Как контекстуализированная аналитика ИИ может усилить дизайнерское образование

Таблица ссылок

Резюме и 1. Введение

1. Предыдущие работы и 2.1 Образовательные цели учебной деятельности

   2.2 Многомасштабный дизайн

   2.3 Оценка творческого визуального дизайна

   2.4 Аналитика обучения и информационные панели

2. Исследовательский артефакт/зонд

   3.1 Среда многомасштабного проектирования

   3.2 Интеграция панели аналитики дизайна со средой многомасштабного проектирования

3. Методология и контекст

   4.1 Контексты курсов

   4.2 Интервью с преподавателями

4. Результаты

   5.1 Получение понимания и информирование педагогических действий

   5.2 Поддержка исследования, понимания и проверки аналитики

   5.3 Использование аналитики для оценки и обратной связи

   5.4 Аналитика как потенциальный источник самоанализа для студентов

5. Обсуждение + Выводы: Контекстуализация: Аналитика для поддержки дизайн-образования

   6.1 Индексальность: Демонстрация аналитики дизайна путем связывания с примерами

   6.2 Поддержка оценки и обратной связи в курсах дизайна с помощью многомасштабной аналитики дизайна

   6.3 Ограничения многомасштабной аналитики дизайна

6. Заключение и ссылки

A. Вопросы интервью

\

6 ОБСУЖДЕНИЕ И ВЫВОДЫ: КОНТЕКСТУАЛИЗАЦИЯ АНАЛИТИКИ ДЛЯ ПОДДЕРЖКИ ДИЗАЙН-ОБРАЗОВАНИЯ

Согласно модели из основополагающего трактата Сачман, Планы и ситуативные действия [71], успех ИИ зависит от взаимной понятности между ИИ и пользователями; в нашем ситуативном контексте пользователями являются преподаватели и студенты. Эта взаимная понятность зависит от того, как аналитика, функционирующая как лингвистические выражения, интерпретируется в ситуативных контекстах их использования. Более конкретно, многомасштабная аналитика дизайна интерпретируется в контексте конкретных примеров дизайнерской работы, которую выполняют студенты, и педагогики и оценки, которую предоставляют преподаватели. Мы разработали исследовательский артефакт для изучения того, как связывание аналитики с примерами дизайна повлияет на этот интерпретационный процесс. Мы собрали и проанализировали качественные данные, чтобы выяснить, как преподаватели воспринимают многомасштабную аналитику, когда она контекстуализирована с этой индексальной связью с дизайнерской работой, которую они измеряют.

\ Сначала мы рассмотрим ИВ2: Какую конкретную ценность может предоставить многомасштабная аналитика дизайна на основе ИИ преподавателям дизайна в ситуативных контекстах курса? Мы обсуждаем и выводим следствия того, как индексальные техники представления, связывающие аналитику с примерами дизайна, контекстуализируют аналитику и тем самым поддерживают их использование в абстрактных и творческих задачах, в данном случае, в дизайн-образовании.

\ Затем мы возвращаемся к ИВ1: Как, если вообще, аналитика дизайна на основе ИИ может поддерживать опыт оценки и обратной связи преподавателей в ситуативных контекстах курса? Здесь мы обсуждаем и выводим следствия относительно особенностей многомасштабной аналитики, того, что мы увидели, и их потенциала для поддержки оценки и обратной связи в дизайн-образовании. Мы также рассматриваем ограничения.

\ Как утверждают Циммерман и др., выводы являются формой теории, созданной с использованием подхода Исследования через Дизайн [85]; по словам Гавера, теория, вероятно, будет "предварительной, условной и стремящейся" [31]. Следовательно, мы намерены исследовать, способствуют ли и как выводы из этого исследования интерфейсам для получения и представления ряда сложных аналитических данных, что может стать плодотворным направлением для будущих исследований. Такие исследования могут определить, например, являются ли конкретные выводы более полезными в определенных образовательных дисциплинах по сравнению с другими.

6.1 Индексальность: Демонстрация аналитики дизайна путем связывания с примерами

Мы вносим вклад в виде индексальной связи от аналитики к визуально аннотированным примерам дизайна как средства демонстрации их значения. Согласно Тернбуллу, индексальные утверждения формулируют отношения между контекстами для передачи новых значений [74]. В настоящем исследовании мы обнаружили, что индексальность панели управления — т.е. связывание аналитики с ситуативными сборками элементов дизайна — помогала преподавателям в понимании аналитики. Ключевым моментом является автоматическая визуальная аннотация дизайна, показывающая, какие масштабы и кластеры были распознаны. Например, по словам I9, "Я смог сделать вывод... есть один уровень масштабирования, который имеет определенную область... а затем у них есть другой уровень масштабирования, который фокусируется на другой области и так далее." Преподаватели смогли быстро понять организацию дизайна студентов и то, как они были количественно оценены. Они также смогли углубиться в работу и точно определить, где аналитика не соответствует их собственным интерпретациям. Для одного из дизайнов, как выразился I3, увидев результаты ИИ, "Я не уверен, почему [здесь показано]... пара [дополнительных] кластеров".

\ Другие исследователи достойно преследуют стратегии объяснимого ИИ для передачи алгоритмической логики ИИ пользователям [например, 1, 65]. Это исследование, в качестве альтернативы, вносит вклад в то, как связывание аналитики с примерами может визуально демонстрировать пользователям, что означает аналитика, показывая работу алгоритма распознавания в ситуативных контекстах практики, не обращаясь к его базовой логике.

\ Выводы. Ожидается, что пользователи, такие как преподаватели и студенты, получат пользу, когда взаимодействие с панелью управления напрямую индексирует, то есть представляет связи между конкретной аналитикой и примерами дизайнерской работы. Сачман обращает внимание на то, как прозрачность систем на основе ИИ — которая основана на передаче предполагаемой цели ИИ пользователям и установлении подотчетности — жизненно важна для эффективной поддержки ситуативной практики [71]. Распространенный подход ИИ заключается в получении оценок для большого набора заданий и построении распознавателя снизу вверх на основе этих данных. Такой распознаватель обычно основан на произвольной агрегации признаков, которые могут соответствовать общей оценке, а не характеристикам, явно различимым для преподавателей дизайна или студентов. В качестве альтернативы мы создали многомасштабную аналитику дизайна настоящего исследования, используя контекстуальные, основанные на дизайне характеристики, чтобы они имели смысл для преподавателей дизайна. В результате эта аналитика имеет потенциал информировать студентов, размышляющих о том, как улучшить свою работу, а также как понять работу других.

\ Кроме того, наши пользователи нашли ценность в навигации к конкретным масштабам и кластерам, измеряемым аналитикой. По словам I1, "было бы возможно... может быть, указать или просто перейти к точному масштабу." Для этого промежуточное представление на панели управления может оказаться полезным. Например, наши результаты мотивируют дальнейшее исследование, в котором помимо представления одного числа на панели управления, пользователям предоставляется возможность взаимодействия с визуализацией дерева [30], индексирующей иерархию масштабов и кластеров каждого экземпляра дизайнерской работы. Такое представление имеет потенциал для дальнейшей поддержки пользователей в понимании того, как использовать вложенные структуры для передачи сложной информации, выходя за пределы плоскости для использования ряда масштабов и кластеров.

\ Наконец, при индексировании аналитики к примерам, интерфейсы выиграют от использования анимаций. Майер и Морено показали, что добавление анимации к учебному материалу улучшает понимание учащихся [55]. Как объясняет Тверски, анимация может помочь восприятию и пониманию тонкой структуры пространственных и временных отношений между различными частями содержания [75]. Бедерсон и Болтман обнаружили, что анимация изменений точки зрения в пространственной среде помогает пользователям в построении ментальной карты информации, присутствующей в среде [10]. Теория многомасштабного дизайна расширяет теорию масштабируемого пользовательского интерфейса, фокусируясь на том, как люди собирают информационные элементы для передачи значений, используя взаимодействие на основе пространства и масштаба и связанных принципов дизайна. В нашем исследовании мы обнаружили, что использование анимации помогло преподавателям понять сложные характеристики. По словам I1, "теперь у меня лучшее понимание пространственных кластеров [с] анимацией изменения цветов." Мы ожидаем, что функции интерактивности анимации, такие как крупные планы, масштабирование и контроль скорости [75], окажутся полезными в поддержке навигации к конкретным масштабам и кластерам.

\ \

:::info Авторы:

(1) Аджит Джейн, Техасский университет A&M, США; Текущая принадлежность: Audigent;

(2) Андруид Керне, Техасский университет A&M, США; Текущая принадлежность: Университет Иллинойса в Чикаго;

(3) Ник Лупфер, Техасский университет A&M, США; Текущая принадлежность: Mapware;

(4) Габриэль Бритейн, Техасский университет A&M, США; Текущая принадлежность: Microsoft;

(5) Аарон Перрин, Техасский университет A&M, США;

(6) Юнсак Чой, Техасский университет A&M, США;

(7) Джон Кейсер, Техасский университет A&M, США;

(8) Руихонг Хуанг, Техасский университет A&M, США;

(9) Джинсил Сео, Техасский университет A&M, США;

(10) Энни Сунгкаджун, Государственный университет Иллинойса, США;

(11) Роберт Лайтфут, Техасский университет A&M, США;

(12) Тимоти Макгуайр, Техасский университет A&M, США.

:::

:::info Эта статья доступна на arxiv под лицензией CC by 4.0 Deed (Attribution 4.0 International).

:::

\