Jupybara:将可执行数据分析与叙事的设计空间付诸实践(基于大语言模型)
人机交互
2025-01-29 v1
摘要
从复杂数据中挖掘并传达可执行的洞见,是探索性数据分析(EDA)与叙事表达的一项关键挑战。为应对这一挑战,我们提出了一个面向可执行 EDA 与叙事的设计空间。通过综合理论研究与专家访谈,我们阐明了语义精确性、修辞说服力与语用相关性如何构成有效 EDA 与叙事的基石。我们还展示了该设计空间如何涵盖可执行 EDA 与叙事中的常见挑战,例如识别恰当的分析策略以及利用相关的领域知识。鉴于大语言模型(LLMs)具备生成连贯叙事并进行常识推理的潜力,我们贡献了 Jupybara——一个以 Jupyter Notebook 扩展形式实现的、面向可执行 EDA 与叙事的 AI 辅助工具。Jupybara 采用两种策略——设计空间感知提示与多智能体架构——以将我们的设计空间付诸实践。专家评估证实了 Jupybara 的可用性、可控性、可解释性与可修复性,以及上述策略在借助 LLMs 将设计空间框架付诸实践方面的有效性。
引用
@article{arxiv.2501.16661,
title = {Jupybara: Operationalizing a Design Space for Actionable Data Analysis and Storytelling with LLMs},
author = {Huichen Will Wang and Larry Birnbaum and Vidya Setlur},
journal= {arXiv preprint arXiv:2501.16661},
year = {2025}
}
备注
Conditionally Accepted at CHI '25