MétaCan
Menu
Retour à la cohorte
Enregistrement W2293580069

Towards a Characterization of Interactivity in Visual Analytics

2012· article· en· W2293580069 sur OpenAlexaff
Kamran Sedig, Paul Parsons, Alex Babanski

Notice bibliographique

RevueJ. Multim. Process. Technol. · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésInteractivityVisual analyticsHuman–computer interactionComputer scienceAnalyticsCultural analyticsData sciencePerceptionVisualizationInteractive visual analysisComponent (thermodynamics)MultimediaPsychologyWorld Wide WebArtificial intelligenceSemantic analyticsThe Internet
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Designing effective visual analytics systems is challenging. Not only must each component be well understood and effectively designed on its own, but each must also operate in harmony with the rest. To a large extent, the quality of the relationships among components determines how well visual analytic activities are supported. In this paper, we define the quality of interaction among the components of visual analytics systems as interactivity. This paper draws on research from the areas of cognitive and perceptual psychology, human-information interaction, visualization sciences, and interaction design to examine some of the current challenges faced in discussing and characterizing interactivity. In doing so, this paper attempts to contribute to a characterization of interactivity in visual analytics.

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)0,015
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,069
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0010,009
Communication savante0,0130,015
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,332
Écart entre enseignants0,310 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations52
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJ. Multim. Process. Technol.Même sujetData Visualization and AnalyticsTravaux en français237 207