Causalvis: Visualizations for Causal Inference
Causalvis: Visualizations for Causal Inference
复制标题
Causalvis：因果推理的可视化
DOI：
10.1145/3544548.3581236
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Kwon, Bum Chul
中科院分区：
文献类型：
--
作者：
Guo, Grace;Karavani, Ehud;Endert, Alex;Kwon, Bum Chul
因果推理是一种利用观测数据量化因果效应的统计范式。这是一个复杂的过程，需要多个步骤、迭代以及与领域专家的协作。分析师通常依靠可视化来评估每个步骤的准确性。然而，现有的可视化工具包并不能在分析人员熟悉的计算环境中支持整个因果推理过程。在本文中，我们用Causalvis解决了这个问题，Causalvis是一个用于因果推理的Python可视化包。我们与因果推理专家密切合作，采用迭代设计过程开发了四个交互式可视化模块，以支持因果推理分析任务。然后将这些模块提交给专家进行反馈和评估。我们发现Causalvis有效地支持迭代因果推理过程。我们讨论了我们的研究结果对因果推理的可视化设计的影响，特别是对沟通和协作的任务。
Causal inference is a statistical paradigm for quantifying causal effects using observational data. It is a complex process, requiring multiple steps, iterations, and collaborations with domain experts. Analysts often rely on visualizations to evaluate the accuracy of each step. However, existing visualization toolkits are not designed to support the entire causal inference process within computational environments familiar to analysts. In this paper, we address this gap with Causalvis, a Python visualization package for causal inference. Working closely with causal inference experts, we adopted an iterative design process to develop four interactive visualization modules to support causal inference analysis tasks. The modules are then presented back to the experts for feedback and evaluation. We found that Causalvis effectively supported the iterative causal inference process. We discuss the implications of our findings for designing visualizations for causal inference, particularly for tasks of communication and collaboration.
登录
查看更多内容
影响因子：
7.7
作者：
Textor, Johannes;van der Zander, Benito;Ellison, George T. H.
通讯作者：
Ellison, George T. H.
ToonNote：使用交互式数据漫画改善计算笔记本中的通信
DOI：
10.1145/3411764.3445434
发表时间：
2021
期刊：
Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems
影响因子：
--
作者：
Daye Kang;Tony Ho;Nicolai Marquardt;Bilge Mutlu;Andrea Bianchi
通讯作者：
Andrea Bianchi
休闲笔记本和僵化脚本：理解数据科学编程
DOI：
--
发表时间：
2020
期刊：
IEEE Symposium on Visual Languages / Human-Centric Computing Languages and Environments
影响因子：
--
作者：
K. Subramanian;N. Hamdan;Jan O. Borchers
通讯作者：
Jan O. Borchers
重用交互式分析工作流程
影响因子：
2.5
作者：
Gadhave, K.;Cutler, Z.;Lex, A.
通讯作者：
Lex, A.
笔记本编程的未来是不稳定的
DOI：
--
发表时间：
2020
期刊：
CHI Extended Abstracts
影响因子：
--
作者：
Mary Beth Kery;Donghao Ren;Kanit Wongsuphasawat;Fred Hohman;Kayur Patel
通讯作者：
Kayur Patel