Exploration et narration de données assisté par un LLM // LLM-aided data exploration and storytelling

À l'ère de la prise de décision basée sur les données, il est crucial d'extraire des connaissances à partir de grands ensembles de données. La narration des données fait référence à la transformation des connaissances sur les données en histoires visuelles interactives pour en améliorer la compréhension et la communication. Même si les progrès récents en matière d'IA et de LLM ont introduit l'automatisation dans l'exploration et la narration des données, des défis subsistent en matière de personnalisation, de reconnaissance des intentions de l'utilisateur et de narration interactive des données.

Questions clés de recherche:
1. Intention de l'utilisateuret interaction : Comment les préférences et les retours des utilisateurs peuvent-ils guider la narration des données aidée par le LLM?
2. Personnalisation: Comment adapter les récits de données à différents profils d'audience, niveaux de connaissances et styles de présentation?
3. Interaction exploration-narration: Comment l'exploration des données et la narration peuvent-elles être intégrées de manière transparente pour permettre une intervention itérative de l'utilisateur?
4. Évaluation de la qualité: Comment pouvons-nous évaluer et comparer l'efficacité des récits de données générés?

Le candidat devra contribuer à l'une des trois premières questions de recherche tout en considérant la quatrième comme un aspect transversal, et donc devant être traitée également.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In the era of data-driven decision-making, extracting insights from large datasets is crucial. Data narration refers to transforming data insights into interactive visual stories to enhance understanding and communication. While recent advances in AI and LLMs have introduced automation in data exploration and storytelling, challenges remain in personalization, user intent recognition, and interactive data narration.

Key Research Questions:
1. User Intent & Interaction: How can user preferences and feedback guide LLM-driven data storytelling?
2. Personalization: How can data stories be adapted to different audience profiles, knowledge levels, and presentation styles?
3. Exploration-Narration Interplay: How can data exploration and storytelling be seamlessly integrated to allow iterative user intervention?
4. Quality Assessment: How can we evaluate and benchmark the effectiveness of generated data stories?

The candidate is expected to contribute to one of the first three research questions while considering the fourth as a transversal aspect and therefore also addressing it.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Financement d'un établissement public Français

Université de Tours

551 Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS

Les candidat.e.s doivent être titulaires d'un master en informatique, posséder des compétences en bases de données, en apprentissage automatique et en programmation et parler couramment l'anglais. Les candidat.e.s doivent démontrer leur maîtrise de l'un des sujets suivants: exploration de données, narration de données, traitement du langage naturel. Les candidatures ne répondant pas à ces attentes seront automatiquement rejetées.
Applicants are expected to hold a Master's degree in Computer Science, be skilled in databases, machine learning, and programming and be fluent in English. Applicants must demonstrate proficiency in one of the following topics: data exploration, data narration, natural language processing. Applications failing to match these expectations to will be automatically rejected.