A Design Language for Prototyping and Storyboarding Data-Driven Stories
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle