DataTales：探究使用大型语言模型撰写数据驱动文章
DataTales: Investigating the use of Large Language Models for Authoring Data-Driven Articles
AI总结：
本文通过设计原型系统DataTales，探究利用大型语言模型辅助数据驱动文章撰写的可行性与价值，并基于11位专业人士的定性研究提炼出LLM作为撰写助手的设计机会。
摘要：
撰写数据驱动文章是一个复杂的过程，要求作者不仅分析数据以获取洞见，还要构建一个连贯的叙事来有效传达这些洞见。当代大型语言模型（LLMs）的文本生成能力为辅助数据驱动文章的撰写和加快写作过程提供了机会。在这项工作中，我们研究了利用LLMs支持数据驱动文章作者的可行性和感知价值。我们设计了一个原型系统DataTales，该系统利用LLM生成伴随给定图表的文本叙事。以DataTales作为设计探针，我们对11位专业人士进行了定性研究以评估这一概念，从中提炼出进一步将LLMs整合为有价值的数据驱动文章撰写助手的可供性和机会。
英文摘要：
Authoring data-driven articles is a complex process requiring authors to not only analyze data for insights but also craft a cohesive narrative that effectively communicates the insights. Text generation capabilities of contemporary large language models (LLMs) present an opportunity to assist the authoring of data-driven articles and expedite the writing process. In this work, we investigate the feasibility and perceived value of leveraging LLMs to support authors of data-driven articles. We designed a prototype system, DataTales, that leverages a LLM to generate textual narratives accompanying a given chart. Using DataTales as a design probe, we conducted a qualitative study with 11 professionals to evaluate the concept, from which we distilled affordances and opportunities to further integrate LLMs as valuable data-driven article authoring assistants.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
