Designing a Future Worth Wanting: Applying Virtue Ethics to HCI
在伦理学的三种主要方法中，鉴于社会技术变革的步伐和社会的复杂性，美德伦理学特别适合作为数字时代的道德指南。美德伦理学关注的是道德主体的特征、情境和行为，而不是规则（如义务论）或结果（后果论）。尽管HCI内部对伦理学的兴趣越来越大，但对美德伦理学的参与却很少。为了解决这一空白，并展示进一步的机会，道德设计，本文提供了一个概述的美德伦理在HCI中的应用。它回顾了现有的人机交互工作从事美德伦理，提供了一个初级的美德伦理，以纠正广泛的误解人机交互，并提出了一个演绎的文献综述，说明如何现有的人机交互研究线与美德培养的做法产生共鸣，铺平了道路，为进一步的工作，以美德为导向的设计。
2022-04-05 cs.CY cs.HC
Co-Designing with Algorithms: Unpacking the Complex Role of GenAI in Interactive System Design Education
本研究通过课后访谈分析研究生在人机交互设备设计中使用生成式人工智能的行为，发现其协同设计既提升创造力与迭代速度，也带来浅层学习风险，并强调使用方式比任务类型更影响成果，为人机交互教育提出适应建议。
2025-04-24 cs.HC
Using HCI in Cross-Disciplinary Teams: A Case Study of Academic Collaboration in HCI-Health Teams in the US Using a Team Science Perspective
以人为本的计算研究已越来越多地应用于解决健康领域的重要挑战。在跨学科团队中进行研究可能会在整合跨领域知识方面遇到很多挑战。然而，我们不知道HCI研究人员在与健康研究人员建立合作时遇到了什么挑战，以及这些研究人员如何在平衡其专业目标的同时应对挑战。我们采访了17位在美国工作的早期和中期职业HCI教师，他们与健康研究人员合作进行研究。借鉴团队科学框架，我们分享参与者的生活经验，并确定HCI研究人员在构建技术时寻找，合作和与健康合作者谈判时遇到的主要挑战。我们提出了更好地支持旨在使用以人为本的计算方法设计技术的研究合作的方法。这包括战略，以支持HCI研究人员在个人，机构，研究界和资助机构的水平，通过工具来翻译学科的方法。我们建议机构政策，以支持HCI研究人员通过培训，网络和推广。
2022-09-01 cs.HC
How Should Voice Assistants Deal With Users' Emotions?
在HCI中，越来越多的研究是关于检测用户的情绪。一旦可以可靠地检测用户的情绪，下一个问题就是情绪感知界面应该如何对检测到的情绪做出反应。在第一步中，我们试图找出人类如何处理化身的负面情绪。这种方法背后的希望是识别人类的策略，然后我们可以在情感感知语音助手中模仿。我们提出了一个用户研究中，参与者面临着愤怒，悲伤，或害怕的化身。他们的任务是通过与虚拟形象交谈来让它开心。我们记录了语音信号并进行了分析。结果显示，用户的反应主要是中性情绪。然而，我们也发现了性别差异，这引发了一系列问题。
2022-04-05 cs.HC
From Regulation to Support: Centering Humans in Technology-Mediated Emotion Intervention in Care Contexts
本研究通过综述53项实证研究，提出以“情绪支持”替代“情绪调节”的以人为中心情绪干预框架，强调在照护情境中尊重情绪复杂性并维护用户能动性。
2025-04-20 cs.CY cs.HC
Emotion-Coherent Reasoning for Multimodal LLMs via Emotional Rationale Verifier
Corresponding author（通讯作者）
本文提出情感推理验证器和解释奖励，通过引导模型生成与目标情绪一致的推理，提升多模态大语言模型在情绪识别中的解释准确性与一致性。
2026-01-05 cs.AI cs.HC
Mapping the Landscape of Affective Extended Reality: A Scoping Review of Biodata-Driven Systems for Understanding and Sharing Emotions
RMIT University（皇家墨尔本理工大学）
本文通过综述82篇论文，探讨生物数据驱动的扩展现实系统在情绪理解和共享方面的现状、技术及未来研究方向。
2026-02-12 cs.ET cs.HC
Tell Me How You Feel: Designing Emotion-Aware Voicebots to Ease Pandemic Anxiety In Aging Citizens
最近，COVID-19相关的封锁加剧了老龄化人口的焦虑和孤独感。开发了结合语音和视觉界面的预防意识多模式机器人应用程序，以解决老年人群体的问题。该应用程序是新颖的，因为它结合了三个主要模块：信息，情绪选择和心理干预，旨在改善人类福祉。目标群体的初步研究证实，多模态提高可用性和信息模块是必不可少的参与心理干预。该解决方案具有普遍性，也可应用于与COVID-19疫情无直接关系的领域。
2022-07-22 cs.HC
Designing for Ethical AI: HCI Feature Considerations to Improve Fairness and User Experience in AutoML use for Human Resources
University of Bordeaux（波尔多大学）；IAE（企业管理学院）
该论文结合多视角研究AutoML在人力资源招聘中的公平性，发现现有平台存在缺陷，提出五维度HCI公平评估框架，建议将公平性嵌入AutoML设计以提升伦理可持续性。
2026-08-11 cs.AI cs.HC
Designing AI-Enabled Games to Support Social-Emotional Learning for Children with Autism Spectrum Disorders
本研究为ASD儿童设计了一款利用AI生成个性化故事的社会情感游戏，通过与专家协同设计提出设计见解，并贡献了微调的AI模型和社会故事数据集。
2024-04-24 cs.HC
Teaching Usable Privacy in HCI Education: Designing, Implementing, and Evaluating an Active Learning Graduate Course
George Mason University（乔治梅森大学）
本文设计并评估了一门15周的研究生课程，通过主动学习方法教授可操作隐私，提升学生在隐私设计中的决策能力，并提供课程实施和评估的详细指南。
2026-04-26 cs.CY cs.HC
Co-designing a Preliminary Repository of Augmented Reality Concepts for Real-Time Emotion Regulation
Texas A&M University（德克萨斯农工大学）
通过两阶段参与式设计，结合焦虑倾向个体和心理健康专家的意见，构建了包含8个主题簇和106个设计想法的增强现实干预库，以支持实时情绪调节。
2026-06-25 cs.HC
Designing The Drive: Enhancing User Experience through Adaptive Interfaces in Autonomous Vehicles
VIT Bhopal University（维特理工学院博帕尔分校）
本文探讨了通过自适应界面提升自动驾驶车辆用户体验的方法，强调透明性和用户控制在增强信任和满意度中的作用。
2025-12-14 cs.AI cs.HC
Peeking Ahead of the Field Study: Exploring VLM Personas as Support Tools for Embodied Studies in HCI
The University of Tokyo（东京大学）；UCL Interaction Centre（伦敦大学学院交互中心）；Google（谷歌）；Kyoto University（京都大学）
本文提出利用VLM人设模拟田野研究结果，验证其在具身研究中的应用潜力，发现其在响应模式上接近人类但缺乏多样性。
2026-02-18 cs.HC
Co-Designing Digital Humans for Online Learning: A Framework for Human-AI Pedagogical Integration
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Hong Kong University of Science and Technology（香港科技大学）
研究为在线学习共同设计数字人框架，结合对多领域作品分析、学习者调查及专家研讨，为教育工作者等提供指导，助力构建更优质在线学习环境。
2026-07-15 cs.HC
A Human Computer Interaction Solution for Radiology Reporting: Evaluation of the Factors of Variation
本研究的目的是评估所需的人力和技术因素，以创建一个人机界面（HCI）的结构化报告解决方案的基础上，眼睛凝视和语音信号。分析在模拟图像判读和听写会话期间采集的来自放射科医师的凝视和语音信号，以确定a）听写环境中眼睛凝视和语音之间的时间关系的变化，以及b）放射科医师之间针对特定图像判读任务的眼睛运动的变化。这些因素的知识提供了关于图像判读或口述任务的复杂性的信息，并且提供了可以用于设计用于诊断放射学的HCI的信息。我们的最终目标是使用这些数据来创建HCI，以自动生成特定类型的结构化放射学报告。我们的数据表明，a）眼睛注视和语音之间的时间关系和b）扫描路径在放射科医生之间有很大的不同，因此，这意味着应该为每个用户定制基于眼睛注视和语音的HCI系统，用于自动捕获结构化报告过程的数据。图像分辨率和布局、图像内容以及图像判读会话期间的目标顺序不是设计HCI时要考虑的相关因素。我们的研究结果可以应用到其他HCI解决方案的设计，涉及视觉检查和口头描述的图像结果的放射应用。
2016-08-03 cs.HC
Systematic Literature Review of Using Virtual Reality as a Social Platform in HCI Community
本文系统回顾了94篇HCI领域文献，发现VR通过自我表征等影响社交互动，具有放松等积极影响及加剧骚扰等消极影响，并提出了社交体验评估框架及未来研究方向。
2024-10-09 cs.HC
Emotion capture based on body postures and movements
在本文中，我们提出了一个初步的研究设计的互动系统，是敏感的人类情感的基础上的身体动作。要做到这一点，我们首先回顾文献的各种方法来定义和描述人类的情绪。在证明了所采用的情感表征空间之后，我们专注于系统必须捕获的运动特征，以便能够识别人类情感。
2007-10-03 cs.HC
Designing Empathetic Companions: Exploring Personality, Emotion, and Trust in Social Robots
University of Genoa（热那亚大学）
本研究提出基于个性模型的认知架构，通过用户实验验证情感生成器，揭示机器人个性特质对信任与愉悦性的影响。
2025-04-17 cs.HC cs.RO
HCI Support Card: Creating and Using a Support Card for Education in Human-Computer Interaction
支持卡总结了一组关于主题的核心信息。化学元素周期表和数学表是用于教学目的的支持卡的众所周知的例子。技术专业人员还使用支持卡来回忆信息，如程序设计语言的语法细节或设计用户界面的和谐调色板。虽然支持卡已被证明在许多情况下是有用的，但很少有人知道它在人机交互（HCI）领域的教学用途。为了填补这一空白，本研究提出并评估了创建和使用HCI支持卡的过程。该过程考虑了该领域的跨学科性质，包括教学大纲，课程，教科书和学生对HCI主题的看法。评估是基于创建和使用卡在一个学期中的两个本科课程的案例研究：软件工程和信息系统。结果表明，支持卡可以帮助学生在以下的教训，记住和整合在课堂上学习的不同主题。该卡片指导学生建立他们的认知图、思维导图和概念图来学习人机交互。它培养了学生的好奇心和对HCI主题的永久参与。卡片的用途超出了HCI课堂，也被学生用于他们的专业活动和其他学科，促进HCI主题的跨学科应用。
2019-09-15 cs.CY cs.HC
Computer-Aided Tagging on Wikimedia Commons: Designing for Human-AI Collaboration in Open Knowledge Work
University of Washington（华盛顿大学）
通过定性分析社区评论和访谈，研究维基共享资源中计算机辅助标注（CAT）工具的用户体验，识别关键问题并提出改进建议，以促进人机协作在开放知识工作中的应用。
2026-05-29 cs.HC
Shared User Interfaces of Physiological Data: Systematic Review of Social Biofeedback Systems and Contexts in HCI
作为一种新兴的交互模式，生理计算越来越多地被用于测量和反馈有关我们内部心理生理状态的信息。虽然生理计算的大多数应用程序都是为个人使用而设计的，但最近的研究已经探索了生物反馈如何在多个用户之间进行社交共享，以增强人与人之间的交流。反思在这一研究领域的实证进展，本文提出了一个系统的64项研究，以表征社会生物反馈系统的互动环境和影响。我们的研究结果强调了生理数据共享周围的生理时间和社会背景因素的重要性，以及它如何在三个不同的层面上促进社会情感能力：自我，人际和任务为中心。我们还提出了社会生物反馈互动框架，以阐明当前的生理社会互动空间。我们用这个框架，我们的讨论的影响和伦理考虑，为未来的研究和设计的社会生物反馈接口。
2022-04-01 cs.HC cs.SI
The AI Amplifier Effect: Defining Human-AI Intimacy and Romantic Relationships with Conversational AI
The Hong Kong University of Science and Technology（香港科技大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Helsinki（赫尔辛基大学）
本文通过深入访谈30名与AI伴侣建立浪漫关系的用户，定义了人机亲密关系，并引入AI增强效应，探讨了AI在情感放大中的作用及人机交互设计的伦理挑战。
2026-03-09 cs.HC
Understanding and Co-designing Photo-based Reminiscence with Older Adults
该研究针对老年人日常使用技术开展照片回忆的认知不足问题，通过对20名老人的访谈与协同设计，实证探究相关技术使用情况与构想，提出让回忆技术更适配老年人的设计启示。
2024-11-01 cs.HC
How Can Autonomous Vehicles Convey Emotions to Pedestrians? A Review of Emotionally Expressive Non-Humanoid Robots
本文针对自动驾驶车辆与行人交互的需求，通过综述2011-2021年25篇非人形机器人情绪表达研究，提出AV-行人情绪交互界面的设计考量，为相关研究提供参考。
2024-03-07 cs.HC
Exploring the Temporal Dynamics of Facial Mimicry in Emotion Processing Using Action Units
本研究基于面部动作单元和动态时间规整分析情绪处理中面部模仿的时间动态，发现特定情绪引发更强模仿且人格特质起次要作用，为情感计算及个性化虚拟智能体设计提供了重要启示。
2025-03-21 cs.HC
What Makes a Good Conversation? Challenges in Designing Truly Conversational Agents
会话代理承诺会话交互，但未能提供。这些努力通常模仿人类语言的功能规则，而不考虑对话必须封装的关键特征。鉴于其在支持长期人类-智能体关系方面的潜力，HCI专注于实现这一承诺至关重要。我们的目标是了解人们在对话中的价值，以及这应该如何在代理中体现。一系列半结构化访谈的结果显示，人们在对话的社会和功能角色之间做出了明确的二分法，强调了债券和信任的长期动态以及上下文和关系阶段在他们所拥有的对话类型中的重要性。人们从根本上质疑智能体通信中对纽带和共同点的需求，转而对会话质量进行更功利的定义。利用这些研究结果，我们讨论了对话代理设计的关键挑战，最值得注意的是需要重新定义对话代理交互的设计参数。
2019-01-19 cs.HC
The AI Interface: Designing for the Ideal Machine-Human Experience (Editorial)
本篇AI界面特刊社论结合多领域八项研究，指出AI界面设计需平衡效率与共情、兼顾功能与情感体验，呼吁搭建衔接研究与实践的可落地框架，推动以人为中心的AI设计提升人类生活。
2024-11-29 cs.AI cs.HC
Decoding Human Emotions: Analyzing Multi-Channel EEG Data using LSTM Networks
PES University, Bengaluru, India（班加罗尔印度PES大学）
本研究将 LSTM 网络应用于 DEAP 数据集的多通道 EEG 信号分析，以提升效价、唤醒度等情感状态分类的准确率，在各项指标上均取得约 90% 的准确率，显著提升了情感识别能力。
2024-08-19 cs.AI cs.HC cs.LG
PlantWhisperer: Designing Conversational AI to Support Plant Care
Aalborg University（奥尔堡大学）；University of Copenhagen（哥本哈根大学）
PlantWhisperer通过对话式AI支持植物养护，提升用户幸福感，但需考虑用户对植物聊天机器人互动的多样化需求。
2026-02-28 cs.HC
Crowdsourcing in the Absence of Ground Truth -- A Case Study
众包信息构成了人工智能、人机交互和社会科学等多个学科研究人员的人在回路学习的一个重要方面。虽然将众包数据用于主观任务并不新鲜，但由于各种因素，如任务难度，人类评估者的个人偏见，缺乏问题清晰度等，从这些数据中获得有用的见解仍然具有挑战性。即估计在在线指导平台中与人类听众交谈的苦恼个体的经历的情绪。我们探讨的策略，聚合的评价者的选择，并表明，一个简单的投票共识是有效的最佳聚合方法考虑的任务。出于对客观评估如何与评估者的主观评估进行比较的兴趣，我们还设计了一个机器学习算法来执行相同的任务。有趣的是，我们观察到一种机器学习算法，它没有明确建模来表征评估者的主观性，在评估最主要的经验情绪方面，它与人类评估一样可靠。
2019-06-17 cs.HC
Designing Games for Enabling Co-creation with Social Agents
MIT Media Lab（麻省理工学院媒体实验室）
长期以来，数字化工具一直被用于支持儿童的创造力。数字游戏，让孩子们创造文物，并表达自己在一个有趣的环境作为有效的创造力支持工具（或CST）。创造力也是通过与周围环境中的其他人的社会互动来支撑的。在我们的工作中，我们探索使用基于游戏的互动与社会代理支架儿童的创造性表达作为游戏玩家。我们设计了三个合作游戏，并与146名5-10岁的儿童玩社交机器人Jibo，它提供了三种不同的创造力：言语创造力，图形创造力和创造性问题解决过程中的发散思维。在本文中，我们反映了游戏机械的做法，我们纳入设计，以刺激儿童的创造力。这些策略可能是有价值的游戏设计师和HCI研究人员设计游戏和社会代理支持儿童的创造力。
2021-05-01 cs.HC cs.RO
Nine Potential Pitfalls when Designing Human-AI Co-Creative Systems
University of Bayreuth（拜罗伊特大学）；Bundeswehr University Munich（慕尼黑联邦国防军大学）
这份立场文件探讨了以有利于用户利益的方式实现人类与人工智能共同创造的潜在陷阱。特别是，我们收集了一组九个潜在的陷阱，根据文献和我们自己的经验，作为研究人员在人机交互和人工智能的交叉点工作。我们用例子说明每个陷阱，并提出解决它的想法。反思所有陷阱，我们讨论并总结了未来研究方向的启示。通过这些收集，我们希望有助于对人类和人工智能在共同创造性互动中的作用进行批判性和建设性的讨论，并关注相关的假设和创造性实践及其他方面的潜在副作用。
2021-04-01 cs.AI cs.HC
Milmer: a Framework for Multiple Instance Learning based Multimodal Emotion Recognition
本文提出Milmer框架，结合面部表情分析与EEG信号，采用Transformer融合方法提升多模态情感识别性能，通过细调Swin Transformer和交叉注意力机制实现高效特征融合，实验显示在DEAP数据集上达到96.72%的四类情感识别准确率。
2025-02-01 cs.AI cs.CV cs.HC
I Probe, Therefore I Am: Designing a Virtual Journalist with Human Emotions
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of Nottingham（诺丁汉大学）；The National Institute of Mental Health（国家心理健康研究所）；Istanbul Technical University（伊斯坦布尔理工大学）；University of Twente（特文特大学）
通过使用不同的通信渠道，如口头语言，手势或面部表情，虚拟体现的交互人持有一个独特的潜力，以弥合之间的差距人机交互和实际的人与人之间的沟通。因此，虚拟人的使用在广泛的领域中变得越来越流行，在这些领域中，这种自然的通信可能是有益的，包括娱乐，教育，心理健康研究等。在这一发展的背后，是众多学科的一系列技术进步，最著名的是自然语言处理、计算机视觉和语音合成。在本文中，我们讨论了一个虚拟人记者，一个项目，采用了一些新的解决方案，从这些学科的目标，以证明他们的可行性，通过生产一个人形的对话代理能够自然地引发和反应的信息，从人类用户。一组定性和定量的评价会议证明了该系统的技术可行性，同时发现了一些缺陷，其能力，使用户参与的方式，将被视为自然和情感参与。我们认为，自然性不应该总是被视为一个理想的目标，并建议故意抑制虚拟人类互动的自然性，如通过改变其个性线索，在某些情况下可能会产生更理想的结果。
2017-05-18 cs.AI cs.HC cs.MM
Designing a Mobile Social and Vocational Reintegration Assistant for Burn-out Outpatient Treatment
German Research Center for Artificial Intelligence（德国人工智能研究中心）；Augsburg University（奥格斯堡大学）；Saarland University（萨尔兰大学）
利用社会代理人作为保健助理或培训员是IVA研究的一个重点领域。虽然它们作为身体保健剂的用途已得到公认，但它们在心理治疗护理领域的应用却面临着巨大的挑战。本文介绍了我们的移动社交代理Emma在倦怠门诊治疗中扮演的职业重返社会助理的角色。我们遵循典型的参与式设计方法，包括专家和患者，以满足双方的要求。由于这种治疗的成功与患者的情绪调节能力有关，我们采用了实时的社会信号解释与情绪调节的计算模拟，影响代理人的社会行为以及口头治疗策略的情境选择。总的来说，我们的跨学科方法使一个新的综合概念的社会代理人作为助手的烧伤病人。
2020-12-15 cs.AI cs.HC
"For Us By Us": Intentionally Designing Technology for Lived Black Experiences
本文通过半结构化访谈考察黑人技术专家如何为自身社区设计技术，揭示其以生存、联结、文化意义和喜悦为核心的多层面设计路径，并提出以黑人真实生活体验为中心的研究建议。
2024-10-01 cs.CY cs.HC
CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities
Stanford University（斯坦福大学）；Cornell University（康奈尔大学）
大语言模型（LM）为交互设计提供了前所未有的语言生成能力和令人兴奋的机会。然而，其高度依赖于背景的能力难以把握，往往被主观地解释。在本文中，我们认为，通过策划和分析大型交互数据集，人机交互社区可以促进更深刻的检查LM的生成能力。举例说明这种方法，我们提出了CoAuthor，旨在揭示GPT-3的能力，在协助创造性和论证性写作的数据集。CoAuthor在1445次写作会话中捕捉了63位作者和四个GPT-3实例之间的丰富互动。我们证明了CoAuthor可以解决有关GPT-3的语言，思维和协作能力的问题，并揭示了其作为良好协作的各种定义下的写作“协作者”的贡献。最后，我们将讨论如何这项工作可能会促进更原则性的讨论，围绕LM的承诺和陷阱的交互设计。数据集和用于重放书写会话的界面可在https://coauthor.stanford.edu公开获得。
2022-01-25 cs.CL cs.HC
Socially Impaired Robots: Human Social Disorders and Robots' Socio-Emotional Intelligence
University of Technology Sydney（悉尼科技大学）
社交机器人需要智能才能安全地与人类共存和互动。机器人没有理解他人的功能能力，无法同情可能是一种社会风险，它们可能导致社会受损的机器人社会。在这项工作中，我们提供了三个相关的人类社会障碍，即自闭症，精神病和精神分裂症，作为一种手段，以更好地了解社会机器人的未来能力要求的调查。我们提供的证据支持这样一种观点，即社交机器人需要情商和社交智能的结合，即社交情商。我们认为，一个简单的社会情感过程的机器人需要一个模拟驱动的智能模型。最后，我们为设计未来的社会情感机器人提供了一些重要的指导方针。
2016-02-15 cs.CY cs.HC cs.RO
A Cloud-Based Cross-Modal Transformer for Emotion Recognition and Adaptive Human-Computer Interaction
Beijing University of Post & Telecommunication（北京邮电大学）；Vanderbilt University（范德堡大学）；Monroe University（门罗大学）
本文提出基于云的跨模态Transformer框架，通过整合多模态信号提升情绪识别的鲁棒性和泛化能力，实现高效、实时的自适应人机交互。
2025-11-21 cs.AI cs.CV cs.HC
Proactive Systems in HCI and AI: Concepts, Challenges, and Opportunities
University of Toronto（多伦多大学）；University of Waterloo（滑铁卢大学）；Carleton University（卡尔顿大学）
本文通过多学科研讨会，旨在建立主动系统的清晰概念框架，识别设计与评估方法的不足，并制定以人为中心的指南，以推动主动技术的稳健发展。
2026-06-25 cs.AI cs.HC
Towards Emotion-Aware Agents For Negotiation Dialogues
University of Southern California（南加州大学）；CUNY Lehman College（纽约市立大学雷曼学院）；Rollins College（罗林斯学院）
谈判是一种复杂的社会互动，包含了人类决策过程中的情感遭遇。可以与人类谈判的虚拟代理在教育学和对话式AI中很有用。为了促进这种代理的发展，我们探讨了在谈判中的两个重要的主观目标的预测结果满意度和合作伙伴的看法。具体来说，我们分析了在何种程度上从谈判中提取的情感属性的预测帮助，以上和超越个人差异变量。我们专注于最近的数据集在聊天为基础的谈判，接地在一个现实的露营场景。我们研究了三个程度的情感维度-表情符号，词汇和上下文，利用情感词汇和最先进的深度学习架构。我们的见解将有助于设计自适应谈判代理，通过现实的通信接口进行交互。
2021-07-28 cs.AI cs.CL cs.HC
Bridging Deliberative Democracy and Deployment of Societal-Scale Technology
该立场论文提出LLMs属于社会规模技术，指出现有安全保障流程缺乏民主合法性，呼吁HCI领域设计协商流程、配套政策与技术功能，推动利益相关方协商成果融入LLMs等技术的研发与政策制定。
2023-03-27 cs.CY cs.HC
Exploring the Human-LLM Synergy in Advancing Theory-driven Qualitative Analysis
Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学）；Amazon Research, Amazon.com Inc（亚马逊研究，亚马逊公司）；Department of Social Work, National University of Singapore（社会工作系，国立新加坡大学）
本文提出CHALET方法，通过人与大语言模型的协同合作，推动理论驱动的定性分析，揭示心理健康污名的潜在主题。
2025-11-27 cs.CL cs.CY cs.HC
