TableTale：重塑科学论文中表格与文本的叙事互动

文献标题

TableTale: Reviving the Narrative Interplay Between Data Tables and Text in Scientific Papers

出版信息

• 主题领域: 科学论文的增强阅读界面
• 关键词: 文本-表格对齐, 增强阅读, 科学论文, 大型语言模型, 认知负荷, 叙事交互, 数据表格, 交互界面, 渐进式披露, 学术传播

背景与问题

• 问题/挑战: 读者在解读科学论文中的数据表格时面临显著的认知挑战，需要将文本中的论点与表格中的证据进行对照。现有系统无法充分捕捉多粒度和隐式引用模式，难以实现文本与表格的无缝集成。
• 重要性: 解决这一挑战可以降低认知负担，提高阅读效率，并增强科学发现的可及性，尤其是在数据密集型研究中。
• 动机与相关工作: 先前的系统已探索将文本与图形、公式和视频链接，但在处理科学叙事中复杂的文本与表格交互方面能力有限。现有方法通常依赖表层的句法特征，无法捕捉隐式和多粒度的引用关系。

解决方案

• 提出的方法: TableTale，一种增强阅读界面，利用大型语言模型（LLMs）驱动的多粒度文本-表格对齐框架，并通过渐进式级联视觉提示实现文本与表格的交互链接。
• 创新点:
  1. 一项形成性研究揭示了文本与表格交互中的链接机制、多粒度对齐模式和提及类型学。
  2. 使用LLMs开发了支持多粒度文本-表格对齐的文档级链接模式。
  3. 实现了一个交互式PDF界面，提供渐进式级联激活功能，便于在文本与表格之间无缝导航。
• 流程与关键技术:
  • 对132个段落-表格对进行内容分析，并与12名研究人员进行访谈，确定关键设计需求。
  • 开发了一个多代理管道，利用LLMs进行提及检测、解析和句子级对齐。
  • 将链接模式集成到一个交互式PDF界面中，支持自适应表格布局和渐进式视觉提示披露。

结果

• 具体发现:
  • 提及检测的F1值达到84.3%，提及解析的准确率为75.4%，但在处理复杂表格时性能有所下降。
  • TableTale将阅读时间减少了14.8%（从4分56秒降至4分12秒），并显著降低了感知认知负荷（NASA-TLX），包括心理、身体、时间需求和努力维度。
  • 可用性评分（SUS）在TableTale中更高（5.65）相比基线系统（5.11）。
• 相较基线的优势:
  • 提高了阅读效率，减少了未完成的理解任务（基线系统中有17个未解答案例，而TableTale中为0）。
  • 相较于仅支持段落级表格链接的基本PDF阅读器，TableTale增强了可用性并降低了认知负担。
• 实验/评估:
  • 进行了一个包含24名参与者（早期阶段研究人员）的被试内用户研究，使用两段科学论文摘录。
  • 任务包括语义解释、对象识别和数据论点验证。
  • 通过定量测量和定性反馈评估系统可用性、工作负荷和任务表现。
• 局限性与未来工作:
  • 基于LLM的链接在处理复杂表格时偶尔会出现不准确，需要引入人工验证或自动一致性检查。
  • 对外部API的依赖可能引入轻微的不一致性。
  • 在处理定性或高度复杂表格的其他科学领域时，系统的普适性有限。

总结

TableTale通过提供一个增强阅读界面，利用多粒度对齐和渐进式视觉提示链接文本与表格，解决了科学论文中数据表格解读的认知挑战。用户研究表明，该系统在阅读效率、可用性和认知负荷降低方面取得了显著改进。然而，系统在处理复杂表格结构和领域普适性方面仍面临挑战，未来工作可聚焦于提高可靠性、个性化以及扩展至其他科学模式。本研究为增强学术阅读和交互式科学传播做出了贡献。