我们目前在哪里？从人机协作的角度理解数据叙事工具

文献标题

Where Are We So Far? Understanding Data Storytelling Tools from the Perspective of Human-AI Collaboration

文献信息

• 主题领域: 数据叙事工具与人机协作
• 关键词: 数据叙事、人机协作、人工智能、可视化、设计模式、数据故事、自动化生成、故事规划、角色分工、人机交互

研究背景与问题

• 发现的问题或挑战:

  • 数据叙事需要创作者具备多样化的技能，并投入大量时间和精力。
  • 设计有效的人机协作工具面临许多挑战，例如平衡系统自动化与人工控制、促进人机之间的沟通与协作。
  • 虽然已有研究概述了数据叙事工具的特性或技术应用，但缺乏系统视角探讨人类与AI如何在工具中协作。

• 重要性:

  • 数据叙事能够有效传达数据洞察，它在数据科学、商业分析和学术研究等领域具有重要作用。
  • 将人工智能与人类创作者的优势结合，设计高效的协作工具，能显著提升数据处理和故事创作效率。

• 研究动机与相关工作:

  • 旨在系统审视数据叙事工具如何支持人类和AI的协作，并识别其设计模式及未来的研究方向。
  • 对现有文献进行了整理，并结合两个视角（故事流程阶段与人机协作角色）分析工具设计。

解决方案

• 提出的方法或解决方案:

  • 建立一个框架，从两个维度分析工具设计：(1) 数据叙事的阶段：分析、规划、实施、沟通；(2) 人类和AI在各阶段扮演的角色：创作者、助手、优化器、审阅者。
  • 收集并编码现有数据叙事工具，观察工具覆盖的阶段及协作模式。

• 创新之处:

  • 首次从角色和阶段的视角系统性地评估人机协作的数据叙事工具。
  • 识别常见协作模式，扩展创意支持工具设计的研究。
  • 提供基于工具设计的研究机会，建议如何最大化自动化与人类的掌控能力。

• 实施步骤:

  • 创建文献数据集，筛选出描述数据叙事工具的人机协作相关论文。
  • 编码工具覆盖的阶段及协作角色模式，对比设计模式与应用效果。
  • 提供交互式工具浏览器供学术社区持续更新。

研究成果

• 具体成果:

  • 整理了2010至2023年间的60篇数据叙事工具相关文献。
  • 鉴别了两种最常见的协作模式：（1）人类创作者 + AI助手；（2）AI创作者 + 人类优化器。
  • 发现数据叙事工具设计逐渐从全手动过渡到人机协作，并强调人类对故事内容的掌控。

• 优势:

  • 通过系统化分析，总结了设计模式和协作挑战。
  • 展现了适应人类需求和利用AI优势的复杂设计思路。
  • 针对未来工具设计提供了建议，例如利用生成式AI增强协作体验。

• 实验或评估结果:

  • 数据叙事工具的覆盖范围：实施阶段被广泛研究，而分析和沟通阶段较少受到关注。
  • 故事格式变化趋势：从单一的静态可视化到复杂多样的动画故事。
  • 工具设计趋向于支持综合性、跨阶段、混合方式的协作。

• 局限性与未来方向:

  • 局限性：目前框架的细化程度有限，未能深入探讨任务层面的角色分布；未覆盖最新生成式AI技术驱动的工具。
  • 未来方向：建议研究任务层面协作模式，调查工具在不同沟通渠道中的表现；扩展框架适用范围，包括可视化创作和创意支持工具。

以上内容总结了文献核心信息，可以帮助学术研究者理解文章的背景、贡献及未来研究方向。