AI驱动数据科学中的对话挑战：障碍、需求与设计机遇
人机交互
2023-10-26 v1
摘要
大语言模型（LLMs）正越来越多地应用于数据科学中，用于数据预处理和分析等任务。然而，数据科学家在于LLM驱动的聊天机器人对话并根据其建议和回答采取行动时遇到了实质性障碍。我们开展了一项混合方法研究，包括情境观察、半结构化访谈（n=14）和一项调查（n=114），以识别这些挑战。我们的发现突出了数据科学家面临的关键问题，包括上下文数据检索、为复杂任务构建提示、将生成的代码适配到本地环境，以及迭代式地精炼提示。基于这些洞察，我们提出了可操作的设计建议，例如支持上下文选择的数据刷选（data brushing），以及用于改善数据科学工具中与基于AI的助手沟通的好奇反馈循环（inquisitive feedback loops）。
引用
@article{arxiv.2310.16164,
title = {Conversational Challenges in AI-Powered Data Science: Obstacles, Needs, and Design Opportunities},
author = {Bhavya Chopra and Ananya Singha and Anna Fariha and Sumit Gulwani and Chris Parnin and Ashish Tiwari and Austin Z. Henley},
journal= {arXiv preprint arXiv:2310.16164},
year = {2023}
}
备注
24 pages, 8 figures