通过交互式可视化学习健康公平与环境正义
人机交互
2022-11-21 v1 计算机与社会
摘要
本文介绍了一种带有机器学习共识分析的交互式可视化界面，使研究人员能够通过采用多个循环图神经网络，探索大气和社会经济因素对 COVID-19 临床严重程度的影响。我们设计并实现了一种利用协调多视图的可视化界面，以同时在多个维度上支持对住院情况及其他社会地理变量的探索性和预测性分析。通过利用几何深度学习的优势，我们构建了一个共识机器学习模型，以纳入县级记录中的知识，并研究全球传染病、环境与社会正义之间的复杂相互关系。此外，我们使用了独特的 NASA 卫星观测数据，这些数据在气候正义应用中并未被广泛使用。我们当前的交互式界面聚焦于三个美国州（加利福尼亚、宾夕法尼亚和得克萨斯）以展示其科学价值，并给出了三个案例研究进行定性评估。
引用
@article{arxiv.2211.09967,
title = {Learning on Health Fairness and Environmental Justice via Interactive Visualization},
author = {Abdullah-Al-Raihan Nayeem and Ignacio Segovia-Dominguez and Huikyo Lee and Dongyun Han and Yuzhou Chen and Zhiwei Zhen and Yulia Gel and Isaac Cho},
journal= {arXiv preprint arXiv:2211.09967},
year = {2022}
}