates the design of an ordered node-link tree interface augmented with AI-generated information hints and visualizations, as a potential shared representation for hypothesis exploration. Through a design probe (n=22), participants generated diagrams averaging 21.82 hypotheses. Our findings showed that the node-link diagram acts as ‘guardrails’ for hypothesis exploration, facilitating structured workflows, providing comprehensive overviews, and enabling efficient backtracking. The AI-generated information hints, particularly visualizations, aided users in transforming abstract ideas into data-backed concepts while reducing cognitive load. We further discuss how node-link diagrams can support both parallel exploration and iterative refinement in hypothesis formulation, potentially enhancing the breadth and depth of human-AI collaborative data analysis.
arxiv情報
| 著者 | Zijian Ding,Michelle Brachman,Joel Chan,Werner Geyer |
| 発行日 | 2025-04-21 16:05:54+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google