Human-LLM Collaborative Inductive Coding for Conceptualizing K-12 Educator AI Use
College of Education, University of Washington(华盛顿大学教育学院);Colleague AI
本文提出多阶段人机协同编码流程,将LLM作为标注工具辅助K-12教育工作者交互语料库编码,保留人类概念权威,构建含72个条目的分层编码本,为定性研究提供可审计模板。
2026-08-03 cs.AI cs.HC
Agentic AI as Undercover Teammates: Argumentative Knowledge Construction in Hybrid Human-AI Collaborative Learning
Tsinghua University(清华大学);Monash University(墨尔本大学)
本研究探讨代理AI作为潜入队友在混合人机协作学习中对论证知识构建的影响,发现其通过促进高质量推理和协调性提升学习效果。
2025-10-19 cs.AI cs.CY cs.HC
Human-AI Teaming Under Deception: An Implicit BCI Safeguards Drone Team Performance in Virtual Reality
隐式脑机接口通过解耦神经信号与行为,提升虚拟现实无人机团队在AI欺骗下的鲁棒性与安全性。
2026-09-04 cs.HC
The Synthesis Lab: Empowering Collaborative Learning in Higher Education through Knowledge Synthesis
本文提出The Synthesis Lab设计创新,通过结构化工作空间和两个迭代过程支持高等教育在线讨论中的知识综合,以弥补协作学习中知识综合机制与设计基础设施的不足。
2023-07-10 cs.CY cs.HC
A Design Trajectory Map of Human-AI Collaborative Reinforcement Learning Systems: Survey and Taxonomy
本文针对人机协同强化学习领域缺乏系统性研究的问题,梳理近十年相关算法与框架,构建设计轨迹图作为建模与设计工具,总结共性挑战,为高效自然的人机协同方法设计提供系统化支撑。
2024-05-16 cs.HC
Human-AI Co-Creation: A Framework for Collaborative Design in Intelligent Systems
Brown University(布朗大学)
本文提出人–AI共创框架,探讨以 GPT-4 和 Stable Diffusion 等模型作为创意智能体,在早期设计中与设计师开展提议、批评与修订的迭代协作。
2025-07-22 cs.AI cs.HC
Guided Sensemaking: Agents in Collaborative Deliberation
United States Military Academy(西点军校);Conversence;TopicQuests
提出一种AI增强的多智能体话语平台,通过上下文敏感提问和思维支架,支持结构化反思、论证构建和协作意义建构,促进批判性思维。
2026-06-01 cs.HC
Computer Vision for Objects used in Group Work: Challenges and Opportunities
Colorado State University(科罗拉多州立大学)
本文针对协作小组工作中物体6D姿态估计难题,提出FiboSB数据集,并通过微调YOLO11-x提升检测性能,为教育场景中的空间感知AI奠定基础。
2025-06-30 cs.CV cs.HC
Towards a collaborative digital platform for railway infrastructure projects
Université Paris-Saclay, CentraleSupélec, ENS Paris-Saclay(巴黎萨克雷大学、中央苏雷克学院、巴黎萨克雷高等师范学院);SNCF Réseau(法国国家铁路网公司)
本文通过调研铁路基础设施项目各利益相关者的需求,提出一个协作数字平台的概念模型,并确定其五项核心功能以支持项目设计与施工。
2025-12-22 cs.HC
Generative AI and Extended Reality in Collaborative Architectural Design Education: An Exploratory Studio Study
Worcester Polytechnic Institute(伍斯特理工学院);Western Connecticut State University(西康涅狄格州立大学)
本研究通过开发并部署GenARch流程,探索了生成式AI与扩展现实在协作式建筑设计教育中的应用,发现两者互补支持构思与空间评估,但存在控制、保真度等挑战。
2026-09-15 cs.AI cs.HC
Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
探讨生成式AI如何重塑协作知识工作中的意义建构,提出五项设计原则及一个动态共享表征工作空间框架,支持人类与AI代理共同构建可协商的知识。
2026-04-23 cs.HC cs.MA
Graph Enhanced Reinforcement Learning for Effective Group Formation in Collaborative Problem Solving
Monash University(莫纳什大学);University of Melbourne(墨尔本大学);Meta;Toby Tech Marketing(托比科技营销公司)
本研究提出一种结合图论与强化学习的新方法,通过构建参与者互动图并学习最优图结构,利用聚类形成有效小组,以提升协作效率并减少冲突,为团队建设与教育场景提供数据驱动方案。
2024-03-15 cs.CY cs.HC cs.LG
Group-centered framework towards a positive design of digital collaboration in global settings
全球分布的团队需要协作系统来支持他们的工作。除了能够支持团队合作外,这些系统还应该促进福祉,最大限度地发挥人类潜力,从而形成一个引人入胜的系统和愉快的体验。设计这样的系统是一个重大的挑战,需要对小组工作有透彻的理解。我们使用场域理论作为一个镜头来看待群体动机的基本方面,然后利用合作人物角色来分析群体工作的要素。我们将幸福的决定因素整合为参与因素,以开发一个以群体为中心的全球数字协作框架。基于这些结果,我们提出了一个概念框架来设计一个吸引人的协作系统,并推荐了可用于进一步评估系统的系统值
2019-04-07 cs.HC
Characterizing Stage-Aware Writing Assistance in Collaborative Document Authoring
Microsoft(微软);Microsoft Research AI(微软研究院人工智能);University of Waterloo(滑铁卢大学)
写作是一个复杂的非线性过程,从意图的心理模型开始,经过想法的大纲,到纸上的文字(以及随后的精炼)。尽管过去的研究在理解写作,网络规模的消费者和企业合作的数字化写作环境还没有大大受益于智能系统,了解文档演变的阶段,提供适时的援助的基础上,作者的行为和上下文。在本文中,我们提出了三项研究,探讨文件创作的时间阶段。我们首先调查了一家大型科技公司的信息工作者的写作习惯和偏好,得出的结论是,作者在创作文档时确实经历了几个不同的阶段。我们还探索,定性,如何写作阶段与文件的寿命。我们补充了这些定性的研究结果,分析了一个流行的数字写作平台的纵向用户交互日志,超过数百万个文档。最后,作为促进智能数字写作助手的第一步,我们进行了初步的调查,用户交互日志数据的效用,用于预测文档的时间阶段。我们的研究结果支持的好处,为写作阶段量身定制的工具,确定与这些阶段相关的主要任务,并表明,它是可以预测阶段从匿名的交互日志。总之,这些结果证明了更有针对性的数字写作援助的好处和可行性。
2020-08-18 cs.AI cs.HC
Autonomous Heavy-Duty Mobile Machinery: A Multidisciplinary Collaborative Challenge
重型移动机器(HDMM)是一种广泛用于各种关键应用领域的机械,目前面临着熟练劳动力短缺,安全记录差和恶劣工作环境等问题。因此,正在努力提高HDMM的自动化程度,以提高生产力和安全性,最终过渡到无操作员的自主HDMM,以解决熟练劳动力短缺问题。然而,HDMM是复杂的机器,需要来自人类操作员的连续物理和认知输入。因此,开发自主HDMM是一个巨大的挑战,目前的研究和开发正在几个独立的研究领域进行。通过这项研究,我们使用有限理性的概念,提出新的自主HDMM的多学科合作,并应用交易成本经济学框架,建议未来的影响,在HDMM行业。此外,我们介绍了一个概念性的理解,在自主HDMM作为一个统一的方法,同时突出的实际影响和挑战,这种多学科合作的复杂性。协作的挑战和潜力在以下主题之间进行了映射:机械系统,人工智能方法,软件系统,传感器,连接性,模拟和流程优化,商业案例,组织理论,最后是监管框架。
2022-01-09 cs.HC cs.SY eess.SY
Human-Computer Collaboration for Visual Analytics: an Agent-based Framework
本文提出一个基于智能体的可视分析概念模型,借鉴人工智能思想统一可视分析流程,以支持混合主动、引导式和协作式分析场景的推理与刻画。
2023-04-19 cs.HC
User profile-driven large-scale multi-agent learning from demonstration in federated human-robot collaborative environments
Institute of Computer Science (ICS), Foundation for Research and Technology - Hellas (FORTH)(计算机科学研究所,研究与技术基金会-希腊);Computer Science Department (CSD), University of Crete (UoC)(克里特大学计算机科学系)
示教学习(LfD)已被确立为有效地将技能从人类教师转移到机器人的主导范式。在这种情况下,联邦学习(FL)的概念最近被引入开发大规模的人机协作环境,旨在稳健地解决,除其他外,多智能体学习和长期自治的关键挑战。在目前的工作中,后者的计划进一步扩展和增强,通过设计和集成一个新的用户简档制定提供一个细粒度的表示所展示的人类行为,采用深度学习(DL)为基础的形式主义。特别地,考虑关键信息源的分层组织的集合,包括:a)用户属性(例如,人口统计、拟人化、教育等),b)用户状态(例如,疲劳检测、压力检测、情绪识别等)和c)心理生理测量(例如凝视、皮肤电活动、心率等)相关数据。然后,将长短期记忆(LSTM)和堆叠式自动编码器与适当定义的神经网络架构的组合用于建模步骤。整体设计的方案使得能够对人类行为进行短期和长期分析/解释(如在反馈捕获会话期间观察到的),以便在分别聚合源自相同和不同人类教师的信息时自适应地调整所收集的反馈样本的重要性。
2021-03-30 cs.AI cs.HC cs.LG
Deconstructing Human-AI Collaboration: Agency, Interaction, and Adaptation
ETH Zurich(苏黎世联邦理工学院)
本文提出一套以能动性、交互和适应性为核心的新维度,用于分析和描述人机协作系统,并通过文献调研、专家访谈和实例应用验证其有效性。
2024-04-18 cs.AI cs.HC
Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning
Institute of Computer Science (ICS), Foundation for Research and Technology - Hellas (FORTH)(希腊研究与技术基金会计算机科学研究所);University of Crete (UoC)(克里特大学)
示教学习(LfD)是构造高效认知机器人系统的最有效的方法之一。尽管已经报道了大量的研究工作,但当前的关键技术挑战包括多智能体学习和长期自主性。朝着这个方向,一种新的认知架构多智能体LfD机器人学习的介绍,旨在使开放的,可扩展的和可扩展的机器人系统在大规模和复杂的环境中的可靠部署。特别是,所设计的架构利用人工智能(AI)领域的最新进展,通过建立一个联邦学习(FL)为基础的框架,体现了多人多机器人协作学习环境。基本概念化依赖于采用多个AI授权的认知过程(实现各种机器人任务),这些过程在机器人平台网络的边缘节点上运行,而全局AI模型(支持上述机器人任务)通过优雅地组合来自大量人机交互实例的信息,在网络中共同创建和共享。关于关键的新颖性,所设计的认知架构a)引入了一种新的基于FL的形式主义,该形式主义扩展了传统的LfD学习范式以支持大规模的多智能体操作设置,b)阐述以前基于FL的自学习机器人计划,以便将人类纳入学习循环,c)通过额外的复杂的AI支持的学习方法来巩固FL的基本原则,以模拟多个机器人任务之间的相互依赖性。所提出的框架的适用性解释使用敏捷生产为基础的关键原材料(CRM)恢复的一个现实世界的工业案例研究的例子。
2021-03-29 cs.AI cs.HC cs.LG
What is Ethical: AIHED Driving Humans or Human-Driven AIHED? A Conceptual Framework enabling the Ethos of AI-driven Higher education
R. C. Patel Institute of Technology(R.C. Patel理工学院)
本文提出 HD-AIHED 框架,通过定性元综合、分阶段人类智能和伦理审查等机制,使高等教育中的 AI 成为符合 UNESCO 与 OECD 伦理标准、由人类驱动的协作性使能者。
2025-02-07 cs.AI cs.CY cs.HC
Towards Human-AI Synergy in Requirements Engineering: A Framework and Preliminary Study
Faculty of Information Technology, University of Jyväskylä(信息技术学院,于韦斯屈耶大学)
针对传统需求工程人工流程低效易错及AI应用存在偏见、可解释性不足等问题,本研究提出融合AI分析与人工监督、强调伦理使用的HARE-SM概念框架,介绍多阶段研究方法与早期原型,为人机协同需求工程研究与实践指明方向。
2025-10-28 cs.AI cs.HC cs.LG