著者:  (1) Adam Coscia、ジョージア工科大学、米国ジョージア州アトランタ (acoscia6@gatech.edu)。  （２）ヘイリー・M・セイパーズ、カリフォルニア工科大学地質惑星科学部、カリフォルニア州パサデナ、米国（hsapers@caltech.edu）  （３）ノア・ドイチュ、ハーバード大学ケンブリッジ校、マサチューセッツ州、米国（ndeutsch@mde.harvard.edu）  （4）マリカ・クラーナ、ニューヨーク・タイムズ社、ニューヨーク州ニューヨーク市（malika.khurana@nytimes.com）  （５）ジョン・S・マジャール、カリフォルニア工科大学地質惑星科学部、パサデナ、カリフォルニア州、米国（jmagyar@caltech.edu）  （6）セルジオ・A・パラ、カリフォルニア工科大学地質惑星科学部、パサデナ、カリフォルニア州、米国（sparra@caltech.edu）  （7）ダニエル・R・アッター、rwipfler@caltech.edu カリフォルニア工科大学地質惑星科学部、パサデナ、カリフォルニア州、米国（dutter@caltech.edu）  （８）ジョン・S・マジャール、カリフォルニア工科大学地質惑星科学部、パサデナ、カリフォルニア州、米国（rwipfler@caltech.edu）  （9）デビッド・W・カレス、モントレー湾水族館研究所、カリフォルニア州モスランディング（caress@mbari.org）  （10）エリック・J・マーティン、ジェニファー・B・パドゥアン、モントレー湾水族館研究所、カリフォルニア州モスランディング（emartin@mbari.org）  （11）ジェニファー・B・パドゥアン、モントレー湾水族館研究所、カリフォルニア州モスランディング（paje@mbari.org）  （12）マギー・ヘンドリー、アートセンター・カレッジ・オブ・デザイン、カリフォルニア州パサデナ、米国（maggie.hendrie@artcenter.edu）  （13）サンティアゴ・ロンベイダ、カリフォルニア工科大学、カリフォルニア州パサデナ、米国（santiago@caltech.edu）  （14）ヒラリー・マシュキン、カリフォルニア工科大学、カリフォルニア州パサデナ、米国（hmushkin@caltech.edu）  （15）アレックス・エンダート、ジョージア工科大学、米国ジョージア州アトランタ（endert@gatech.edu）  （16）スコット・デイビッドフ、カリフォルニア工科大学ジェット推進研究所、カリフォルニア州パサデナ、米国（scott.davidoff@jpl.nasa.gov）  （17）ビクトリア・J・オーファン、カリフォルニア工科大学地質惑星科学部、カリフォルニア州パサデナ、米国（vorphan@caltech.edu）。 リンク一覧 要約と1 はじめに 2 関連研究 3 方法論 4 深海生態系の研究と4.1 深海研究の目標 4.2 ワークフローとデータ 4.3 設計上の課題とユーザータスク 5 ディープシーシステム 5.1 マップビュー 5.2 コアビュー 5.3 補間ビューと 5.4 実装 6 つの使用シナリオと 6.1 シナリオ: クルーズ前の計画 6.2 シナリオ: オンザフライの意思決定 7 評価と 7.1 クルーズ展開 7.2 専門家インタビュー 7.3 制限事項 7.4 学んだ教訓 8 結論と今後の課題、謝辞、参考文献 抽象的な 深海の微生物生態系を研究する科学者は、海底から採取した限られた数の堆積物サンプルを使用して、環境内の生命維持に重要な生物地球化学的サイクルを特徴付けます。しかし、これらの極端に遠隔地の環境でサンプルを採取するフィールドワークは費用も時間もかかるため、科学者がフィールドサイトのサンプル採取履歴を調べ、新しいサンプルを採取すると科学的成果が最大化される可能性が高い場所を予測できるツールが必要です。私たちは、科学研究者チームと共同でユーザー中心の設計研究を行い、DeepSee を開発しました。DeepSee は、2D の海底地図に堆積物のサンプル採取履歴を重ねて、生物地球化学的プロセスと微生物プロセスの 2D および 3D 補間をコンテキスト内で視覚化するインタラクティブなデータ ワークスペースです。フィールド展開と定性インタビューに基づいて、DeepSee は限られたサンプル サイズから得られる科学的成果を増やし、新しい研究ワークフローを促進し、データ共有の長期的なコストを削減し、さまざまな研究目標を持つチーム メンバー間のチームワークとコミュニケーションをサポートすることがわかりました。  CCSコンセプト • 。 • 人間中心のコンピューティング → 科学的視覚化、視覚分析、地理視覚化、 視覚化システムとツール 応用コンピューティング → 地球科学と大気科学。 キーワード データの視覚化、科学的視覚化、視覚分析、デザイン研究、深海研究。   ACMリファレンスフォーマット:  Adam Coscia、Haley M. Sapers、Noah Deutsch、Malika Khurana、John S. Magyar、Sergio A. Parra、Daniel R. Utter、Rebecca L. Wipfler、David W. Caress、Eric J. Martin、Jennifer B. Paduan、Maggie Hendrie、Santiago Lombeyda、Hillary Mushkin、Alex Endert、Scott Davidoff、およびVictoria J. Orphan。2024。DeepSee：海底生態系の多次元視覚化。CHI Conference on Human Factors in Computing Systems（CHI '24）の議事録、2024年5月11～16日、ホノルル、ハワイ州、米国。ACM、ニューヨーク、ニューヨーク州、米国、16ページ。https://doi.org/10.1145/3613904.3642001  1 はじめに 広大な深海平原から熱水噴出孔やメタンの湧出孔といった物理化学的に不均質な極限環境に至るまで、深海底生態系の探査と研究は過去20年間で大きく進歩した。こうした進歩は、自律的な海底マッピングとイメージング、物理化学的センシング、生物学的測定、サンプルアーカイブのための新技術の開発によって生み出された膨大な量のデータから生まれたものである[31]。科学者の学際的なチームが、これらの遠隔地の生態系の地質学、地球化学、マクロ生物学および微生物学に関する補完的なデータセットを提供することで、深海研究者は海底の2D地形図とカラーフォトモザイクにアクセスできるようになり、センチメートルからキロメートルの空間スケールで点源の海底サンプルコレクション（堆積物コア、岩石、動物、水サンプルなど）と適切な環境コンテキストの関係を把握できるようになった。 しかし、サンプルの空間位置の 2D マップは貴重である一方、この分野では、現在、3 次元、つまり海底下まで拡張する視覚化ツールが不足しています。このため、サンプルの空間コンテキスト内での関連する物理化学データと生物データの探索に関して、いくつかの基本的なデータ視覚化の課題が生じています。サンプルは堆積物コアであり、数百メートルの海底にまばらに分布しています。これは、数百の微生物種と物理化学パラメータで構成される、ポイントごとの地理空間および時間 (つまり多次元) データです。研究者は、遠征中に深海からこれらの堆積物コアを収集するためのフィールドワークを行いますが、これは費用と時間のかかる作業であり、事前に綿密な計画が必要で、通常、サンプル数は非常に限られます。以前のサンプリング履歴を確認して次にサンプリングする場所を決定すると、費用のかかるフィールドワークに費やす時間を最大限に活用できます。さらに、フィールドワーク前の計画と、新しいサンプルが収集される際の現場での戦術的意思決定の両方において、新しい視覚化機能を導入することで、科学者の既存の研究ワークフローがどのように変化するかは不明です。私たちの目標は、環境の文脈で堆積物コア間の空間的傾向を調査する際の視覚化の課題を解決するシステムを開発し、深海のフィールドワークを行う科学者のワークフローへの影響を測定するためにシステムを展開し、フィールドワーク遠征中に収集された多次元サンプルデータを視覚化するためのより広範な設計ガイダンスを反映することです。 我々は、深海生態系を研究する科学研究者チームと共同で実施した設計研究[43]を紹介する（第3節）。まず、彼らの研究目標、既存のワークフロー、データプラクティスを特徴付け、設計上の課題とユーザータスクを統合した（第4節）。その結果、科学者が環境のコンテキストでコア間の空間的傾向を視覚化し、複数のサイズと時間スケールでコアとマップのデータを単一のインターフェースに統合し、サンプリングされていない場所での見えない値を予測することで、利用可能なサンプルの数が限られていることから科学的リターン（データの長期的な有用性と価値）を高めることができるシステムが生まれた。 タスクの抽象化から、私たちは DeepSee (図 1、セクション 5) を開発しました。これは、科学者が堆積物コアデータとマップ画像をアップロードし、複数の接続されたビューに同時に表示されるサンプリング履歴を確認できるオープンソース[1]のインタラクティブなワークスペースです。センチメートルとキロメートルの解像度の海底のインタラクティブなマップ (図 1A) には、以前のダイビングと収集されたサンプルに関する情報がラベル付けされています。これらのマップの横に、DeepSee は深度の関数としてパラメータ勾配を示す 2D 視覚化と、サンプル間の空間のデータ補間のインタラクティブな 3D 視覚化を表示します (図 1B)。データ補間はリアルタイムで実行できるため、科学者は海底下を「見て」、価値の高いサンプルを収集する最も可能性の高い場所を決定できます。意思決定をサポートするために、DeepSee はメモを取るための注釈ツールをマップ上に提供し、調査結果の伝達や将来のダイビングの計画に役立ちます。最後に、DeepSee はポータブルでインターネット アクセスを必要としないため、科学者は遠隔地でのフィールド エクスペディションで DeepSee を使用できます。 私たちのアプローチが現実の問題の解決に及ぼす影響を評価するために、設計プロセスに関わった同じ専門家の協力者とともに DeepSee を評価しました (セクション 7)。まず、研究航海で DeepSee の初期フィールド展開を実施し、その機能をテストして、現場でどのユーザー タスクが達成されたかを示しました。次に、各チーム メンバーにインタビューし、DeepSee が影響を与えた深海フィールドワーク研究のいくつかの領域での展開に関するフィードバックを収集しました。次のことがわかりました。   流体相互作用[16]と複数のスケールで視覚化されたデータの集約は、データについての新たな質問方法を可能にし、科学者が限られたサンプルから得られる科学的成果を増やすのに役立ちます。 （１）    ２Ｄデータと３Ｄデータを同じインターフェースに統合することで、将来のサンプリングのための新たな潜在的ターゲットを浮き彫りにし、データ準備の長期的なコストを削減することで、新たな研究ワークフローを促進することができる。 （２）   モジュール式の視覚化は、異なる役割と多様な研究目標を持つチームメンバーが、どこでどのサンプルを収集するかを決定する際に、特定のタスクを解決するのに役立ちます。 （３） これらの調査結果から、私たちは他のフィールドワーク主導の領域における将来の視覚化システムを設計するための原則を統合しました。   設計時にデータ統合をユーザータスクとして優先し、現場で追加されるデータをユーザーが追跡できるようにします。 （１）   環境の文脈の中で物理データを視覚化し、洞察の理解と伝達を強化する。 （２）   データタイプを組み合わせてミクロスケールとマクロスケールの分析を橋渡しし、限られたサンプルからの科学的成果を高める。 （３）   メンタルモデリングを支援するインタラクティブな視覚化を設計し、科学者が複雑なプロセスを理解し、探求するのを支援する （4） 全体として、流動的なインタラクション、緊密に統合されたデータ、およびモジュール化された視覚化の組み合わせにより、データに対する深い洞察が得られ、研究者は空間的および時間的変化についてより強い直感を構築できるようになりました。  環境サンプルデータの分布を明らかにし、最終的にはより情報に基づいた将来のサンプル選択を容易にします。 要約すると、この論文の貢献は次のとおりです。(1) ユーザー中心の設計プロセスに従って深海生態系を視覚化するための科学的プロセスと設計上の考慮事項の特徴付け、(2) 将来のサンプル採取場所を選択するために深海堆積物のサンプリング履歴を視覚化するインタラクティブなワークスペースである  、(3)  導入した科学者へのインタビューに基づく考察。フィールドワーク主導の科学研究をサポートするためにデータ視覚化を活用することで得られた教訓と幅広い影響について議論しています。 DeepSee DeepSee を この論文は、CC BY 4.0 DEED ライセンスの下で 。 arxiv で公開されています  [1] DeepSeeコード: https://github.com/orphanlab/DeepSee

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Oceanography.Tech

このオーディオは、ストーリーの元の言語で制作されています。

DeepSee がこれまで以上に海の奥深くまで見えるようにする方法

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps