Encounters with Visual Misinformation and Labels Across Platforms: An Interview and Diary Study to Inform Ecosystem Approaches to Misinformation Interventions
自2016年以来,以“错误信息”为关键词的学术研究数量增加了一倍多[2]。这项研究通常集中在人工测试环境中显示的文章标题上,但错误信息主要通过高度个性化的平台环境中共享的图像和视频帖子传播。有必要建立定性研究的基础,以开始填补这一空白,以确保平台的视觉错误信息干预措施与用户的需求和对跨平台个人背景信息的理解保持一致。在两项研究中,我们将深度访谈(n=15)与日记和共同设计方法(n=23)相结合,以调查在COVID-19期间暴露于错误信息的各种美国人如何理解他们的视觉信息环境,包括遇到Facebook事实核查标签等干预措施。分析显示,用户对平台标记视觉信息干预的态度存在深刻的分歧,许多人认为这是过于家长式的,有偏见的和惩罚性的。除了这些发现,我们讨论了我们的方法作为一个模型,持续独立的定性研究跨平台的错误信息,告知干预用户体验。
2020-12-15 cs.HC
If I Hear You Correctly: Building and Evaluating Interview Chatbots with Active Listening Skills
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Juji, Inc.(Juji公司)
面试聊天机器人让用户参与基于文本的对话,以引出他们的观点和意见。然而,构建有效的面试聊天机器人具有挑战性,可以处理用户对开放式问题的自由文本回答,并提供引人入胜的用户体验。作为第一步,我们正在研究使用公开可用的实用人工智能技术来构建有效的面试聊天机器人的可行性和有效性。为了证明可行性,我们构建了一个原型,其范围是使面试聊天机器人具有主动倾听技能的子集-理解用户输入并正确响应的能力。为了评估我们的原型的有效性,我们在206名用户的现场评估中比较了具有或不具有主动倾听技能的面试聊天机器人在四个常见面试主题上的表现。我们的工作为构建有效的面试聊天机器人,混合聊天机器人平台和超越面试任务的移情聊天机器人提供了实际的设计意义。
2020-02-05 cs.AI cs.CL cs.HC
A Trip to the Moon: Personalized Animated Movies for Self-reflection
自我跟踪生理和心理数据带来了呈现和解释的挑战。对自我跟踪数据的有见地的叙述可以激励用户进行建设性的自我反思。动画电影是一种强大的叙事形式,吸引了不同文化和年龄段的观众。我们从每个用户那里收集了一周的自我报告的情绪和行为数据,并根据他们的数据在Unity中创建了一个个性化的动画。我们在一项随机对照试验中评估了他们的视频的影响,并以非个性化动画视频作为对照。我们发现,与非个性化控制视频相比,个性化视频往往更具情感吸引力,鼓励更大和更健康的写作,表明对情绪和行为的自我反思。
2018-01-08 cs.HC
Disclose with Care: Designing Privacy Controls in Interview Chatbots
Northeastern University(东北大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本研究设计了聊天机器人访谈中的隐私控制机制,通过AI辅助编辑减少敏感信息泄露,同时保持数据质量和用户参与度。
2026-02-01 cs.HC
Using a virtual reality interview simulator to explore factors influencing people's behavior
本研究通过虚拟现实面试模拟器(VRIS)和正交实验,探究影响受访者焦虑、体验和表现的因素,发现问题类型影响最大,真实感、准备和面试官态度次之,时机几乎无影响。
2023-05-16 cs.HC
A Goal-Oriented Chatbot for Engaging the Elderly Through Family Photo Conversations
Supply Chain MultiTech R\&D Centre Hong Kong, China
本文提出一种面向老年人的个性化聊天机器人,通过家庭照片引发自然对话,生成W问题促进认知功能,并通过开放性问题促进积极回忆,帮助减少孤独感。
2026-02-10 cs.AI cs.HC
Personal Narratives Empower Politically Disinclined Individuals to Engage in Political Discussions
本研究通过大规模计算分析发现,个人叙事能吸引并留住政治不热衷个体参与政治讨论,且其个人叙事获得更积极反馈,从而促进包容性政治话语。
2025-02-27 cs.HC
Data is Personal: Attitudes and Perceptions of Data Visualization in Rural Pennsylvania
许多指导设计师如何创建数据可视化的指导方针起源于无意中排除最有可能成为“数据穷人”的人群的研究。在本文中,我们探讨了哪些因素可能会引起对具有不同经济和教育背景的农村人口的关注和信任-这一部分在数据可视化文献中基本上没有得到充分的代表。在美国宾夕法尼亚州农村的42个半结构化访谈中,我们发现一组复杂的因素相互混合,以告知对数据可视化的态度和看法-包括教育背景,政治派别和个人经历。这项研究的数据和材料可以在https://osf.io/uxwts/上找到。
2019-01-07 cs.HC
Enhancing Financial Literacy and Management through Goal-Directed Design and Gamification in Personal Finance Application
School of Arts and Creative Technologies, University of York(约克大学艺术与创意技术学院)
本研究通过目标导向设计与游戏化方法开发个人财务应用,旨在提升年轻人的金融素养和管理能力。
2026-01-13 cs.HC
AI Outperforms Humans in Personalized Image Aesthetics Assessment via LLM-Based Interviews and Semantic Feature Extraction
Graduate School of Information Science and Technology(信息科学与技术研究生院);The University of Tokyo(东京大学);Bunkyo-ku, Tokyo(东京都文京区)
本文提出一种结合深度学习与大语言模型的系统,通过语义特征提取和主动收集偏好信息,准确预测个体图像审美评价,实验表明该系统在高评分图像上表现优异,优于人类预测者和自身再评估。
2026-05-14 cs.AI cs.HC
Exploring the Personal Informatics Analysis Gap: "There's a Lot of Bacon"
个人信息学研究帮助人们跟踪个人数据,以进行自我反思和获得自我认识。然而,这一领域主要侧重于自我跟踪的数据汇集和洞察力生成要素,对灵活的数据分析关注较少。因此,这种疏忽导致了不灵活的分析管道,无法反映或支持人们想要与数据互动的各种方式。本文回顾了个人信息学和可视化研究文献,揭示了我们在设计灵活工具方面的知识差距,这些工具可以帮助人们在个人环境中参与和分析个人数据,我们称之为个人信息学分析差距。我们通过一项关于哮喘患者如何参与个人空气质量数据的多阶段纵向研究来探索这一差距,我们报告了参与者如何:被广泛而多样化的目标所激励;在他们探索数据的方式中表现出模式;以有趣的方式参与数据;通过偶然的探索发现新的见解;并且不愿意自己使用分析工具。这些结果为视觉分析研究提供了新的机会,并表明在支持个人数据分析时,我们需要从根本上改变设计方式和设计内容。
2021-08-08 cs.HC
Expecting Too Much, Getting Too Little: Exploring the Challenges and Design Opportunities of Asynchronous AI Interviewers
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
研究探讨了异步AI面试系统对用户自主性的影响,通过分析和访谈揭示了期望不匹配问题,并设计了支持用户自主性的界面。
2026-03-22 cs.HC
Free-Will vs Free-Wheel: Understanding Community Accessibility Requirements of Wheelchair Users through Interviews, Participatory Action, and Modeling
University of Wisconsin Milwaukee(威斯康星大学密尔沃基分校);Miami University(迈阿密大学);University of Maryland Baltimore County(马里兰大学巴尔的摩县分校)
本研究通过访谈和建模提出三维可及性模型,验证轮椅使用者社区可及性需求,强调对更可及路径规划工具的需求。
2025-12-22 cs.HC
Exploring the Role of Interaction Data to Empower End-User Decision-Making In UI Personalization
Universidade de Lisboa(里斯本大学);Northumbria University(诺森比亚大学)
本文研究交互数据如何帮助用户识别个性化机会,发现用户偏好系统支持的视觉建议,提升个性化透明度和自主性。
2026-03-19 cs.HC
Beyond the Personal Assistant: How Expectations for Enterprise AI in Teamwork Diverged as Generative AI Took Shape, 2023-2025
Carnegie Mellon University(卡内基梅隆大学);Massachusetts Institute of Technology(麻省理工学院);University of Pennsylvania(宾夕法尼亚大学);Stanford University(斯坦福大学);Emory University(埃默里大学)
本研究通过2023-2025年两阶段访谈,发现企业AI期望从团队协作系统转向个人助手,揭示技术成形如何导致设计可能性分化、收窄或消失。
2026-09-15 cs.CY cs.HC cs.SE
MineXR: Mining Personalized Extended Reality Interfaces
MineXR提出一种设计挖掘工作流与数据分析平台,通过用户手机截图创建并预览个性化XR界面,收集31名参与者的695个XR小部件数据集,为未来XR界面设计提供洞察与开源支持。
2024-03-12 cs.HC
Gunrock: A Social Bot for Complex and Engaging Long Conversations
University of California, Davis(加州大学戴维斯分校)
Gunrock是2018年亚马逊Alexa奖的获奖者,这是通过真实用户和亚马逊选择的专家对话者的一致性和参与度进行评估的。我们专注于理解复杂的句子,并在开放的领域进行深入的对话。在本文中,我们介绍了一些创新的系统设计和相关的验证分析。总的来说,我们发现用户对Gunrock产生更长的句子,这与用户的参与度直接相关(例如,额定值、匝数)。此外,用户对Gunrock的背景故事查询与用户满意度呈正相关。最后,我们发现,将事实、个人观点和故事交织在一起的对话流会带来更好的用户满意度。
2019-10-07 cs.AI cs.CL cs.HC
Influence of personal values and the adoption of analytical tools using laddering methodology
企业管理中的分析工具被理解为信息技术和定量方法的结合,用于帮助利益相关者做出更好的决策。当代的商业环境正因数据的大量积累而发生巨大变化。现在,分析工具的使用必须前所未有地扩大,以利用这个不断增长的数字世界。本文将应用阶梯技术,看看个人价值观(或管理职能)如何影响公司采用的分析工具。一组10个深入的采访进行了首席执行官,分析顾问,学者和商人,以建立属性,后果和个人价值观之间的定量关系。提供了两个易于阅读的输出来解释我们的结果。最重要的链接通过隐含矩阵定量关联,然后在层次值图上可视化表示。最后一节提供了改进分析工具使用的准则
2016-02-05 cs.HC
Revealing Cumulative Risks in Online Personal Information: A Data Narrative Study
当一个人的个人信息片段在网上随着时间的推移和跨多个平台连接起来时,这种更完整的数字跟踪可以让人们意外地了解他们的生活和观点。在一项有26名在职参与者的数据叙事访谈研究中,我们研究了当其他人加入他们的在线信息之间的点时,对个人和雇主的风险和危害。我们讨论的主题的可见性和自我披露,无意的信息泄漏和数字隐私素养构建从我们的分析。我们不仅对人们在回忆和概念化他们的数字痕迹方面的困难提出了见解,而且随后设想了他们的在线信息如何组合,或者在他们的痕迹中(重新)识别,并通过显示缺乏对个人信息被他人关联和连贯的潜力的认识来解决当前研究中的差距,对个人,雇主,甚至国家。我们触及的不平等的隐私,自由和合法性,存在于不同的群体关于他们使(或感觉被迫使)可在网上,我们有助于目前的方法论工作的使用草图,以支持视觉意义的数据叙事访谈。最后,我们讨论了干预措施的必要性,这些干预措施支持个人对组合数字痕迹的潜在可见性的反思,以突出隐藏的漏洞,并促进对在线共享和不共享的内容采取更积极的行动。
2022-04-04 cs.HC cs.SI
You Watch, You Give, and You Engage: A Study of Live Streaming Practices in China
尽管在北美获得了吸引力,但直播还没有达到在中国的普及程度,直播对用户的社交行为产生了巨大的影响。为了更好地理解这种社会技术现象,我们对中国的直播实践进行了混合方法研究。我们呈现了对527名直播用户的在线调查结果,重点关注他们的广播或观看实践以及他们认为最吸引人的体验。我们还采访了14位活跃用户,以探索他们的动机和经验。我们的数据揭示了广播的不同类别的内容以及这些内容的不同方面如何吸引观众。我们还深入了解了角色奖励系统和粉丝群聊天在吸引用户方面的作用,同时也发现了证据,表明观众和主播除了评论,礼物和粉丝群之外,还需要更深层次的互动渠道和机制。
2018-03-15 cs.HC
Generating Diverse Personas for User Simulators to Test Interview Dialogue Systems
C4A Research Institute, Inc.(C4A研究所);SANKEN, University of Osaka(大阪大学SANKEN研究所);Musashi University(武藏野大学)
针对面试对话系统测试人力成本高的问题,提出用大语言模型自动生成带沟通风格人格特质的多样化角色的用户模拟器,实验显示其生成话语的变化性更大。
2026-08-21 cs.CL cs.HC
Behind the Screens: Uncovering Bias in AI-Driven Video Interview Assessments Using Counterfactuals
Department of Electrical and Computer Engineering, Michigan State University(电子与计算机工程系,密歇根州立大学)
本文提出基于反事实的框架,用于评估AI驱动视频面试评估中的偏见,通过生成对抗网络生成反事实数据,揭示不同群体间的差异,提升伦理透明度。
2025-11-20 cs.CV cs.HC eess.IV
Re:Member: Emotional Question Generation from Personal Memories
Columbia University(哥伦比亚大学);The University of Tokyo(东京大学)
该研究提出Re:Member系统,通过利用用户个人视频生成目标语言风格化口语问题,结合情感语音合成与多模态技术,探索情感化记忆交互对第二语言学习的支持作用,突显情感与个人媒体在教育技术中的价值。
2025-11-07 cs.CL cs.HC
Reimagining Personal Data: Unlocking the Potential of AI-Generated Images in Personal Data Meaning-Making
KAIST(韩国科学技术院)
本文通过自传式设计研究和21天日记研究,探索了利用GPT-4和DALL-E 3生成的图像促进个人数据意义建构,发现用户通过想象和推测构建个人意义,并讨论了其潜力与问题。
2025-02-26 cs.AI cs.HC
SocializeChat: A GPT-Based AAC Tool Grounded in Personal Memories to Support Social Communication
Zhejiang University(浙江大学);Penn State University(宾夕法尼亚州立大学)
针对言语障碍老年人使用现有AAC工具难以进行有意义社交、个人记忆难提取复用的问题,提出基于GPT的SocializeChat工具,结合个人记忆、话题偏好与人际亲密度生成定制化句子建议,形成记忆-沟通动态循环,用户研究显示其可提升AAC社交互动的包容性与相关性。
2025-10-21 cs.CY cs.HC
Human-Data Interaction: The Human Face of the Data-Driven Society
越来越多的个人数据的产生和收集创造了一个复杂的生态系统,围绕着使用这些数据的公司和个人,通常是合作的,但有时是争斗的。我们建议,这些代理之间的相互作用保证了一个新的研究课题:人与数据交互(HDI)。在本文中,我们将讨论人类发展指数如何处于各种学科的交叉点,包括计算机科学、统计学、社会学、心理学和行为经济学。我们揭示了人类发展指数提出的挑战,分为三个核心主题,即易读性,代理性和可谈判性,我们提出了人类发展指数议程,以便在个人和大数据生态系统的利益相关方之间展开对话。
2015-01-06 cs.CY cs.HC cs.SI
Expressing social attitudes in virtual agents for social training games
LIMSI-CNRS(法国国家科学研究中心机械与工程计算机科学实验室);Univ. Paris-Sud(巴黎第十一大学);Univ. Pierre & Marie Curie(皮埃尔与玛丽·居里大学);Telecom ParisTech(巴黎高等电信学院)
在过去的十年中,虚拟代理在社交教练中的使用迅速增加。为了训练用户在不同的情况下比可能发生在现实生活中,虚拟代理应该能够表达不同的社会态度。在本文中,我们提出了一个模型的社会态度,使一个虚拟代理的原因,在适当的社会态度,以表达在与用户的互动过程中的互动,而且情绪,情绪和个性的代理。此外,该模型使虚拟代理通过其非语言行为来展示其社会态度。所提出的模型已经开发的工作面试模拟的背景下。开发这种模式所采用的方法是理论和经验相结合的方法。事实上,该模型的基础上都在人文和社会科学的社会态度的文献,但也对工作面试的视听语料库和事后采访的招聘人员在工作面试中表达的态度的分析。
2014-02-20 cs.AI cs.CY cs.HC