MétaCan
Menu
Retour à la cohorte
Enregistrement W4391646685 · doi:10.3390/app14041387

A Design Language for Prototyping and Storyboarding Data-Driven Stories

2024· article· en· W4391646685 sur OpenAlexafffund
Morteza Asgari, Thomas Hurtut

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPolytechnique Montréal
Mots-clésComputer sciencePersonaStorytellingHuman–computer interactionNarrativePluralistic walkthroughDesign languageVisual languageProcess (computing)Set (abstract data type)Software engineeringEngineering drawingUsabilityProgramming languageLinguisticsEngineering

Résumé

récupéré en direct d'OpenAlex

Data-driven stories (DDS) are digital forms of storytelling that arrange data and visualizations to communicate a narrative of information to an audience. They have been growing rapidly over the past decades. As a result, a great degree of versatility appears in the forms of published DDS. The recent structures of DDS are more complex, respecting their arrangement, composition, features, and inner parts. In the current academic research, neither storytelling techniques nor any taxonomies suggest visual mechanisms to distinguish between different layouts, compositions, and arrangements. The lack of an expressive visual solution that integrates different parts of DDS under one structure prevents the authors from trying more alternative design paths in the story design process. In this proposed work, we unify all the constructing parts of DDS to define the narrative structure as a visually structured representation of the DDS narrative, which is formed and designed by their constructing elements. This solution proposes a design language consisting of a set of design rules that integrate the visual elements to represent the DDS narrative structure. Our evaluation of the audit process out of 100 DDS examples confirms that the design language is comprehensive, expressive, and versatile. Additionally, we developed DataStoryDesign, a system that incorporates this visual solution to facilitate prototyping and storyboarding DDS for a team of DDS authors. The preliminary result of the exploratory evaluation indicates that such a solution is effective in prototyping and storyboarding DDS. In addition, our findings confirmed that the existence of our design language improves the visual communication between different personas in the DDS production workflow.

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)0,008
score de la tête « metaresearch » (Gemma)0,017
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,006
Science ouverte0,0030,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,106
Tête enseignante GPT0,368
Écart entre enseignants0,263 · 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
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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetData Visualization and AnalyticsTravaux en français237 207