LEVA: 대규모 언어 모델을 활용한 시각 분석 향상

시각 분석은 복잡한 도메인 문제 내에서 데이터 분석 작업을 지원합니다. 그러나 데이터 유형, 시각 디자인 및 상호 작용 디자인의 다양성으로 인해 사용자는 데이터를 시각적으로 분석할 때 상당한 양의 정보를 기억하고 처리해야 합니다. 이러한 문제는 보다 지능적인 시각 분석 방법의 필요성을 강조합니다. 대규모 언어 모델은 다양한 형태의 텍스트 데이터를 해석할 수 있는 능력을 입증했으며, 이는 시각 분석을 위한 지능적인 지원을 촉진할 수 있는 가능성을 제공합니다. 우리는 사용자들의 VA 워크플로우를 여러 단계에서 향상시키기 위해 대규모 언어 모델을 사용하는 LEVA라는 프레임워크를 제안합니다: 온보딩, 탐색 및 요약. 온보딩을 지원하기 위해 시스템 사양에 기반하여 시각화 디자인과 뷰 관계를 해석하는 데 대규모 언어 모델을 사용합니다. 탐색을 위해 시스템 상태와 데이터를 분석하여 통찰력을 추천하고 혼합 주도 탐색을 촉진하는 데 대규모 언어 모델을 사용합니다. 요약을 위해 스트림 시각화를 통해 분석 이력을 추적하고 대규모 언어 모델의 도움으로 통찰력 보고서를 생성하는 선택적 보고 전략을 제시합니다. 우리는 LEVA가 기존 시각 분석 시스템에 통합될 수 있는 방법을 시연합니다. 두 가지 사용 시나리오와 사용자 연구는 LEVA가 사용자가 시각 분석을 수행하는 데 효과적으로 도움을 준다는 것을 제안합니다.