Detailansicht
Chatbot for inflation data analysis
Polina Samoilenko
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Data Science
Betreuer*in
Torsten Möller
Mitbetreuer*in
Laura Koesten
DOI
10.25365/thesis.77717
URN
urn:nbn:at:at-ubw:1-16577.32471.558466-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In der heutigen datengetriebenen Welt ist das Verständnis komplexer wirtschaftlicher Daten, wie beispielsweise der Inflation, von entscheidender Bedeutung, jedoch für viele Zielgruppen oft eine Herausforderung. Obwohl Werkzeuge wie der IHS Price Monitor interaktive Visualisierungen von Inflationsmetriken bereitstellen, haben Nutzer häufig Schwierigkeiten, komplexe Diagramme zu navigieren und die Daten zu interpretieren. Ziel dieser Arbeit war die Entwicklung eines Chatbots, der von Large Language Models (LLMs) unterstützt wird, um diese Herausforderungen zu bewältigen und Benutzerpräferenzen zwischen dem Chatbot und dem IHS-Dashboard für den Zugriff auf Inflationsinformationen zu vergleichen. Der Chatbot wurde unter Verwendung von Teilen desselben Datensatzes wie das IHS-Dashboard entwickelt und nutzte ein Multi-Agenten-System, bei dem jeder Agent auf eine spezifische Aufgabe spezialisiert war. Dieser Ansatz ermöglichte es dem Chatbot, mit Antworten in natürlicher Sprache zu reagieren und Visualisierungen als Teil seiner Antworten zu generieren. Zur Bewertung der Leistung des Chatbots und der Benutzerpräferenzen wurde eine empirische Studie mit 10 TeilnehmerInnen durchgeführt. Jeder Teilnehmer/Jede Teilnehmerin erledigte Aufgaben mit beiden Tools. Die Ergebnisse zeigten, dass die TeilnehmerInnen den Chatbot als benutzerfreundlicher empfanden als das IHS-Dashboard. Die Kombination aus textuellen und visuellen Informationen wurde als effektiv und nützlich wahrgenommen. Die Studie identifizierte zudem Verbesserungsbereiche und lieferte wertvolle Erkenntnisse zur Weiterentwicklung des Chatbots. Während der aktuelle Chatbot als praktischer Assistent für die Beantwortung inflationsbezogener Anfragen dient, könnten weitere Optimierungen ihn zu einem vollständig funktionalen Werkzeug für den Zugriff auf Inflationsdaten machen.
Abstract
(Englisch)
In today's data driven world, understanding complex economic data, such as inflation, is essential but often challenging for many audiences. Despite the availability of tools like the IHS Price Monitor, which provides interactive visualizations of inflation metrics, users may struggle with navigating complex charts and interpreting the data. This thesis aimed to develop a chatbot powered by Large Language Models (LLMs) to address these challenges and to compare user preferences between the chatbot and the IHS Dashboard for accessing inflation information. The chatbot was built using parts of the same dataset as the IHS Dashboard and utilized a multi-agent system, where each agent specialized in a specific task. This approach enabled the chatbot to respond with natural language answers and generate visualizations as part of its replies. To evaluate the chatbot's performance and user preferences, an empirical study involving 10 participants was conducted. Each participant completed tasks using both tools. The results demonstrated that participants found the chatbot more user-friendly than the IHS Dashboard. The combination of textual and visual information was perceived as both effective and useful. The study also identified areas for improvement, offering valuable insights for refining the chatbot. While the current chatbot serves as a practical assistant for addressing inflation-related queries, further enhancements could establish it as a fully functional tool for accessing inflation data.
Schlagwörter
Schlagwörter
(Deutsch)
große Sprachmodelle Multi-Agenten-System GPT Claude Visualisierungserstellung Chatbot Inflationsdaten empirische Studie
Schlagwörter
(Englisch)
large language models multi-agent system GPT Claude visualization generation chatbot inflation data empirical study
Autor*innen
Polina Samoilenko 
Haupttitel (Englisch)
Chatbot for inflation data analysis
Paralleltitel (Deutsch)
Chatbot zur Analyse von Inflationsdaten
Publikationsjahr
2025
Umfangsangabe
vi, 29 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Torsten Möller
Klassifikation
54 Informatik > 54.72 Künstliche Intelligenz
AC Nummer
AC17443658
Utheses ID
74562
Studienkennzahl
UA | 066 | 645 | |