Plume：在仪表板中搭建文本组成结构

研究背景与问题

• 作者发现了哪些问题或挑战？
  大多数数据可视化和仪表盘设计工具专注于图形化展示，而对文本创作的支持极为有限。创作有效的仪表盘文本通常被认为是冗长且缺乏结构的过程，尤其是在数据更新或不同展示场景要求下文本需频繁改写。此外，目前的工具和技术缺乏结构化和一致的方法来辅助文本创作，特别是针对仪表盘中的多种功能性文本角色（例如标签、注释、洞察等）。

• 为什么这个问题很重要？
  仪表盘中的文本在提供上下文、洞察、指导交互以及总结关键信息方面起着不可或缺的作用。缺乏支持文本创作的工具导致仪表盘的内容难以有效传达数据故事，影响用户的理解力和决策能力。

• 研究动机与相关工作
  作者的研究受到之前关于仪表盘文本语义角色和样式的工作启发，同时总结了主流仪表盘工具中所缺失的文本创作功能。他们旨在通过对工具的设计创新来填补这一技术空白，以更好地支持仪表盘作者创作高效、清晰和具有可读性的文本。

解决方案

• 作者提出了哪些方法或解决方案？
  作者开发了一个系统——Plume，用于辅助仪表盘文本创作。系统通过使用大型语言模型（LLMs）提供上下文相关的文本生成功能，并引入基于人类监督的工作流，帮助仪表盘作者生成具有可读性和语义意义的文本。此外，系统设计上引入“仪表盘框架树”，可组织文本的视觉布局和语义关联性。

• 该解决方案的创新之处是什么？

  • 基于语义角色（例如标签、洞察、指导等）分类并生成仪表盘文本，这是首次提出仪表盘文本结构化的支持方法。
  • 将LLMs与人类监督结合，既能自动生成文本，又能根据用户需求进行编辑、简化或重新生成。
  • 引入仪表盘框架树，对仪表盘布局进行语义上的层级管理，使生成的文本内容与仪表盘的视觉结构保持一致。

• 实施步骤是什么？使用了哪些关键技术？

  1. 仪表盘框架树定义：通过树状结构明确划分每段文本的作用范围（如针对单一图表或整页仪表盘）。
  2. 文本生成与建议：Plume根据预设规则和仪表盘内容生成具有语义意义的文本，用户可以适度调整。
  3. 文本优化与反馈：系统为文本生成提供建议，并使用如Flesch-Kincaid可读性评分衡量文本质量。
  4. 用户交互设计：通过动态建议和轻量化用户操作（例如接收建议、修改文本等）优化文本创作流程。

研究成果

• 取得了哪些具体成果？

  • 系统支持仪表盘作者通过不同级别的建议生成和编辑文本，涵盖标签、洞察、上下文描述等功能章节。
  • 初步的用户评估表明，仪表盘作者对生成文本的效率和准确性表示高度认可，同时也对工具的灵活性和控制选项提出了明确需求。

• 与现有解决方案相比，它有哪些优势？

  • Plume从文本角色的分类入手，不仅简单地生成文本，还根据语义和可读性提供辅助和反馈。
  • 通过仪表盘框架树，提升了文本与视觉元素的关联性，这大幅改善了用户的理解力和导航体验。
  • 引入动态的实时更新机制，让仪表盘文本更符合数据变化需求。

• 实验或评估结果是什么？

  • 与12位仪表盘作者的实验中，Plume获得72.2的系统可用性评分（SUS），显示出良好的用户体验。
  • 作者平均创建38段文本，其中约66%被用户直接接受，约25%通过用户编辑或工具重新生成加以优化。
  • 用户强调工具可以作为快速起草和迭代文本的起点，同时节省了大量时间。

• 局限性与未来方向

  • 局限性：Plume的生成文本在某些情况下可能过于冗长，或者未完全捕捉仪表盘作者的意图；动态更新可能引发内容一致性或准确性问题；跨语言支持仍待开发。
  • 未来方向：
    1. 探讨长期工作流整合，研究用户如何在实际工作中逐步信任和采用生成文本。
    2. 深化对复杂图表类型的文本生成支持，例如通过特定数据分析模型优化创建过程。
    3. 扩展到协作工作流和语言多样性支持，例如增设跨语言文本生成和翻译功能。
    4. 开发更精细的用户控制功能，平衡动态文本更新与作者校验需求。