|
3.
人机分析过程导引
Christopher Collins, Natalia Andrienko, TobiasSchreck, JingYang, Jaegul Choo, Ulrich Engelke, Amit Jena, Tim Dwyer
Vis Inf
2018, 2 (3):
166-180.
DOI: 10.1016/j.visinf.2018.09.003
背景:在本文中,我们列出了人机分析的目标、优势和不足之处,提到它不仅可在关键的底层可视化任务中发挥作用,而且能在更复杂的由模型生成的可视化分析任务中发挥作用。人工智能,尤其是在机器学习方面的最新进展,使得人们期盼使用自动技术来实施现由数据分析师采用可视化方法来执行的若干任务。但是,可视化分析仍然非常复杂,包含多个不同的子任务。其中一些任务处于底层,自动化方法可以大显身手(如数据的分类和聚类);另一些任务则更为抽象,需要用到更多的人类创造力,例如,将从许多不同和异构的数据中获得的思想关联起来,以支持决策。 在本文中,我们将概述导引可能的应用,以及需要为导引提供的输入。我们讨论了实现导引方法的挑战,包括导引系统的输入以及如何为用户提供指导,提出了在分析过程的不同阶段中评估导引质量的潜在方法,并引入导引可能带来的负面效果,作为分析决策的偏差来源。
|
|