隨著籃球越來越受歡迎，許多球迷在快速且複雜的比賽中感到難以跟上。為了解決這個問題，我們推出了Sportify，一個視覺問答系統，幫助球迷理解籃球戰術。Sportify提供三種動作視覺化—傳球、切入和掩護，並利用大型語言模型來解釋球員的行動。我們測試了Sportify的效果，結果顯示它顯著提升了球迷的戰術理解，並豐富了觀賽體驗，特別是第三人稱敘述提供了詳細解釋，而第一人稱則增強了參與感。 PubMed DOI

這項研究強調參照手勢在數據視覺化討論中的溝通重要性。傳統的逐字稿和錄影常忽略這些手勢，影響會議表現。為了解決這個問題，作者提出一個新框架，能捕捉游標手勢數據與音頻，並轉換成互動文件。透過大型語言模型，框架能識別口語與手勢的聯繫，提供豐富的上下文註解。用戶研究顯示，參與者更喜歡這種自動化的互動文檔，並初步建立游標手勢分類法，為協作數據分析的應用改進鋪路。 PubMed DOI

大型語言模型（LLMs）如ChatGPT進入教育領域，將透過創新的對話方式改變學習體驗。為了幫助學生更好利用ChatGPT，教師需了解學生的互動方式，但缺乏相關數據使得這一點變得困難。 為了解決這個問題，我們在碩士資料視覺化課程中收集了48名學生的對話數據，並創建了編碼方案來分析互動模式。我們開發的StuGPTViz視覺分析系統能追蹤學生提問時間及ChatGPT回應質量，為教育者提供有價值的見解。研究顯示，StuGPTViz能增強教師對ChatGPT教學價值的理解，並開啟AI驅動的個性化學習解決方案的研究機會。 PubMed DOI

這篇文章探討如何將大型語言模型（LLMs）融入科學工作流程，將原始文本轉化為有條理的敘事，並運用語義網技術。文章強調敘事在傳遞複雜科學資訊中的重要性，以及生成文本的可靠性。研究定義了「敘事事件」，並比較了不同小型LLM在特定需求下的表現，重點在於保持原始敘事的完整性。初步評估顯示，LLaMA 2在生成與源文本緊密對齊的敘事事件方面最為有效，並且透過提示工程技術進一步提升了輸出質量。 PubMed DOI

這段文字探討金融敘事視覺化中自動化圖形疊加的挑戰，強調理解圖形疊加與敘事結構的關聯性。為了解決這個問題，作者調查了1,752個分層圖表及其敘事，找出常見的疊加及其正確用法。他們推出了FinFlier，一個利用大型語言模型的兩階段系統，能自動創建圖形疊加。系統包含文本數據綁定模組和圖形疊加模組，根據敘事順序生成有效的疊加。作者展示了FinFlier的能力，並提供性能評估，證明其有效性及生成圖表的質量。 PubMed DOI

大型語言模型（LLMs）因為能用簡單的提示處理各種自然語言任務而受到廣泛歡迎，讓非專家也能輕鬆使用。不過，撰寫有效的提示卻不容易，因為需要特定知識。為了幫助用戶改善提示，我們開發了PROMPTAID，這是一個互動式的視覺分析系統，能讓用戶創建、精煉和測試提示。PROMPTAID透過協調視覺化，促進關鍵字擾動、意義重述和選擇最佳範例，並經過專家意見和用戶研究驗證，讓用戶能輕鬆迭代提示，生成多樣選項，並有效分析提示表現。 PubMed DOI

大型語言模型（LLMs）如GPT-4與擴增實境（XR）技術結合，能創造沉浸式環境，並透過自然語言與使用者互動。不過，XR環境的複雜性使得提取上下文數據變得困難，導致成本上升和錯誤產生。為了解決這些問題，我們推出了LLMER框架，利用LLMs生成的JSON數據來構建互動式XR世界。LLMER能有效減少應用崩潰和延遲，初步研究顯示其令牌消耗減少超過80%，任務完成時間減少約60%。使用者反饋也指出了優化的空間。 PubMed DOI

這篇論文提出 InsightLens 系統，專為解決用大型語言模型分析資料時，洞見難以管理和追蹤的問題。InsightLens 能自動記錄、整理並視覺化對話中的資料洞見，讓分析師更方便管理和查找。研究結果顯示，這系統能減少手動整理的麻煩，降低認知負擔，提升分析效率。 PubMed DOI

這篇論文介紹「Visualizationary」系統，結合 ChatGPT 與視覺化設計指引，能針對使用者的圖表給予個人化、具體的改進建議，且不需寫程式。13 位參與者的研究顯示，透過 LLM 以自然語言指導，能有效提升不同經驗者的視覺化設計能力。補充資料可在 https://osf.io/v7hu8 查詢。 PubMed DOI

VOICE 是一套結合大型語言模型和互動視覺化的科學溝通工具，能用語音指令即時操作 3D 模型並獲得解說。它採雙層代理架構、微調和提示工程，並以分子視覺化為例，經用戶研究證實能有效滿足需求。更多資訊可見 https://osf.io/g7fbr。 PubMed DOI