MétaCan
Menu
Retour à la cohorte
Enregistrement W2162091140 · doi:10.1109/iv.2002.1028791

Towards a visual interface for information visualization

2003· article· en· W2162091140 sur OpenAlexaff
Daryl H. Hepting

Notice bibliographique

RevueProceedings Sixth International Conference on Information Visualisation · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVisualizationHuman–computer interactionFocus (optics)Context (archaeology)Information visualizationInterface (matter)Representation (politics)VocabularyUser interfaceData visualizationProcess (computing)PopularityArtificial intelligenceProgramming languageLinguistics

Résumé

récupéré en direct d'OpenAlex

Information visualization, aided by ever more accessible computational resources, continues to grow in popularity and significance. The capability to generate complex imagery by computer is often necessary but not always sufficient to gain the desired insight. The success of a visual representation in a given context may be affected by many variables, not the least of which is the individual user's experience. Even if a precise relationship could be found between context and "best" visual representation, the complete articulation of a context is practically impossible. In other fields, this is known as sensitive dependence to initial conditions. A more feasible alternative is to begin with an incomplete articulation of a context and allow the user to interactively develop and refine it. Although most computer interfaces for information visualization tools are predominantly verbal, a predominantly visual interface can have significant advantages. Such an interface allows users to avoid the usual translations between visual and verbal modes and it removes users' need for a specialized visualization vocabulary. A visual interface can also shift the focus of the visualization process from the data towards the user These ideas are discussed in the context of a prototype tool, the design of which is illustrated with an example, and the evaluation of which has provided many positive results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,032
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0120,012
Science ouverte0,0040,006
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0180,008

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,346
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings Sixth International Conference on Information VisualisationMême sujetData Visualization and AnalyticsTravaux en français237 207