Human–Computer Collaboration for Visual Analytics: an Agent‐based Framework
Human–Computer Collaboration for Visual Analytics: an Agent‐based Framework
复制标题
用于视觉分析的人机协作：基于代理的框架
DOI：
10.1111/cgf.14823
复制
发表时间：
2023
影响因子：
2.5
通讯作者：
Ottley, Alvitta
中科院分区：
文献类型：
--
作者：
Monadjemi, Shayan;Guo, Mengtian;Gotz, David;Garnett, Roman;Ottley, Alvitta
可视化分析社区长期以来一直致力于更好地了解用户并帮助他们进行分析。因此，可视化分析的许多概念模型旨在正式化分析师所利用的通用工作流程，技术和目标。虽然许多现有的方法是丰富的细节，他们每个人都是特定的视觉分析过程的一个特定方面。此外，随着新的人工智能技术的不断扩展和视觉分析环境的进步，现有的概念模型可能无法提供足够的表达能力来弥合这两个领域。在这项工作中，我们提出了一个基于智能体的概念模型的视觉分析过程，从人工智能文献中绘制平行。我们提出了三个例子，从视觉分析文献作为案例研究，并详细研究他们使用我们的框架。我们简单而强大的框架统一了视觉分析管道，使研究人员和从业人员能够对该领域日益突出的场景进行推理，即混合主动，引导和协作分析。此外，它将使我们能够分别从人类代理，环境和人工代理的镜头中描述分析师，视觉分析设置和指导。
The visual analytics community has long aimed to understand users better and assist them in their analytic endeavors. As a result, numerous conceptual models of visual analytics aim to formalize common workflows, techniques, and goals leveraged by analysts. While many of the existing approaches are rich in detail, they each are specific to a particular aspect of the visual analytic process. Furthermore, with an ever‐expanding array of novel artificial intelligence techniques and advances in visual analytic settings, existing conceptual models may not provide enough expressivity to bridge the two fields. In this work, we propose an agent‐based conceptual model for the visual analytic process by drawing parallels from the artificial intelligence literature. We present three examples from the visual analytics literature as case studies and examine them in detail using our framework. Our simple yet robust framework unifies the visual analytic pipeline to enable researchers and practitioners to reason about scenarios that are becoming increasingly prominent in the field, namely mixed‐initiative, guided, and collaborative analysis. Furthermore, it will allow us to characterize analysts, visual analytic settings, and guidance from the lenses of human agents, environments, and artificial agents, respectively.
登录
查看更多内容
协同自适应视觉数据分析和指导流程
DOI：
--
发表时间：
2021
期刊：
Computers & graphics
影响因子：
--
作者：
F. Sperrle;A. Jeitler;J. Bernard;D. Keim;Mennatallah El
通讯作者：
Mennatallah El
影响因子：
2.5
作者：
Kerrigan, Daniel;Hullman, Jessica;Bertini, Enrico
通讯作者：
Bertini, Enrico
影响因子：
3.4
作者：
Van-Horenbeke FA;Peer A
通讯作者：
Peer A
迈向可视化分析的多分析师协作框架
DOI：
--
发表时间：
2006
期刊：
2006 IEEE Symposium On Visual Analytics Science And Technology
影响因子：
--
作者：
S. Brennan;K. Mueller;G. Zelinsky;I. Ramakrishnan;D. Warren;A. Kaufman
通讯作者：
A. Kaufman
警告，可能会出现偏差：一种检测交互式视觉分析中认知偏差的提议方法
DOI：
10.1109/vast.2017.8585669
发表时间：
2017
期刊：
IEEE Visual Analytic Science and Technology (VAST
影响因子：
--
作者：
Wall, Emily;Blaha, Leslie M.;Franklin, Lyndsey;Endert, Alex
通讯作者：
Endert, Alex