BONSAI：人機協同開發視覺分析應用的混合式工作空間
arXiv - Human-Computer InteractionThilo Spinner, Matthias Miller, Fabian Sperrle-Roth, Mennatallah El-Assady
提出 BONSAI，結合人類與 AI 的混合式工作空間，透過四層模組化架構與四階段流程，實現可追溯、可重用的視覺分析應用開發。
AI 幫你先抓重點
AI 重點 1
混合式人機協同能在保持結構嚴謹的同時，顯著提升開發速度。
滑鼠懸停看 AI 判斷理由
此洞察顯示 AI 的生成速度可被有效利用，而不犧牲控制與可追溯性，改變開發者對 VA 應用快速迭代的認知。
AI 重點 2
四層模組化與四階段流程提供完整的 provenance，為後續維護與再利用奠定基礎。
滑鼠懸停看 AI 判斷理由
完整的 provenance 使開發者能追蹤每一個 AI 或人類貢獻，提升長期維護與知識共享的可行性，對教育研究尤為重要。
核心研究發現
- 1
BONSAI 的四層架構（硬體、服務、協調、應用）允許人類與 AI 以獨立模組方式貢獻，可重用性高。
- 2
四階段開發流程（計畫、設計、監控、審查）確保所有貢獻被結構化追蹤，提升可追溯性與可靠性。
- 3
案例研究顯示，使用 BONSAI 可在數小時內從研究論文描述重建複雜視覺分析工具，並能快速創建新工具。
對教育工作者的啟發
實務工作者可先將現有 VA 工具拆解為硬體、服務、協調、應用四層模組，並在 BONSAI 平台上設計四階段流程。透過 AI 生成程式碼與人類審查相結合，可在短時間內完成原型，且所有變更皆被追蹤，方便後續維護與再利用。此模式亦適用於教育研究，快速將論文概念轉化為可操作的分析工具，促進知識建構與實驗驗證。
原始文獻資訊
- 英文標題：
- BONSAI: A Mixed-Initiative Workspace for Human-AI Co-Development of Visual Analytics Applications
- 作者：
- Thilo Spinner, Matthias Miller, Fabian Sperrle-Roth, Mennatallah El-Assady
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。