Observe, Ask, Intervene: Designing AI Agents for More Inclusive Meetings
本研究针对视频会议包容性依赖人工主持的问题,通过用户研究提出“观察、询问、干预”(OAI)框架并开发虚拟联合主持人原型,验证其相比完全自主干预更受用户偏好,同时得出AI会议辅助设计及缓解参与不公的相关指南。
2025-01-17 cs.HC
Human-in-the-Loop Optimization for Inclusive Design: Balancing Automation and Designer Expertise
本文提出一种自动化、无障碍的人机协同(HITL)设计优化流程,通过让设计师策划约束条件来高效优化无障碍设计参数,实现可扩展的个性化解决方案,并呼吁在工作坊中探讨其透明度与伦理等关键问题。
2025-06-27 cs.HC
Towards Inclusive External Human-Machine Interface: Exploring the Effects of Visual and Auditory eHMI for Deaf and Hard-of-Hearing People
Birmingham City University(伯明翰城市大学);UCL Interaction Centre(伦敦大学学院交互中心)
本研究探讨了视觉和听觉eHMI对聋人和听力障碍者在自动驾驶场景中的影响,发现视觉eHMI能提升信任和安全性,同时减少道路穿越时间。
2026-01-20 cs.HC
Evaluating Human-AI Collaboration: A Review and Methodological Framework
Harokopio University of Athens(雅典哈罗科皮奥大学)
本文综述了人机协作(HAIC)的评估方法,并提出一个包含结构化决策树的方法论框架,以根据AI为中心、人为中心和共生型三种模式选择定量与定性指标,从而更有效地评估HAIC系统。
2025-03-07 cs.AI cs.HC
Designing Harvesting Tools for Olive Trees: Methodological Reflections on Exploring and Incorporating Plant Perspectives in the Early Stages of Design Process
本文通过设计橄榄采收工具的案例研究,反思了超越人类设计中接触区等技术的应用,指出整合多元知识与审视技术纠缠对应对视角转变冲突具有重要意义。
2024-07-31 cs.HC
Unjustified Sample Sizes and Generalizations in Explainable AI Research: Principles for More Inclusive User Studies
Center for Science and Thought, University of Bonn(波恩大学科学与思想中心)
本研究分析2012-2022年220项XAI用户研究,发现多数样本量缺乏论证且结论过度概括,据此提出更包容的用户研究原则。
2023-10-14 cs.AI cs.HC
Machine Teaching by Domain Experts: Towards More Humane,Inclusive, and Intelligent Machine Learning Systems
本文认为,一个可能的方法来摆脱当前的机器学习(ML)系统的局限性是允许他们的开发直接由领域专家没有ML专家的调解。这可以通过使用概念,定义和类似的高级知识结构使ML系统交互式教学来实现。针对机器教学技术的最新进展,我们列出了这种以专家为中心的ML系统所面临的关键技术挑战,并建议它们在许多领域比传统ML系统更人性化,可能更智能。然后,我们认为,ML系统也可以像开源软件一样,从专家社区构建的角度受益匪浅,创建更具包容性的系统,从而实现对同一知识库的不同观点。本文还讨论了社区方法相对于当前构建ML系统的方法的优势,以及这种方法提出的具体挑战。
2019-08-19 cs.CY cs.HC
Inclusive Portraits: Race-Aware Human-in-the-Loop Technology
Northeastern University(东北大学);Universidad Nacional Autonoma de Mexico (UNAM)(墨西哥国立自治大学)
针对现有自动人脸验证及人在环方法对有色人种群体存在性能缺陷、未考虑人员个体特征的问题,提出结合种族社会理论的Inclusive Portraits种族感知人在环系统,实验证实其可显著提升有色人种相关服务性能,为公平包容的AI服务设计提供启示。
2023-11-06 cs.AI cs.HC
Listening before Asking: Lived-Experience Advisors as Methodological Partners in Dementia Caregiving Studies
University of Toronto(多伦多大学)
本文探讨了生活经验顾问在痴呆症照护研究中的方法学作用,通过提前参与的方法学伙伴角色,提升研究的伦理性和有效性。
2026-01-26 cs.HC
Non-user Inclusive Design for Maintaining Harmony of Real-Virtual Human Interaction in Augmented Reality
增强现实使得虚拟世界中的诸如对象和人的内容能够与现实世界中的用户共存。然而,不知道虚拟世界的存在并且动态地在附近移动的非用户可能通过直接闯入用户正在与虚拟人(VH)谈话的空间而引起冲突,或者在试图避免打扰用户时受到困扰。为了保持和谐并保持用户和非用户的舒适度,我们提出了一种控制VH调整自身位置以避免此类潜在冲突的方法。解决这个问题的困难在于,代理必须以自然的方式避免潜在的冲突,以避免用户感到不自然。我们的想法是赋予VH三种能力:预测非用户走动,了解如何建立和保持适当的队形以适应环境,并通过提前改变队形来计划避免冲突。我们开发了一个非用户包容的空间形成模型,实现自然的安排转移相应的环境的理论来源的基础上,从文献。我们实现了我们提出的模型到VH行为规划系统,以实现自然的冲突避免。评估实验表明,它成功地减少了潜在的冲突所造成的非用户。
2019-06-28 cs.HC cs.MM
The Centers and Margins of Modeling Humans in Well-being Technologies: A Decentering Approach
本文通过批判性技术方法审视福祉技术中机器学习对人类建模的假设,应用能动性实在论去中心化身体规律性等基础假设,提出更包容的设计路径,为后人类中心建模提供见解。
2025-03-24 cs.HC
Designing Wine Tasting Experiences for All: The role of Human Diversity and Personal food memory
Tongji University(同济大学);Shanghai Jiao Tong University(上海交通大学);Northeastern University(东北大学)
本研究聚焦包容性品酒体验设计,通过对中国游客酒庄品酒的田野研究,指出人类多样性、饮食记忆等因素的作用,为相关服务与产业发展提供新思路。
2025-10-01 cs.HC
Large Language Models as Psychological Simulators: A Methodological Guide
Department of Psychology, Yonsei University(延世大学心理学系);Department of Psychology, University of Science and Technology of China(中国科学技术大学心理学系)
本文探讨利用大语言模型进行心理模拟的两种主要应用:角色与人设模拟及认知过程建模,并提出方法框架与验证策略,强调透明性与伦理考量。
2025-06-20 cs.AI cs.CL cs.CY
Data-Driven and Participatory Approaches toward Neuro-Inclusive AI
University of California San Diego(加州大学圣地亚哥分校)
针对AI数据表征中反自闭症偏差致群体边缘化的问题,研究定义神经包容性AI,调研偏差现状,通过实证验证二元标注方案有效性,推出基准AUTALIC以推动相关研究发展。
2025-06-12 cs.AI cs.CY cs.HC
Enactive Artificial Intelligence: Subverting Gender Norms in Robot-Human Interaction
Humboldt-Universität zu Berlin(柏林洪堡大学);Berlin School of Mind and Brain(柏林心智与大脑学院);Macquarie University(麦考瑞大学);Uppsala University(乌普萨拉大学);Norwegian University of Science and Technology(挪威科技大学)
本文提出生成式人工智能(eAI)作为交叉性性别包容立场,通过四个伦理向量(可解释性、公平性、透明性、可审计性)颠覆人机交互中的性别规范。
2023-05-07 cs.AI cs.HC
Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge
Carnegie Mellon University(卡内基梅隆大学);Peking University(北京大学);University of California, Santa Barbara(加州大学圣芭芭拉分校);Harvard University(哈佛大学);University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校);MIT(麻省理工学院);Johns Hopkins University(约翰霍普金斯大学);Honda Research Institute USA(本田美国研究院)
该研究提出CHAIC受限人机协作具身社会智能挑战,构建含4类受限智能体、8项长周期任务的基准,提出结合大语言模型与行为建模的新方法,验证了基准对机器社会智能评估的有效性。
2025-06-11 cs.AI cs.HC cs.RO
Towards an Inclusive Digital Society: Digital Accessibility Framework for Visually Impaired Citizens in Swiss Public Administration
本文针对瑞士公共行政中视障公民数字服务无障碍实施差距,提出融合WCAG与HERMES方法的包容性公共行政框架,为Society 5.0数字包容提供可操作策略。
2025-03-12 cs.CY cs.HC
Towards Inclusive Video Commenting: Introducing Signmaku for the Deaf and Hard-of-Hearing
本文提出使用美国手语的视频评论机制 Signmaku,通过需求调查和被试内实验评估三种设计风格,发现真实人脸认知负荷最低且最易懂,卡通形象最能促进分享且隐私顾虑少,为利用生成式 AI 丰富聋哑及重听人群的共学体验提供了设计启示。
2024-03-26 cs.HC
Hey ASR System! Why Aren't You More Inclusive? Automatic Speech Recognition Systems' Bias and Proposed Bias Mitigation Techniques. A Literature Review
Howard University(霍华德大学)
语言是人类交流的基本手段。人工智能和复杂语音技术的出现导致了基于人机交互的快速增长,主要由自动语音识别(ASR)系统推动。ASR系统通常以音频的形式获取人类语音并将其转换为单词,但对于某些用户来说,它无法解码语音,并且任何输出文本都充满了人类读者无法理解的错误。这些系统并不是对每个人都平等地工作,实际上阻碍了一些用户的生产力。在本文中,我们提出的研究,解决ASR偏见对性别,种族,病人和残疾人,同时探索研究,提出ASR去偏置技术,以减轻这些歧视。我们还讨论了设计更容易访问和包容性ASR技术的技术。对于每一种调查方法,我们还提供了一个总结的调查和方法,使用的ASR系统和语料库,以及研究结果,并强调其优点和/或缺点。最后,我们提出了未来的机会,自然语言处理研究人员探索在下一个层次的创造ASR技术。
2022-11-17 cs.CL cs.CY cs.HC
Dancing with the Unexpected and Beyond: The Use of AI Assistance in Design Fiction Creation
设计小说的创作过程是参与和包容与非专家。认识到人工智能在创造力支持方面的潜力,我们探索了人工智能辅助在创造设计小说中的应用。这项调查是基于一个与中国青年有关的2040年未来工作的研讨会。我们研究小说的质量,参与者对人工智能智能体的体验,以及他们将这些文本融入写作的方式。我们的研究结果表明,人类作家在对混乱和意想不到的人工智能生成的文本做出反应的同时,可以提升写作的丰富性和创造力,并引发快乐和鼓舞人心的互动。此外,对于人工智能辅助创造力支持的设计,我们提出了两个方面的影响,即提高人与人工智能之间的互动质量和快速编程。我们的研究表明,在设计背景之外应用设计小说的潜力,使用一种更具包容性的方法,对未来的猜测与技术的批判性反思。
2022-10-03 cs.HC
Human and Machine as Seen at the Co-Creation Age: A Co-Word Analysis in Human Machine Co-creation (2014-2024)
本文以2014-2024年CHI会议相关研究为对象,采用共词分析梳理人机共创领域的趋势与知识轨迹,揭示机器从工具到创意协作伙伴的认知转变,为人机交互发展提供参考。
2025-05-20 cs.HC
Using Cognitive Models to Train Warm Start Reinforcement Learning Agents for Human-Computer Interactions
Utrecht University(乌得勒支大学)
人机交互应用中的强化学习(RL)代理需要重复的用户交互才能表现良好。为了解决这个“冷启动”问题,我们提出了一种新的方法,使用认知模型来预训练RL代理之前,他们被应用到真正的用户。在简要回顾了相关的认知模型,我们提出了我们的一般方法,其次是我们以前和正在进行的项目的两个案例研究。我们希望这份立场文件能激发RL,HCI和认知科学研究人员之间的对话,以探索该方法的全部潜力。
2021-03-10 cs.AI cs.HC
Human-Centered AI Maturity Model (HCAI-MM): An Organizational Design Perspective
HCAI Labs(HCAI实验室)
本文提出HCAI-MM模型,通过组织设计视角提供结构化框架,帮助组织评估和提升以人为中心的人工智能解决方案的成熟度。
2026-02-18 cs.HC
Inclusive AI for Group Interactions: Predicting Gaze-Direction Behaviors in People with Intellectual and Developmental Disabilities
本文提出MIDD数据集,通过比较神经典型和非神经典型数据集,探讨眼接触检测的挑战,并评估多种分类器,强调特征选择对构建包容性工具的重要性。
2026-03-15 cs.CV cs.HC cs.LG
AMINA: The Inclusive and Accountable AI for Marginalized Immigrant Nonprofit Assistance
University of Toronto(多伦多大学);Cornell University(康奈尔大学)
该研究针对伊朗移民非营利从业者开展三阶段混合方法研究,设计并评估了AI助手AMINA,其可减轻非营利组织报告负担、促进协作,为CSCW与HCI领域提供相关学术贡献。
2026-09-01 cs.CY cs.HC
A Novel, Human-in-the-Loop Computational Grounded Theory Framework for Big Social Data
Department of Computer Science, University of Warwick, UK(沃里克大学计算机科学系);Centre for Interdisciplinary Methodologies, University of Warwick, UK(沃里克大学跨学科方法中心);The Alan Turing Institute, London, UK(艾伦·图灵研究所)
本文提出人在回路的计算扎根理论框架,以兼顾 ML/NLP 的规模扩展能力与扎根理论研究严谨性,并通过 Reddit 零工经济辅导教师体验数据验证其价值。
2025-06-06 cs.HC cs.IR cs.LG
Engineering Trust, Creating Vulnerability: A Socio-Technical Analysis of AI Interface Design
本文通过界面中介认知安全框架分析AI界面设计,揭示跨学科文化形成机制,识别出四个脆弱性向量,并挑战跨学科理论中关于方法论边界、知识分离和整合机制的三个假设。
2025-04-14 cs.CR cs.HC
Plural Voices, Single Agent: Towards Inclusive AI in Multi-User Domestic Spaces
BNRIST, Tsinghua University(北京理工大学、清华大学);Independent Researcher(独立研究者)
针对家庭AI忽视弱势群体的问题,提出多元声音模型(PVM),通过实时价值对齐和公平性课程设计,在合规性、公平性和安全性上优于多智能体基线,推动包容性家庭AI发展。
2025-10-21 cs.AI cs.HC cs.LG
Dehumanizing Voice Technology: Phonetic & Experiential Consequences of Restricted Human-Machine Interaction
University of St. Gallen(圣加仑大学);George Washington University(乔治华盛顿大学)
自然语言和语音界面的使用逐渐改变了消费者搜索、购物和表达偏好的方式。目前的工作探讨了如何在与会话界面(命令与请求为基础的表达方式)的交互句法结构的变化产生负面影响的消费者的主观任务的享受,并系统地改变客观的人声特征。我们发现,请求(与命令)导致语音收敛和语音延迟较低的增加,并最终为消费者提供更自然的任务体验。据我们所知,这是第一个工作文件,改变消费者如何与智能对象交互的输入方式系统地影响消费者的物联网体验。我们提供的证据表明,改变所需的输入,以启动与智能对象的对话引起系统的变化,无论是在消费者的主观体验和客观的语音变化的人的声音。当前的研究还提出了一个方法论的concerns,突出的特征提取在人类语音作为一种新的数据格式连接消费者的语音特征在语音形成和他们的主观任务经验的未开发的潜力。
2021-11-02 cs.AI cs.HC
Human-Centered Explainable AI (XAI): From Algorithms to User Experiences
Microsoft Research(微软研究院);IBM Research(IBM研究院)
近年来,可解释人工智能(XAI)领域已经产生了大量的算法,为研究人员和从业者构建XAI应用程序提供了有用的工具箱。随着丰富的应用机会,可解释性被认为已经超越了数据科学家或研究人员理解他们开发的模型的需求,成为人们信任和采用在众多领域部署的人工智能的基本要求。然而,可解释性本质上是以人为中心的属性,该领域开始接受以人为中心的方法。这一领域的人机交互(HCI)研究和用户体验(UX)设计正变得越来越重要。在本章中,我们从XAI算法的技术前景的高层次概述开始,然后有选择地调查我们自己和其他最近的HCI作品,这些作品采用以人为本的方法来设计,评估,并为XAI提供概念和方法工具。我们提出的问题是“以人为本的方法为XAI做什么”,并强调他们在塑造XAI技术中发挥的三个作用,帮助导航,评估和扩展XAI工具箱:通过用户的可解释性需求来驱动技术选择,发现现有XAI方法的陷阱并告知新方法,并为人类兼容的XAI提供概念框架。
2022-04-19 cs.AI cs.HC
Interactive AI and Human Behavior: Challenges and Pathways for AI Governance
本文基于跨学科研讨会,识别交互式人工智能中人机长期关系带来的治理挑战,提出整合行为洞察的以结果为导向的监管方法,并给出以人为中心的治理建议。
2025-08-12 cs.CY cs.HC
Preregistration for Experiments with AI Agents
MIT(麻省理工学院)
针对AI智能体实验中的方法论漏洞,提出将预注册实践扩展至该领域,并设计专用模板以提升研究可信度。
2026-06-11 cs.AI cs.CY cs.HC
A concrete example of inclusive design: deaf-oriented accessibility
Laboratoire EA3816-FoReLL(EA3816-FoReLL实验室);Sapienza University of Rome(罗马大学)
针对聋人群体数字无障碍需求被低估的问题,本文梳理了聋人相关问题的认知与应对策略演变,提出并初步实现了助力聋人融入数字世界的综合性数字框架核心模块。
2019-11-27 cs.CL cs.HC
Design for the Right to the Smart City in More-than-Human Worlds
环境问题通过监测和优化网络基础设施流程,推动了对可持续智慧城市的兴趣。与此同时,人们对这些干预措施和服务是为谁服务以及谁受益感到关切。对城市生活感兴趣的HCI研究人员和设计师已经开始呼吁通过抵抗和政治行动来挑战国家和企业的主张,使城市空间民主化。本文旨在通过利用环境人文学中关于人类世界的概念,增加HCI中越来越多的批判性和公民主导的智慧城市文献,作为一种方式,将HCI中对智慧城市的理解从例外和以人为中心转变为更具包容性的理解,包括为其他人和其他物种设计。我们通过一个案例研究来说明,该案例涉及与城市农业社区共同设计物联网,创造更具环境和社会公正的智能城市的可能性。
2018-03-28 cs.CY cs.HC