Lodestar：通过数据驱动分析推荐支持独立学习与快速实验
人机交互
2022-04-19 v1 系统与控制
系统与控制
摘要
紧跟可视化与数据分析中的当前趋势、技术与最佳实践正变得愈发困难，对初出茅庐的数据科学家尤甚。本文中，我们提出 Lodestar，一个交互式计算笔记本，允许用户从自动化分析推荐列表中选择，从而快速探索并构建新的数据科学工作流。我们的推荐源自已知分析状态的有向图，具有两个输入来源：一个从在线数据科学教程手动整理，另一个通过对超过 6,000 个 Jupyter 笔记本语料的半自动分析提取。我们在一个形成性研究中评估了 Lodestar，以指导该工具的下一轮改进。结果表明用户认为 Lodestar 对快速创建数据科学工作流很有用。
引用
@article{arxiv.2204.07876,
title = {Lodestar: Supporting Independent Learning and Rapid Experimentation Through Data-Driven Analysis Recommendations},
author = {Deepthi Raghunandan and Zhe Cui and Kartik Krishnan and Segen Tirfe and Shenzhi Shi and Tejaswi Darshan Shrestha and Leilani Battle and Niklas Elmqvist},
journal= {arXiv preprint arXiv:2204.07876},
year = {2022}
}
备注
This paper was presented as part of the workshop called Visualization in Data Science (at ACM KDD and IEEE VIS)