残羹剩饭：基于计算新闻学制品研究的多表数据整理可行框架
人机交互
2020-09-24 v2
摘要
对于许多利用数据与计算进行新闻报道的记者而言，数据整理是其工作中不可或缺的一部分。尽管已有大量关于企业数据分析背景下数据整理的文献，但人们对记者在执行这一繁琐、耗时任务时所遇到的具体操作、流程与痛点知之甚少。为更好地理解该用户群体的需求，我们对由26家新闻机构的33名专业记者撰写的50个公开数据与代码分析仓库开展了技术观察研究。我们针对计算新闻学中的数据整理，构建了关于操作与流程的两套详尽且交叉的分类法。我们观察到多表的广泛使用，这是以往整理分析中的一个显著空白。我们提出了一个简洁、可行的通用多表数据整理框架，其中包含了我们分类法中记录且在其他工作中无明显对应项的整理操作。该框架首次将表作为一等对象，将支持面向计算新闻学及通用目的的未来交互式整理工具。我们通过探讨该框架与我们的分类法集合之间的关系，评估了其生成性与描述性能力。
引用
@article{arxiv.2009.02373,
title = {Table Scraps: An Actionable Framework for Multi-Table Data Wrangling From An Artifact Study of Computational Journalism},
author = {Stephen Kasica and Charles Berret and Tamara Munzner},
journal= {arXiv preprint arXiv:2009.02373},
year = {2020}
}
备注
To appear, IEEE TVCG (Proc. InfoVis 2020)