Artículo científico “[Trad.] Sneak Pique: Explorando el autocompletado como una herramienta para el descubrimiento de datos que apoya el análisis visual” (2020)

Resumen

[Trad.] La interacción con el lenguaje natural se ha convertido en una modalidad útil para ayudar a los usuarios a explorar e interactuar con sus datos durante el análisis visual. Se ha investigado poco cómo el autocompletado puede facilitar el descubrimiento de datos y, al mismo tiempo, ayudar a los usuarios a formular preguntas analíticas. Desarrollamos un sistema denominado \system como modelo de diseño para comprender mejor la utilidad del autocompletado en el análisis visual. Realizamos tres estudios con Mechanical Turk para evaluar las preferencias de los usuarios respecto a diversas variantes de diseño de autocompletado basadas en widgets de texto y visualización para facilitar las consultas de búsqueda parcial. Nuestros hallazgos indican que los usuarios encontraron útiles las vistas previas de datos en las sugerencias. Los widgets se prefirieron para previsualizar datos temporales, geoespaciales y numéricos, mientras que el autocompletado de texto se prefirió para datos categóricos y jerárquicos. Realizamos un análisis exploratorio de nuestro sistema implementando este subconjunto específico de variantes de autocompletado preferidas. Nuestros conocimientos sobre la eficacia de estas sugerencias de autocompletado pueden orientar el diseño futuro de interfaces de lenguaje natural que respalden el análisis visual.