[論文レビュー] How Does Automation Shape the Process of Narrative Visualization: A Survey of Tools

Qing Chen, Shixiong Cao+2 more|arXiv (Cornell University)|Jun 24, 2022

Data Visualization and Analytics被引用数 6

ひとこと要約

本論文は、6つのジャンル—注釈付きチャート、インフォグラフィックス、タイムライン・ストーリーテリング、データコミック、スクロールテリング・スライドショー、データ動画—にまたがる105のナラティブ可視化ツールを調査し、4つの自動化レベル（デザインスペース、オーサリングツール、ML/AI支援ツール、ML/AI生成ツール）に分類している。自動化はナラティブ可視化にますます統合されているが、現状のツールはユーザーの意図を深く理解できず、複雑なデータに対しても困難を抱えていることが明らかになった。これにより、知能的な推薦システムやハイブリッド人間-AIデザインパイプラインの開発の機会が示された。

ABSTRACT

In recent years, narrative visualization has gained much attention. Researchers have proposed different design spaces for various narrative visualization genres and scenarios to facilitate the creation process. As users' needs grow and automation technologies advance, increasingly more tools have been designed and developed. In this study, we summarized six genres of narrative visualization (annotated charts, infographics, timelines & storylines, data comics, scrollytelling & slideshow, and data videos) based on previous research and four types of tools (design spaces, authoring tools, ML/AI-supported tools and ML/AI-generator tools) based on the intelligence and automation level of the tools. We surveyed 105 papers and tools to study how automation can progressively engage in visualization design and narrative processes to help users easily create narrative visualizations. This research aims to provide an overview of current research and development in the automation involvement of narrative visualization tools. We discuss key research problems in each category and suggest new opportunities to encourage further research in the related domain.

研究の動機と目的

• ナラティブ可視化ツールにおける自動化がデザインおよび物語づくりのプロセスにどのように影響しているかを体系的に分析すること。
• 自動化知能レベルに基づき、6つのナラティブ可視化ジャンルにまたがる105のツールを分類・調査すること。
• 現在の自動化における主な研究ギャップ、特にユーザーのデザイン意図の理解と複雑なデータの処理に関する課題を特定すること。
• ナラティブ可視化における知能的な推薦システムおよびハイブリッド人間-AIオーサリングツールのための新しい研究方向性を提案すること。
• 設計領域とツールを探索できる包括的でインタラクティブなリファレンスプラットフォーム（http://autovis.idvxlab.com/）を提供すること。

提案手法

• ナラティブ可視化に関連する105の論文およびツールを、多様なジャンルと自動化レベルから収集・分析した。
• ツールを4つの自動化段階に分類した：デザインスペース（理論的フレームワーク）、オーサリングツール（インタラクティブでユーザー主導）、ML/AI支援ツール（推薦ベース）、ML/AI生成ツール（完全自動出力）。
• 各ツールを6つのナラティブ可視化ジャンルの1つ以上にマッピングし、ジャンル固有の自動化トレンドを評価した。
• ジャンル間での比較分析を通じて、自動化の焦点と成熟度の違いを特定した。
• 既存のML/AI生成ツールの限界、例えばデータセット間での一般化性の欠如やユーザー意図のモデリングの欠如を同定した。
• 将来的な研究のためのフレームワークを提案した。具体的には、ユーザーの設計プロセスと成果物から学習するナラティブ推薦プラットフォームを想定した。

実験結果

リサーチクエスチョン

• RQ1 自動化は、異なるジャンルにおいてナラティブ可視化作成プロセスをどのように段階的に支援しているか？
• RQ2 6つのナラティブ可視化ジャンル間で、自動化の焦点と成熟度にどのような主な違いがあるか？
• RQ3 現在のML/AI生成ツールは、単純な統計的チャートをはるかに超える複雑なデータに対して、ユーザーの意図をどれほど理解しているか、またはそれらに適応しているか？
• RQ4 既存のツールは、データ変更の説明やユーザー主導のナラティブ意思決定をどの程度サポートできているか？
• RQ5 将来的なツールは、自動化されたナラティブ可視化パイプラインにユーザーの意図をどのようによりよく統合できるか？

主な発見

• 調査では、6つのナラティブ可視化ジャンルにまたがり、合計91の独自のデザインスペースおよびツールが同定された。インフォグラフィックスとデータ動画が、最も活発に研究されている分野であった。
• オーサリングツールが依然として支配的であり、特に複雑なジャンルにおいては完全自動化が現実的でないことが示された。
• AutoclipsのようなML/AI生成ツールはユーザー入力を必要としない出力を生成できるが、多様なデータセットや複雑なデータタイプへの一般化に失敗することが多い。
• ユーザーのデザイン意図をモデル化するツールが著しく不足している。現在の推薦システムは、ユーザーの目的ではなく、データの特性やデザインルールに基づいている。
• 今後の最も有望な方向性は、ユーザーのコントロールと知能的な提案を組み合わせたハイブリッドML/AI支援ツールであり、これは使いやすさとデザインの多様性を向上させる。
• 収集されたツールとデザインスペースを視覚化・探索可能なインタラクティブブラウザ（http://autovis.idvxlab.com/）を開発した。これにより、ツールの発見可能性と研究のアクセス性が向上した。