Snowy：为对话式可视化分析推荐话语
人机交互
2021-10-12 v1
摘要
自然语言接口（NLIs）已成为进行可视化数据分析的普遍媒介，使具有不同分析经验水平的人能够询问数据并与之交互。尽管这些系统在语言理解能力方面取得了显著进步，但基本的用户体验与交互挑战依然存在，包括缺乏分析引导（即不知道应考虑数据的哪些方面）以及自然语言输入的可发现性（即不知道如何措辞输入话语）。为应对这些挑战，我们研究了话语推荐，其通过建议数据特征（如属性、值、趋势）来情境化地提供分析引导，同时隐式地让用户意识到 NLI 所支持的措辞类型。我们提出了 SNOWY，一个基于数据有趣性度量和语言语用学相结合来生成并推荐可视化分析话语的原型系统。通过一项初步用户研究，我们发现 SNOWY 中的话语推荐通过引导参与者的分析流程并使其意识到系统的语言解释能力，支持了对话式可视化分析。基于研究中的反馈与观察，我们讨论了在未来用于可视化分析的 NLI 中引入推荐的潜在影响与考量。
引用
@article{arxiv.2110.04323,
title = {Snowy: Recommending Utterances for Conversational Visual Analysis},
author = {Arjun Srinivasan and Vidya Setlur},
journal= {arXiv preprint arXiv:2110.04323},
year = {2021}
}
备注
To appear at the 2021 ACM Symposium on User Interface Software and Technology (UIST); 17 pages (10 figures, 2 tables)