Cleaning Up the Streets: Understanding Motivations, Mental Models, and Concerns of Users Flagging Social Media Content
本研究通过访谈25名有标记经历的社交媒体用户（多为边缘群体），探究用户对标记功能的认知、动机及担忧，发现标记机制缺乏透明度致使用户心智模型有缺口，并提出优化标记设计的建议，以平衡平台与用户的网络治理责任。
2024-12-10 cs.HC
Understanding the Social Determinants of Mental Health of the Undergraduate Students in Bangladesh: Interview Study
目的：本研究旨在确定在孟加拉国，南亚的发展中国家的大学生心理健康的社会决定因素。我们的目标是确定这一人群中心理健康的更广泛的社会决定因素，研究这些决定因素在他们日常生活中的表现，并探索自我监测工具的可行性，以帮助他们确定影响他们心理健康的具体因素或关系。方法：我们进行了为期21天的研究，38名本科生来自孟加拉国的七所大学。我们进行了两次半结构化访谈：一次是研究前，一次是研究后。在为期21天的研究中，参与者使用Android应用程序在每次电话交谈后自我报告和自我监测他们的情绪。该应用程序提示参与者在每次电话交谈后报告他们的情绪，并提供图表，以便参与者可以独立地审查他们的情绪和对话模式。结果如下：我们的研究结果表明，学业，家庭，工作和经济条件，浪漫的关系，宗教是孟加拉国本科生心理健康的主要社会决定因素。我们的应用程序帮助参与者确定与这些因素相关的具体问题，因为参与者可以从过去的对话历史中回顾他们的情绪和情绪模式。虽然我们的应用程序没有提供任何明确的建议，但参与者自己采取了某些措施来改善他们的心理健康（例如，减少与某些人的沟通频率）。结论：总的来说，这项研究的结果将为研究人员提供更好的见解，以设计更好的解决方案，帮助来自世界这一地区的年轻人口。
2021-09-07 cs.HC
Designing More Engaging Serious Games to Support Students' Mental Health: A Pilot Study Based on A CBT-Informed Design Framework
School of Animation and Digital Arts, Communication University of China（中国传媒大学动画与数字艺术学院）
针对学生心理健康严肃游戏枯燥、依从性低的问题，提出以体验为中心的治疗性程序修辞与机制映射框架（TPR-MMF），开发游戏原型并通过随机对照试验证明其在内在动机和隐喻感知上的显著优势。
2026-06-16 cs.HC
Mental Representations Constructed by Experts and Novices in Object-Oriented Program Comprehension
以前的研究主要是在过程语言的背景下进行的程序理解。我们的目的是开发和评估面向对象（OO）程序理解的认知模型。我们的模型是基于van Dijk和Kintsch的文本理解模型（1983）。这种理论方法的一个关键方面是区分读者可能从文本中构建的两种表征：文本基础和情境模型。我们已经进行了实验的结果的基础上，我们评估的认知有效性，这种区分面向对象程序的理解。我们研究这两种表示的建设是如何不同的程序员的专业知识，以及它们如何随着时间的推移发展差异的影响。
2007-03-02 cs.HC
Understanding and Mitigating Mental Health Misinformation on Video Sharing Platforms
本文针对视频分享平台上心理健康错误信息泛滥的问题，通过示例界定其概念，并提出待解决的研究问题与挑战，为后续治理工作奠定基础。
2023-04-14 cs.HC cs.SI
Understanding Mental Models of Generative Conversational Search and The Effect of Interface Transparency
本文通过16名参与者使用4种不同透明度对话界面的实验，发现用户对生成式对话搜索的心智模型过于抽象，难以解释具体搜索实例，并提出混合式网页-对话搜索是未来界面设计的有前景方向。
2025-06-04 cs.HC cs.IR
Understanding Players' Interaction Patterns with Mobile Game App UI via Visualizations
了解玩家如何在智能手机设备上与移动游戏应用进行交互，对于游戏专家开发和完善其应用产品非常重要。传统上，游戏专家通过对目标玩家进行深入的用户研究或迭代的UI设计过程来实现他们的目的，这无法捕获大规模个体玩家的交互模式。可视化用户UI操作的记录日志是定量理解交互模式的一种很有前途的方法。然而，很少有可视化工具已经开发的移动游戏应用程序交互，这是具有多点触摸动态操作和复杂的UI的挑战。在这项工作中，我们填补了空白，提出了一种可视化的方法，旨在了解玩家的互动模式，在多点触摸游戏应用程序与更复杂的互动支持的图标和一系列的技能按钮。特别地，我们识别玩家的动态手势模式，检查手势行为的相似性和差异性，并探索当前移动游戏应用程序UI设计与玩家的真实世界实践之间的潜在差距。三个案例研究表明，我们的方法是有前途的，可以潜在的补充理论UI设计的进一步研究。
2021-10-17 cs.HC
Let's Play Together through Channels: Understanding the Practices and Experience of Danmaku Participation Game Players in China
本研究通过观察和访谈，深入探讨了中国弹幕参与游戏（DPG）玩家的实践与体验，发现DPGs能有效结合直播与在线游戏，显著提升玩家的参与度与成就感。
2023-09-01 cs.HC
Less Talk, More Trust: Understanding Players' In-game Assessment of Communication Processes in League of Legends
本研究通过访谈22名《英雄联盟》单排玩家，发现玩家基于游戏状态和期望评估沟通，并将沟通视为团队崩溃前兆，为在线游戏沟通设计提供指导。
2025-02-25 cs.HC
Towards Understanding Emotions for Engaged Mental Health Conversations
Singapore University of Technology and Design（新加坡科技设计大学）
本文提出融合击键动力学与情感分析的被动情绪感知系统，以支撑聊天机器人、在线治疗和求助热线等文本心理健康及危机护理服务。
2024-06-17 cs.AI cs.HC
"I Don't Have Faith in the Developers to Use My Feedback": Understanding Player Values and Expectancy for Reporting Systems in Video Games
University of British Columbia（不列颠哥伦比亚大学）
研究通过期望价值理论分析玩家对报告系统的价值观和期望，揭示报告行为受利他与报复因素驱动，探讨系统透明度和开发者声誉对报告效果的影响。
2026-05-06 cs.HC
Glyph: Visualization Tool for Understanding Problem Solving Strategies in Puzzle Games
了解玩家策略是学术研究人员和行业从业者分析玩家行为时的一个关键问题。对于游戏设计师和游戏用户研究人员来说，衡量预期策略和紧急策略之间的距离非常重要;这种比较可以识别故障或不良行为。对于将游戏用于严肃目的（如教育）的学术研究人员来说，玩家所采取的策略表明了他们与严肃目标（如学习过程）相关的认知进展。为解决这些需求而创建的当前技术和系统存在一些缺点。定性方法很难向上扩展，以包括大量的参与者，而且容易产生主观偏见。其他方法，如可视化和分析工具，要么被设计为提供数据的汇总概述，丢失个体玩家行为的细微差别，要么在试图解释个体行为时，不是专门设计为减少视觉认知负荷。在这项工作中，我们提出了一种新的可视化技术，专门解决比较行为序列的任务，以捕捉玩家制定的策略的概述，并在同一时间检查个别玩家的行为，以确定差异和离群值。这种方法允许用户形成关于玩家策略的假设并验证它们。我们证明了该技术的有效性，通过案例研究：利用原型系统调查收集的数据从商业教育益智游戏。虽然原型的可用性可以提高，初步测试结果表明，该系统的核心功能被证明是有用的，我们的潜在用户了解球员的策略。
2021-06-25 cs.HC
Using physiological measures in conjunction with other UX approaches for better understanding of the player's gameplay experiences
电子游戏的目的是挑战和娱乐玩家。成功的视频游戏提供的体验会在一定程度上影响玩家的觉醒。因此，进行用户体验（UX）研究对于确保游戏获得关键和财务成功至关重要。然而，传统的可用性研究方法（观察、主观报告、问卷调查和访谈）在游戏用户研究中存在一定的局限性。在这项研究中，我们在游戏过程中捕捉玩家的生理测量，以指示导致其身体信号变化的微事件。在游戏结束后的采访中，我们要求参与者评论并描述他们对所选事件的感受。这项研究的目的不是过度解释生理测量，而是使用测量中的光点来帮助识别游戏中的关键点，然后我们用它来进一步研究参与者。这种方法提供了一种不仅可以识别负面的用户体验和可用性问题，而且可以识别对玩家体验有积极影响的事件的方法。
2011-02-16 cs.HC
Synthesizing Research on Programmers' Mental Models of Programs, Tasks and Concepts -- a Systematic Literature Review
程序员的心智模型代表了他们对程序、编程概念和编程的一般知识和理解。它们指导程序员的工作并影响他们的任务表现。理解心智模型对于设计支持程序员的工作系统和实践非常重要。虽然程序员心智模型的重要性被广泛认可，但多年来对心智模型的研究已经减少。结果是分散的，没有考虑到软件工程的最新发展。我们分析了程序员心智模型的研究现状，并对现有研究进行了概述。我们将来自不同研究领域的心理模型的结果联系起来，以形成一个关于该主题的更统一的知识库。我们对程序员的心智模型进行了系统的文献回顾。我们分析了在不同背景下处理心理模型的文献，包括程序的心理模型，编程任务和编程概念。使用九个搜索引擎，我们发现3678文章（不包括重复）。84人被选中进行进一步分析。使用滚雪球技术，我们获得了包含187篇文章的最终结果集。我们表明，文学共享的共同理解的心理模型的内核。通过整理和连接来自不同研究领域的心智模型的结果，我们发现了一些研究得很好的方面，我们认为这是程序员心智模型的基本特征。这项工作提供了一个基础，为未来的工作心理模型。程序员心智模型的研究领域仍然面临着许多挑战，缺乏一个共享的知识库和定义不明确的结构。我们创建了一个关于该主题的统一知识库。我们还指出了未来研究的方向。特别是，我们呼吁研究程序员与现代实践和工具的工作。
2022-12-15 cs.HC cs.SE
Culture Clash: When Deceptive Design Meets Diverse Player Expectations
针对游戏中日益普遍的欺骗性设计，本文提出研究文化表征与玩家反应之间联系的新方向，旨在为全球玩家创造既道德又娱乐的游戏。
2025-03-25 cs.HC
Dr. GPT in Campus Counseling: Understanding Higher Education Students' Opinions on LLM-assisted Mental Health Services
Princeton University（普林斯顿大学）；Stanford University（斯坦福大学）
本研究通过试点访谈探讨了大学生对 LLM 在五个虚构心理咨询场景中应用的看法，发现其接受度因场景而异，既认可主动参与等益处，也担忧训练数据局限和情感支持不足，为 AI 辅助心理健康服务的设计与实施提供了指导。
2024-09-26 cs.AI cs.HC
Exploring the Effects of User-Agent and User-Designer Similarity in Virtual Human Design to Promote Mental Health Intentions for College Students
本研究通过对481名计算机科学学生的用户研究，探讨了虚拟人共同设计中智能体-设计者及用户-设计者的人口统计学相似性，发现学生倾向于设计与自身特征相似的虚拟人，并指出这种相似性吸引效应有助于提升虚拟人的接受度与心理健康咨询效果。
2024-07-27 cs.HC
Navigating the Paradox: Challenges and Strategies of University Students Managing Mental Health Medication in Real-World Practices
本研究通过半结构化访谈探究大学生精神健康药物管理的现实挑战与应对策略，发现该过程高度动态且学生偏好低技术、高自主的管理方式，并据此提出未来辅助技术的设计方向。
2024-08-14 cs.HC
Auto-Paízo Games: Towards Understanding the Design of Games that Aim to Unify a Player's Physical Body and the Virtual World
本文提出“身体作为游戏材料”方法，通过让玩家身体同时充当输入与输出，并借助EMS系统设计三款游戏，以探索统一物理身体与虚拟世界的游戏设计及玩家体验。
2023-09-20 cs.HC
Understanding Remote Mental Health Supporters' Help-Seeking in Online Communities
Cornell University（康奈尔大学）
研究探讨远程心理健康照护者在在线社区中的求助行为及其社区回应，揭示了数字线索在危机管理中的重要性，并提出沟通支持和危机协调的设计建议。
2026-02-10 cs.CY cs.HC
Understanding Mental States in Active and Autonomous Driving with EEG
本文通过EEG研究主动和自动驾驶中心理状态的差异，发现两种模式在神经激活和心理状态强度上有显著区别，强调了开发自动驾驶车辆驾驶员监控系统时需使用场景特定的数据和模型。
2025-12-09 cs.AI cs.HC
Beyond the Single Turn: Reframing Refusals as Dynamic Experiences Embedded in the Context of Mental Health Support Interactions with LLMs
Carnegie Mellon University（卡内基梅隆大学）；University of Washington School of Medicine（华盛顿大学医学院）；Microsoft（微软）；Harvard Medical School（哈佛医学院）；University of Washington（华盛顿大学）
通过混合方法研究，揭示LLM在心理健康支持中的拒绝行为是多阶段动态体验，并提出多阶段评估框架和设计建议。
2026-05-22 cs.HC
Enabling Rapid Shared Human-AI Mental Model Alignment via the After-Action Review
本文提出基于浏览器的Minecraft人机协同测试平台，并结合可回放第一人称视角与GPT-4聊天分析工具，支持任务后复盘以快速促成人-AI共享心智模型对齐。
2025-09-30 cs.AI cs.HC
GesPlayer: Using Augmented Gestures to Empower Video Players
在本文中，我们介绍了GesPlayer，一个基于手势的授权视频播放器，探讨用户如何通过手势体验他们的手作为一个界面。我们提供了三种基于计算机或其他智能设备的摄像头的语义手势，分别用于检测和调整视频播放进度、音量和屏幕亮度。我们的目标是使用户能够通过他们在空中的手势来控制视频播放，而不需要使用鼠标或键盘，特别是当这样做不方便时。最终，我们希望通过理解将手设计为交互界面的包容性来扩展我们对基于手势的交互的理解，并通过计算交互方法进一步拓宽交互环境中语义手势的状态。
2022-10-21 cs.HC
Understanding User Mental Models in AI-Driven Code Completion Tools: Insights from an Elicitation Study
University of Bari Aldo Moro（巴里阿尔多莫罗大学）；University of Salerno（萨莱诺大学）
针对AI代码补全工具与开发者心智模型不匹配的交互问题，本研究通过56名开发者的协同设计工作坊挖掘心智模型差异，提出定制化设计准则，并开发了可动态适配的概念验证工具ATHENA。
2025-10-06 cs.HC cs.SE
Revolutionizing Mental Health Support: An Innovative Affective Mobile Framework for Dynamic, Proactive, and Context-Adaptive Conversational Agents
针对传统聊天机器人难以适配复杂心理健康支持需求的问题，论文提出结合多模态感知、语言模型与认知行为疗法工具的情感移动框架，可实现共情式情绪干预，助力用户情绪管理。
2024-06-22 cs.HC
As Advertised? Understanding the Impact of Influencer VPN Ads
本研究通过新型VPN广告检测模型和217名用户的观看历史，分析YouTube网红VPN广告暴露与用户心智模型的关系，发现广告主要影响用户的威胁感知等情绪层面，而非技术认知。
2024-06-18 cs.CR cs.HC
Reading Users' Minds from What They Say: An Investigation into LLM-based Empathic Mental Inference
本文研究使用大型语言模型（LLMs）执行心理推断任务以推断用户的潜在目标和基本心理需求，实验表明其表现与人类设计师相当，为增强共情设计的可扩展性提供了新途径。
2024-03-20 cs.CL cs.HC
Natural Language Interaction to Facilitate Mental Models of Remote Robots
Heriot-Watt University（赫瑞-瓦特大学）
越来越复杂和自主的机器人被部署在现实世界的环境中，产生了深远的影响。高风险场景，如紧急响应或海上能源平台和核检查，需要机器人操作员对机器人能做什么和不能做什么有清晰的心理模型。然而，操作员通常不是机器人的原始设计者，因此，他们不一定具有如此清晰的心理模型，特别是如果他们是新手用户。这种思维模型清晰度的缺乏可能会减缓采用速度，并可能对人机团队产生负面影响。我们建议，与会话助理，谁作为一个调解人，可以帮助用户理解远程机器人的功能，并通过自然语言解释增加透明度，以及促进评估操作员的心理模型。
2020-03-12 cs.AI cs.HC
Understanding the Information Needs and Practices of Human Supporters of an Online Mental Health Intervention to Inform Machine Learning Applications
Microsoft Research（微软研究院）
在数字治疗干预的背景下，例如用于治疗抑郁症和焦虑症的互联网提供的认知行为疗法（iCBT），广泛的研究表明，帮助接受治疗的人的人类支持者或教练的参与如何提高用户对治疗的参与度，并导致比不支持的干预措施更有效的健康结果。为了最大限度地发挥这种人力支持的效果和成果，该研究调查了人工智能和机器学习（ML）领域的最新进展所提供的新机会如何能够提供有用的数据见解，以有效地支持iCBT支持者的工作实践。本文报告了与15名iCBT支持者进行的访谈研究的详细结果，加深了对他们现有工作实践和信息需求的理解，旨在为开发有用的，可实施的ML应用程序提供有意义的信息，特别是在iCBT治疗抑郁症和焦虑症的背景下。该分析贡献了（1）一组六个主题，总结了iCBT支持者在为心理健康客户提供有效，个性化反馈时遇到的策略和挑战;并针对这些学习，（2）为每个主题提供了ML方法如何帮助支持和解决已确定的挑战和信息需求的具体机会。最后，它反思了在以客户为主导的客户审查实践中引入新的机器生成的数据洞察的潜在社会、情感和务实影响。
2021-11-12 cs.CY cs.HC cs.LG
Eyes on the Phish(er): Towards Understanding Users' Email Processing Pattern and Mental Models in Phishing Detection
本研究采用眼动追踪结合定性定量分析，探究工作负荷下用户对钓鱼邮件发件人、URL等指标的关注模式，证实关注发件人可降低受骗风险，还揭示了邮件属性对可信度判断的影响。
2024-09-12 cs.CR cs.HC
GRAFS: Graphical Faceted Search System to Support Conceptual Understanding in Exploratory Search
当人们在大型文档集合中搜索有关新主题的信息时，他们会隐含地构建一个不熟悉信息空间的心理模型，以表示他们目前所知道的信息，并引导他们探索未知。建立这种心理模型可能具有挑战性，因为它不仅需要找到相关的文档，而且还需要综合重要的概念以及在文档内和跨文档连接这些概念的关系。本文描述了一种新的交互式方法，旨在帮助用户在探索性搜索过程中构建一个不熟悉的信息空间的心理模型。我们提出了一个新的语义搜索系统，组织和可视化的重要概念和它们的关系，一组搜索结果。进行了一项用户研究（$n=20$），以比较所提出的方法与探索性文献检索任务的基线分面检索系统。实验结果表明，该方法是更有效地帮助用户认识到关键概念之间的关系，导致一个更复杂的理解的搜索主题，同时保持类似的功能和可用性方面的搜索系统。
2023-02-19 cs.HC cs.IR
Measuring User's Mental Models of Speech Translation in Human-AI Collaboration
University of Maryland, College Park（马里兰大学学院公园分校）
通过跨语言问答框架研究用户对语音翻译系统的心理模型，发现用户通过实践和源语言知识能更好地预测系统错误，且提供语音转录有助于改善心理模型。
2026-06-24 cs.CL cs.HC
Children's Mental Models of AI Reasoning: Implications for AI Literacy Education
University of Washington（华盛顿大学）
本研究通过协同设计与实地研究，揭示儿童对AI推理的三种心理模型，并指出年龄差异及教育启示。
2025-05-21 cs.AI cs.HC
Understanding How Visually Impaired Players Socialize in Mobile Games
基于对30名中国视障玩家的访谈，本研究揭示了移动游戏在满足其社交需求的同时，仍面临技术障碍、无障碍功能不足和社区分化等挑战，并为设计更具包容性的移动游戏提供了建议。
2025-07-20 cs.CY cs.HC
The Emotional Impact of Game Duration: A Framework for Understanding Player Emotions in Extended Gameplay Sessions
IIT Roorkee（印度理工学院鲁尔基分校）；Eudoxia Research center（尤多西亚研究中心）；BITS Pilani WILP（比尔拉技术与科学学院皮拉尼分校工作整合学习项目）；Tubi TV
本研究构建情绪检测框架，探究游戏时长对玩家情绪的影响，发现长时间游戏会显著影响情绪，并建议开发者制作更短且有趣的游戏以减轻潜在情绪影响。
2024-03-31 cs.AI cs.HC
Prompts Are Programs Too! Understanding How Developers Build Software Containing Prompts
Carnegie Mellon University（卡内基梅隆大学）
本文通过访谈20名开发者，提出提示词编程概念，发现其与传统软件开发不同，开发者难以建立可靠心智模型，为提示词工具开发提供启示。
2025-04-25 cs.AI cs.HC cs.SE
Esports Athletes and Players: a Comparative Study
我们提出了一个比较研究的球员和职业球员（运动员）的表现在反恐精英：全球攻势（CS：GO）纪律。我们的研究是基于无处不在的传感帮助识别的生物特征显着贡献的球员的特定技能的分类。这项研究提供了更好的理解为什么运动员表现出优于其他球员。
2019-08-18 cs.CY cs.HC
Speech Emotion Recognition using Supervised Deep Recurrent System for Mental Health Monitoring
University of Cincinnati（辛辛那提大学）；University of Florida（佛罗里达大学）；Central Michigan University（中央密歇根大学）；University of Louisiana at Lafayette（路易斯安那大学拉法叶分校）
了解人类行为和监测心理健康对维护社区和社会安全至关重要。由于在COVID-19大流行期间，由于精神健康不受控制，精神健康问题有所增加，因此及早发现精神问题至关重要。如今，智能虚拟个人助理（IVA）的使用在全球范围内不断增加。个人使用他们的声音来控制这些设备以满足请求并获得不同的服务。本文提出了一种基于门控递归神经网络和卷积神经网络的新型深度学习模型，用于从语音中理解人类情感，以改善其IVA服务并监测其心理健康。
2022-10-27 cs.HC cs.LG cs.SD
Capturing Humans' Mental Models of AI: An Item Response Theory Approach
University of California, Irvine（加州大学欧文分校）
本文提出基于项目反应理论的框架来建模人类对AI队友的感知，通过真实问答实验对比了人类对AI与人类队友的心智模型，发现人们期望AI表现更优且更稳定，为人机交互提供了重要启示。
2023-05-15 cs.AI cs.HC cs.LG
Haunted House: A text-based game for comparing the flexibility of mental models in humans and LLMs
Institute of Computer Science, University of Tartu（塔尔图大学计算机科学学院）
本研究推出文本游戏Haunted House，对比人类与大语言模型的基于模型推理能力，发现人类成功率显著高于多款前沿大语言模型，大语言模型易出现不合逻辑的移动，为相关基准测试提供启发。
2025-02-12 cs.AI cs.HC q-bio.NC
Understanding Emotional Disclosure via Diary-keeping in Quarantine on Social Media
本研究通过分析微博上58,796条“隔离日记”帖子，提出定量方法揭示隔离期间情感披露的类别、时间变化模式及负面情绪影响因素，为社交媒体心理健康干预提供实践与设计启示。
2024-01-14 cs.HC cs.SI
Visualizing Patient Trajectories and Disorder Co-occurrences in Child and Adolescent Mental Health
NTNU（挪威科技大学）；St. Olav University Hospital（圣奥拉夫大学医院）；The University of Chicago（芝加哥大学）；UiT The Arctic University of Norway（挪威北极大学）
该研究基于35年CAMHS数据构建患者轨迹与ADHD共现可视化工具，经临床医生评估有用，可辅助理解儿童青少年心理健康诊疗模式与决策。
2026-08-27 cs.CY cs.HC
Improving Human-Robot Teaching by Quantifying and Reducing Mental Model Mismatch
Bielefeld University（比勒费尔德大学）；Honda Research Institute Europe（本田欧洲研究所）
本文提出MMM分数与基于LLM的意图反馈机制，用于量化并减少人类教师与机器人学习者之间的心智模型失配；150人实验证明其优于表现反馈和无反馈。
2025-01-08 cs.HC cs.RO
