Introduction to the Minitrack on Interactive Visual Decision Analytics
Notice bibliographique
Résumé
The topic of this minitrack, Interactive Visual Data Analytics (IVDA), has applications in a broad range of situations where human expertise must be brought to bear on problems characterized by massive datasets and data that are uncertain in fact, relevance, location in space and position in time. Examples include environmental science and technologies, natural resources and energy, health and related life sciences, precision medicine, safety and security (aircraft safety, law enforcement, antiterrorism, disaster relief) and business processes. This year we are highlighting a broad range of analytic tasks such as natural disaster response, IT and network security, decision support frameworks, event management and preparation, and other domains where interactive visualization systems may be used to improve human decision-making. Key research challenges of interest in this area include studies of visual analytics and decision support in the context of an organization (e.g., IT and crowd control), how to successfully address and tailor analytic systems to solve realworld problems and integrate efficiently into workflows, perceptual and cognitive aspects of the analytic task, novel interaction and visual representations, and collaborative analysis using visual information systems. The focus in this minitrack goes beyond analytics to include rich, powerful visualization techniques for turning data into actionable information. These rich, interactive visual analytic environments offer even greater power and promise to solve big data problems for data that is 'big' in any of the dimensions of variability, velocity, or volume. This minitrack builds upon earlier HICSS minitracks on visual analytics, mobile computing, and digital media at scale, focusing more decision analytics in various applications from business to science, natural disasters, public safety, and policy. The papers are briefly summarized.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,137 | 0,057 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».