Tipus de document
Treball de fi de grauData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/227945
CollabViz: Using LLM-powered Chatbot for Collaborative Data Visualization
Títol de la revista
Autors
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
[en] Large Language Models (LLMs) have become widely used tools in artificial intelligence applications, particularly in the development of chatbots and virtual assistants—systems designed to simulate human-like conversation and assist users in a wide range of tasks. Many modern online services integrate chatbots to perform various functions, from generating text, images, or visualizations to providing customer support and answering user queries.
This project presents the development of a multi-user chat application that supports collaborative data visualization tasks, such as generating plots or graphs from structured data, guided by a chatbot. The system integrates natural language processing capabilities of LLMs to interpret user input and generate a response.
We explore different prompting strategies, interaction models, and system architectures to optimize chatbot performance in a shared environment. In addition, we introduce a mechanism for conflict detection, which identifies incompatible or contradictory user intents during the visualization creation process—an essential feature in multi-user collaboration. We also provide a brief theoretical overview of the mathematical foundations behind current LLMs, focusing on the Transformer architecture, which enables these models to learn complex language patterns through selfattention mechanisms. In this project, we extend this formalization to collaborative environments by incorporating conflict detection in dialogues.
As part of our results, we present insights across various scenarios and use cases, highlighting the chatbot’s ability to understand user intents, generate meaningful visualizations, detect conflicts, and support multiple users in real-time collaboration. These findings offer insights into the potential applications of LLM-based chat interfaces in domain-specific, interactive tasks such as data visualization.
[es] Los Modelos de Lenguaje de Gran Escala (LLMs) se han convertido en herramientas ampliamente utilizadas en aplicaciones de inteligencia artificial, especialmente en el desarrollo de chatbots y asistentes virtuales: sistemas diseñados para simular conversaciones humanas y asistir a los usuarios en una amplia variedad de tareas. Muchos servicios en línea modernos integran chatbots para realizar diversas funciones, desde la generación de texto, imágenes o visualizaciones, hasta el soporte al cliente y la respuesta a consultas.
Este proyecto presenta el desarrollo de una aplicación de chat multiusuario que permite la creación colaborativa de visualizaciones de datos, como gráficos o diagramas generados a partir de datos estructurados, guiada por un chatbot. El sistema integra capacidades de procesamiento del lenguaje natural de los LLMs para interpretar entradas de los usuarios y generar respuestas.
Exploramos diferentes estrategias de prompting, modelos de interacción y arquitecturas del sistema para optimizar el rendimiento del chatbot en un entorno compartido. Además, introducimos un mecanismo de detección de conflictos, que identifica intenciones incompatibles o contradictorias entre usuarios durante el proceso de creación de visualizaciones, una función esencial en contextos colaborativos. También ofrecemos una breve revisión teórica de los fundamentos matemáticos detrás de los LLMs actuales, centrada en la arquitectura Transformer, que permite a estos modelos aprender patrones complejos del lenguaje mediante mecanismos de self-attention. En este proyecto, extendemos esta formalización a entornos colaborativos incluyendo la detección de conflictos en los diálogos.
Como parte de los resultados, presentamos observaciones en distintos escenarios y casos de uso, destacando la capacidad del chatbot para comprender intenciones, generar visualizaciones significativas, detectar conflictos y apoyar la colaboración en tiempo real entre múltiples usuarios. Estos hallazgos ofrecen perspectivas sobre el potencial de las interfaces conversacionales basadas en LLMs para tareas interactivas y específicas de dominio, como la visualización de datos.
[ca] Els Grans Models de Llenguatge (LLMs) s’han convertit en eines àmpliament utilitzades en aplicacions d’intel·ligència artificial, especialment en el desenvolupament de xatbots i assistents virtuals: sistemes dissenyats per simular converses humanes i ajudar els usuaris en una gran varietat de tasques. Molts serveis en línia moderns integren xatbots per dur a terme diverses funcions, des de la generació de text, imatges o visualitzacions fins al suport al client i la resposta a consultes.
Aquest projecte presenta el desenvolupament d’una aplicació de xat multiusuari que permet la creació col·laborativa de visualitzacions de dades, com ara gràfics o diagrames generats a partir de dades estructurades, guiada per un xatbot. El sistema integra capacitats de processament de llenguatge natural dels LLMs per interpretar les entrades dels usuaris i generar respostes.
Explorem diferents estratègies de prompting, models d’interacció i arquitectures de sistema per optimitzar el rendiment del xatbot en un entorn compartit. A més, introduïm un mecanisme de detecció de conflictes, que identifica intencions incompatibles o contradictòries entre usuaris durant el procés de creació de visualitzacions, una funció essencial en contextos col·laboratius. També oferim una breu revisió teòrica dels fonaments matemàtics dels LLMs actuals, centrada en l’arquitectura Transformer, que permet a aquests models aprendre patrons complexos de llenguatge mitjançant mecanismes de self-attention. En aquest projecte estenem aquesta formalització a entorns col·laboratius incloent la detecció de conflictes en els diàlegs.
Com a part dels resultats, presentem observacions en diversos escenaris i casos d’ús, destacant la capacitat del xatbot per entendre les intencions dels usuaris, generar visualitzacions rellevants, detectar conflictes i donar suport a la col·laboració en temps real entre múltiples usuaris. Aquests resultats ofereixen una visió del potencial de les interfícies conversacionals basades en LLMs en tasques interactives i específiques de domini, com ara la visualització de dades.
Descripció
Treballs Finals de Grau d'Enginyeria Informàtica, Facultat de Matemàtiques, Universitat de Barcelona, Any: 2025, Director: Anna Puig Puig i Inmaculada Rodríguez Santiago
Citació
Citació
YANG, Wenwen. CollabViz: Using LLM-powered Chatbot for Collaborative Data Visualization. [consulted: 22 of May of 2026]. Available at: https://hdl.handle.net/2445/227945