The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading
本文研究了人工智能工具对工人生产力的影响,发现尽管短期生产力提升,但持续使用会侵蚀工人技能。通过动态模型分析,发现即使预期技能损耗,理性决策者仍可能在短期收益大于长期成本时采用AI,导致稳态损失。此外,当管理者短视或工人技能具有外部价值时,决策者可能陷入增强陷阱,使工人状况恶化。最后,当AI生产力与工人技能关联较弱时,工人技能可能永久分化,经验丰富的工人实现潜力,而经验不足的工人技能降至零。
2026-06-26 cs.AI cs.HC
Automatic detection of cognitive impairment in elderly people using an entertainment chatbot with Natural Language Processing capabilities
University of Vigo(维戈大学);School of Telecommunications Engineering(电信工程学院);Information Technologies Group(信息技术组);atlanTTic
提出一种基于自然语言生成与机器学习的娱乐聊天机器人系统,透明监测老年人认知障碍,在30名早期痴呆患者实验中检测准确率等指标超80%。
2024-05-28 cs.AI cs.CL cs.HC
Towards Decoding Developer Cognition in the Age of AI Assistants
本文提出结合EEG、眼动追踪与交互数据的受控观察研究,考察专业水平如何影响开发者使用AI助手的模式,以及该模式对实际认知负荷、任务时间和感知生产力的影响。
2025-01-05 cs.HC cs.SE
Talking to an AI Mirror: Designing Self-Clone Chatbots for Enhanced Engagement in Digital Mental Health Support
本研究设计并评估了复制用户对话模式的自我克隆聊天机器人,通过半受控实验(N=180)证明其相比通用咨询师机器人能显著提升情感和认知参与度,为数字心理健康干预提供了新方法。
2025-09-08 cs.HC
NeuroChat: A Neuroadaptive AI Chatbot for Customizing Learning Experiences
MIT Media Lab(麻省理工学院媒体实验室);Brown University(布朗大学)
NeuroChat通过整合实时EEG反馈与生成式AI,实现学习者认知状态的动态适应,提升学习参与度。
2026-02-16 cs.AI cs.ET cs.HC
Chatting with a Learning Analytics Dashboard: The Role of Generative AI Literacy on Learner Interaction with Conventional and Scaffolding Chatbots
本研究通过81名参与者的对比实验,探究GenAI素养如何影响学习者与常规及脚手架式聊天机器人辅助学习分析仪表盘的交互,发现高素养者获益更多,且脚手架技术可降低对学习者素养的依赖。
2024-11-23 cs.HC
Enhancing Software Development with Context-Aware Conversational Agents: A User Study on Developer Interactions with Chatbots
本文通过29名开发者使用文本聊天机器人原型的用户研究,识别其对任务自动化、版本控制、情境适应与个性化支持的需求,为情境感知CA设计和软件工程人机协作研究提供依据。
2025-05-13 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
VizCopilot: Fostering Appropriate Reliance on Enterprise Chatbots with Context Visualization
University of California, Davis(加州大学戴维斯分校);Microsoft(微软)
VizCopilot通过可视化技术帮助用户对齐上下文,减少无关回答,提升信息整合效率,同时揭示AI摘要可信度的局限性。
2026-11-13 cs.HC
Chatbots for Mental Health Support: Exploring the Impact of Emohaa on Reducing Mental Distress in China
Tsinghua University(清华大学);Beijing Normal University(北京师范大学)
对心理健康支持的需求日益增长,凸显了对话代理作为全球和中国人类支持者的重要性。这些药物可以增加心理健康支持的可用性并降低其相对成本。所提供的支持可分为两大类:认知支持和情感支持。现有的工作主要集中在构建代理,采用认知行为疗法(CBT)的原则。这种代理基于预定义的模板和练习来操作,以提供认知支持。然而,研究情绪支持使用这样的代理是有限的。此外,大多数被构建的代理人使用英语进行操作,这突出了在中国进行此类研究的重要性。在这项研究中,我们分析了Escherhaa在减少精神痛苦症状方面的有效性。Rehhaa是一个会话代理,通过基于CBT的练习和引导对话提供认知支持。它还通过使用户能够发泄他们想要的情绪问题来在情感上支持用户。该研究包括134名参与者,分为三组:Eschhaa(基于CBT),Eschhaa(完全)和对照组。实验结果表明,与对照组相比,使用Escherhaa的参与者在精神痛苦症状方面有了更显著的改善。我们还发现,添加情绪支持剂对这些改善有补充作用,主要是抑郁和失眠。根据所获得的结果和参与者对平台的满意度,我们得出结论,Escherhaa是减少精神痛苦的实用有效工具。
2022-09-21 cs.CL cs.HC
AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity
Microsoft Research(微软研究院);HTI Lab, Plaksha University(普拉克斯哈大学 HTI 实验室);Mohamed Bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
AwareLLM通过整合多模态数据与大语言模型,实现主动适应用户心理生理状态,提升任务表现并降低认知疲劳,推动人机协作新范式。
2026-09-01 cs.HC
Are Happy Developers more Productive? The Correlation of Affective States of Software Developers and their self-assessed Productivity
几十年来,人们一直声称提高软件开发人员生产力的一种方法是关注人。事实上,虽然人的因素已经在软件工程研究中得到了认可,但很少有实证研究试图验证这一说法。开发任务是通过认知处理能力来完成的。情感状态-情绪,情绪和感觉-对工作相关的行为,认知处理活动和个人的生产力有影响。在本文中,我们报告了一项实证研究的影响,情感状态对软件开发人员的性能,而编程。两个情感状态维度与自我评估的生产力呈正相关。我们展示了应用心理测量学在软件工程研究中的价值,并呼吁对软件开发人员的人性化、个性化方面进行评价。我们引入并验证了测量工具和线性混合效应模型来研究软件开发人员的情感状态和生产力的相关性。
2013-06-07 cs.HC cs.SE
Easy Come, Easy Go? Examining the Perceptions and Learning Effects of LLM-based Chatbot in the Context of Search-as-Learning
Computer Science and Engineering, University of Michigan(密歇根大学计算机科学与工程系);Humanities, Arts, and Social Sciences, Yonsei University(延世大学人文、艺术与社会科学系)
本研究探讨了基于大语言模型的聊天机器人在搜索即学习情境下的感知与学习效果,发现尽管即时回答提升了学习效率,但并未导致长期知识保留的劣化。
2025-12-18 cs.AI cs.HC cs.IR
The Efficacy of Conversational Artificial Intelligence in Rectifying the Theory of Mind and Autonomy Biases: Comparative Analysis
本研究通过虚拟案例比较治疗型聊天机器人与通用语言模型在纠正心理理论和自主性认知偏差及情感识别方面的表现,发现GPT-4等通用模型整体优于Wysa等治疗型机器人,提示治疗型聊天机器人需进一步改进以安全有效地用于数字心理健康干预。
2024-07-23 cs.CY 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
Confirmation Bias in Generative AI Chatbots: Mechanisms, Risks, Mitigation Strategies, and Future Research Directions
Institute of Cognitive Neuroscience, University College London(伦敦大学学院认知神经科学研究所)
本文针对生成式AI聊天机器人中相对未被充分研究的确认偏差现象,结合认知心理学与计算语言学分析其机制、风险,提出技术干预等缓解策略,并强调跨学科合作和实证评估的未来研究方向。
2025-04-12 cs.AI cs.HC
Chatsparent: An Interactive System for Detecting and Mitigating Cognitive Fatigue in LLMs
Chatsparent通过实时监测和缓解大语言模型的认知疲劳,提升交互体验和模型可靠性。
2025-11-14 cs.AI cs.HC
Toward Neurodivergent-Aware Productivity: A Systems and AI-Based Human-in-the-Loop Framework for ADHD-Affected Professionals
针对ADHD专业人士,提出融合系统思维、人机协同与隐私优先AI的框架,通过设备端感知注意力状态并提供非侵入式干预,以支持认知调节。
2025-07-09 cs.HC
Designing Adaptive Affective Chatbots for Online Learning: Trade-offs Between User Control, Automation, and Transparency
Georgia Institute of Technology(佐治亚理工学院)
本研究通过迭代设计探索在线学习中的情感自适应聊天机器人,提出三种自适应方案,并发现混合设计在权衡自动化、透明度与用户控制时最受用户青睐。
2026-10-06 cs.CY cs.HC
De-skilling, Cognitive Offloading, and Misplaced Responsibilities: Potential Ironies of AI-Assisted Design
Purdue University(普渡大学)
通过分析120多篇UX社区讨论,研究揭示了AI辅助设计引发的技能退化、认知卸载等自动化讽刺,呼吁从业者批判性评估AI的长期影响。
2025-03-05 cs.AI cs.HC
Personalized Chatbot Trustworthiness Ratings
会话代理,通常被称为聊天机器人,越来越多地部署在许多领域,以允许人们在试图解决特定问题时进行自然交互。鉴于其广泛使用,重要的是为其用户提供方法和工具,以提高用户对聊天机器人的各种属性的认识,包括用户可能认为重要的非功能属性,以便信任特定的聊天机器人。例如,用户可能希望使用没有偏见的聊天机器人,不使用辱骂性语言,不向其他用户泄露信息,并且以适合用户认知水平的风格进行响应。在本文中,我们解决的设置聊天机器人不能被修改,其训练数据不能被访问,但一个中立的一方希望评估和沟通其可信度的用户,定制用户的优先级超过各种信任问题。这样的评级可以帮助用户在其他聊天机器人中进行选择,开发人员测试他们的系统,商业领袖为他们的产品定价,监管机构制定政策。我们设想了一种聊天机器人的个性化评级方法,该方法依赖于每个问题的单独评级模块,以及用户在相关信任问题中检测到的优先级排序,以生成聊天机器人可信度的聚合个性化评级。该方法是独立的特定的信任问题,是参数的聚合过程,从而允许无缝的泛化。我们说明了它的一般用途,将其与实时聊天机器人集成,并在四个对话数据集和代表性的用户简档上进行评估,并通过用户调查进行验证。
2020-10-10 cs.CY cs.HC cs.SI
(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding
该研究通过54名学生的对照实验,发现编码智能体虽提升生产力但损害用户代码理解,低投入交互加剧该问题,用户仍偏好智能体,同时为开发者提出了优化方向。
2026-07-30 cs.CL cs.HC
Why do we Trust Chatbots? From Normative Principles to Behavioral Drivers
ELLIS Alicante(ELLIS阿利坎特)
本文探讨了用户信任聊天机器人的行为驱动因素,提出将聊天机器人视为销售员而非助手,并强调信任形成的规范性与心理性差异。
2026-03-10 cs.AI cs.CY cs.HC
The Fast and Spurious: Developer Productivity with GenAI
Oregon State University(俄勒冈州立大学);CodeDay;Colorado State University(科罗拉多州立大学);Northern Arizona University(北亚利桑那大学)
本文研究了生成式AI对开发者生产力不同维度的影响,发现虽然任务完成速度提升,但导致代码审查负担增加、认知负荷持续存在,整体生产力可能虚增。
2026-04-05 cs.HC cs.SE
Disrupting Cognitive Passivity: Rethinking AI-Assisted Data Literacy through Cognitive Alignment
Boston College(波士顿学院);Inria(法国国家信息与自动化研究所);University of Edinburgh(爱丁堡大学)
本文提出通过认知对齐框架,重新设计人工智能辅助的数据素养,以避免认知惰性,促进主动思考。
2026-04-03 cs.AI cs.HC
On Interactive Machine Learning and the Potential of Cognitive Feedback
U.S. Naval Research Laboratory(美国海军研究实验室)
为了提高生产力、能力和数据利用率,许多国防应用正在将最先进的机器学习和AI集成到其架构中。特别是对于国防应用,由于质量控制、问责制和复杂的主题专业知识不容易被人工智能自动化或复制,因此在循环中拥有人类分析师是非常重要的。然而,许多应用程序的过渡非常缓慢。这可能在很大程度上是由于缺乏信任,可用性和生产力,特别是在适应不可预见的类和任务上下文的变化时。交互式机器学习是一个新兴的领域,其中机器学习实现通过直观的人机界面进行训练、优化、评估和利用。在本文中,我们介绍了交互式机器学习,并解释其优势和局限性的背景下,国防应用。此外,我们解决了几个交互式机器学习的缺点,通过讨论如何认知反馈可以告知功能,数据和结果的最先进的状态。我们定义了三种技术,认知反馈可以采用:自我报告,隐式认知反馈,和建模的认知反馈。每种技术的优点和缺点进行了讨论。
2020-03-23 cs.AI cs.HC cs.LG
From Human-to-Human to Human-to-Bot Conversations in Software Engineering
Chalmers University of Gothenburg(查尔姆斯理工大学)
本文通过观察性研究比较软件开发中的人际对话、NLU 与 LLM 聊天机器人对话,揭示其异同及对团队沟通和开发者预期的影响。
2024-05-21 cs.AI cs.CL cs.HC
Doom Researching: A Conceptual Framework for Repetitive AI-Assisted Information Seeking, Cognitive Offloading, and the Illusion of Knowing
该概念性论文提出“厄运式研究”,基于多方面研究构建框架,阐述人工智能介导的重复信息寻求模式,区分其与其他类似行为,给出形式模型、风险指数及命题,还通过扩展思维理论扩展该概念并与相关文献联系。
2026-07-07 cs.CY cs.HC
PromptHelper: A Prompt Recommender System for Encouraging Creativity in AI Chatbot Interactions
Texas A\&M University College Station Texas U.S.A.;Texas A\&M University
PromptHelper通过提供语义多样的提示建议,帮助用户在AI聊天机器人交互中提升创造力和表达性,同时减少认知负担。
2026-01-22 cs.AI cs.HC cs.IR
Habit Coach: Customising RAG-based chatbots to support behavior change
Università degli Studi di Milano Bicocca(米兰比可卡大学);Technological University Dublin(都柏林理工大学)
本文介绍Habit Coach,一种基于GPT-4和RAG的聊天机器人,通过程序性知识迭代优化,结合CBT和叙事疗法,在5名参与者连续5天的试验中有效降低习惯强度。
2024-12-16 cs.AI cs.CY cs.HC
Pick the Right Co-Worker: Online Assessment of Cognitive Ergonomics in Human-Robot Collaborative Assembly
Istituto Italiano di Tecnologia(意大利技术研究院);Politecnico di Milano(米兰理工大学)
人机协同装配系统提高了工作场所的效率和生产力,但可能会增加工人的认知需求。本文提出了一个在线和定量的框架来评估认知工作负荷与同事,无论是人类操作员或工业协作机器人与不同的控制策略的相互作用。该方法监测操作员的注意力分布和上半身运动学受益于输入图像的低成本立体摄像机和尖端的人工智能算法(即头部姿态估计和骨骼跟踪)。三个实验方案的变化,工作站功能和交互方式的设计,以测试我们的在线方法对国家的最先进的离线测量的性能。结果证明,我们的视觉为基础的认知负荷评估有潜力被整合到新一代的协作机器人技术。后者将使人类认知状态监测和机器人控制策略适应,以改善人类舒适度,人体工程学和对自动化的信任。
2022-07-08 cs.HC cs.RO
The Transformative Influence of LLMs on Software Development & Developer Productivity
本文系统综述了LLMs作为AI编程助手对软件开发的影响,揭示了隐私、偏见等挑战,并提出12个开放问题。
2025-07-05 cs.HC cs.SE
Boosting metacognition in entangled human-AI interaction to navigate cognitive-behavioral drift
Technische Universität Dresden(德累斯顿工业大学);Max Planck Institute for Human Development(马克斯·普朗克人类发展研究所);University of Potsdam(波茨坦大学);University of Bristol(布里斯托大学)
提出一个基于人类认知不变特征和元认知的框架,通过识别纠缠、漂移和元认知干预点,解决AI对话代理引发的认知行为漂移问题。
2026-05-29 cs.HC
Beyond ChatBots: ExploreLLM for Structured Thoughts and Personalized Model Responses
Google(谷歌);Google Deepmind(谷歌DeepMind);Emory University(埃默里大学)
本文提出 ExploreLLM,通过类模式结构和图形界面帮助用户组织思维、探索选项并表达高层偏好,从而降低纯文本聊天交互的认知负担,实现更个性化的 LLM 响应。
2023-12-01 cs.AI cs.CL cs.HC
Beyond the Monolithic Interface: A Research Agenda for Plural Conversational AI
Hugging Face;University of Connecticut(康涅狄格大学);University of Cambridge(剑桥大学)
本研究针对单一对话式AI界面的三种危害,提出多角色界面干预措施,呼吁建立弥合技术多元对齐与实证研究差距的研究议程。
2026-10-12 cs.CY cs.HC
Cognitive offloading and the speedup illusion in human-AI interaction
Stanford University(斯坦福大学);New York University(纽约大学);MIT(麻省理工学院);Princeton AI Lab(普林斯顿人工智能实验室)
通过大规模行为实验发现,用户在使用AI辅助完成简单认知任务时存在加速错觉,即低估AI辅助所需时间,且主观努力降低但实际完成时间无差异。
2026-05-22 cs.CY cs.HC
GrandGuard: Taxonomy, Benchmark, and Safeguards for Elderly-Chatbot Interaction Safety
The Hong Kong University of Science and Technology(香港科技大学)
本文提出GrandGuard框架,用于评估和缓解LLM交互中的老年人特定风险,通过建立包含50种细粒度风险类型的三级分类体系,构建了10,404个标注提示和响应的基准,展示了主流LLM在处理老年人特定情境风险时的不足,并通过两种防护措施实现了高达96.2%和90.9%的不安全提示检测准确率。
2026-04-07 cs.AI cs.HC
User-Like Bots for Cognitive Automation: A Survey
Universität der Bundeswehr München(慕尼黑联邦国防军大学);Technische Universität München(慕尼黑工业大学)
本综述探讨了认知架构在支持开发具备高级通用智能的类用户软件机器人中的作用,并提出了未来开发自主认知机器人的关键架构建议。
2023-11-20 cs.AI cs.HC cs.MA
Factory Operators' Perspectives on Cognitive Assistants for Knowledge Sharing: Challenges, Risks, and Impact on Work
Delft University of Technology(代尔夫特理工大学)
本文通过两年纵向研究,考察工厂中部署认知助手对知识共享的影响,发现其虽能提升效率,但也带来监控、隐私、知识贡献负担及操作员与管理者之间的紧张关系等挑战。
2024-09-30 cs.AI cs.HC
Kernels of Selfhood: GPT-4o shows humanlike patterns of cognitive consistency moderated by free choice
Cangrade, Inc.(坎格雷德公司);Boston University(波士顿大学);The University of New South Wales(新南威尔士大学);Harvard University(哈佛大学)
本研究探究大型语言模型是否具有类人认知一致性,通过两项预注册研究发现GPT-4o撰写普京相关文章后态度会向文章方向改变,且虚假选择权会加剧该效应,表明其具有类人自我的功能类似物。
2025-01-27 cs.AI cs.CL cs.CY
What Guides Our Choices? Modeling Developers' Trust and Behavioral Intentions Towards GenAI
针对生成式人工智能工具在软件开发中因信任错位、认知多样性支持不足等问题,通过调查238名开发者并构建统计模型,揭示系统质量等因素对信任的影响及认知风格与使用意向的关系,为包容性设计提供建议。
2024-12-02 cs.HC
Belief Offloading in Human-AI Interaction
Princeton University(普林斯顿大学);Eindhoven University of Technology(埃因霍温理工大学);University of Cambridge(剑桥大学)
本文研究了人类在与人工智能交互时,将信念形成过程卸载给AI系统的影响及潜在后果。
2026-02-09 cs.AI cs.CY cs.HC
A Multi-Scale Cognitive Interaction Model of Instrument Operations at the Linac Coherent Light Source
针对LCLS实验效率问题,提出多智能体多尺度认知交互模型,模拟操作员、分析师和管理者角色,预测界面与流程变更影响,以指导优化,提升效率与安全性。
2024-12-18 cs.HC cs.MA hep-ex
Predicting Biased Human Decision-Making with Large Language Models in Conversational Settings
University College Dublin(都柏林大学)
研究大语言模型能否预测对话环境中的偏差决策,通过预注册研究发现参与者有认知偏差及负载偏差交互,评估LLMs预测能力,结果表明GPT-4家族表现出色,有助于理解LLMs模拟人类决策及设计适应偏差的对话代理。
2026-07-07 cs.AI cs.HC
Navigating the Unknown: A Chat-Based Collaborative Interface for Personalized Exploratory Tasks
Southeast University(东南大学);Microsoft(微软公司);Nanjing University(南京大学)
针对大语言模型聊天机器人在模糊查询下个性化支持不足的问题,提出融合多智能体框架与三面板结构化界面的CARE系统,可识别用户显隐性需求并生成定制方案,用户研究显示其相比基线系统更受偏好。
2024-10-31 cs.AI cs.CL cs.HC
Scaffolding Human-AI Collaboration: A Field Experiment on Behavioral Protocols and Cognitive Reframing
Microsoft Corporation(微软公司)
本文通过实地实验探讨了行为和认知支架干预对人类-人工智能协作的影响,发现认知支架干预提升了文档质量,但结果受限于实验设计的潜在偏差。
2026-04-19 cs.HC econ.GN q-fin.EC
Socrates went Nuclear: Comparing Interaction Strategies for AI systems in a Learning Context using Brain Sensing
ETH Zürich(苏黎世联邦理工学院);MIT Media Lab(麻省理工学院媒体实验室)
该研究对比学习情境中三种AI交互策略,发现不受限制的ChatGPT式机器人学习增益更高,自适应辅导系统脑电参与度显著更高,且前者的成功源于即时后测而非深层学习
2026-09-02 cs.AI cs.HC
The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Review and Mapping Study
Queen's University(女王大学)
本文通过综述39项研究,探讨LLM助手对软件开发者生产力的影响,发现多数研究显示积极效益,但存在认知卸载和团队协作风险,研究指出需更全面的评估方法。
2026-08-04 cs.AI cs.HC cs.SE
Towards Automatic building of Human-Machine Conversational System to support Maintenance Processes
University of Pisa(比萨大学)
随着工业4.0范式的引入,企业正在应对许多认知变化。在这个不断变化的环境中,知识管理是一个关键因素。对话系统能够与人进行对话,可以支持商业环境中的知识管理。虽然,这些系统目前是手工编码的,需要人类的干预来编写所有可能的问题和答案,然后规划交互。这一过程除了耗时之外,还不可扩展。相反,对话系统,也称为聊天机器人,可以通过简单地从技术文档中提取规则从头开始构建。因此,本研究的目标是设计一种方法,用于自动构建人机对话系统,能够在工业环境中进行交互。初始分类法包含维护手册中的实体,用于识别BOBST SA公司提供的手册中的相关语句,并应用文本挖掘技术,自动扩展。最终的结果是一个表示实体及其关系的分类网络,该网络将用于未来管理维护聊天机器人交互的工作。
2020-05-13 cs.CL cs.HC
Psychological Influences of Conversational AI: Research and Design Directions for Reducing Harm and Promoting Well-Being
Microsoft(微软);City University of New York(纽约城市大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
研究对话式人工智能对用户心理的影响,借鉴相关研究和观察,提出指导通用人工智能系统行为的方向,设为假设以研究其在不同场景对用户的影响,旨在减少心理伤害、支持福祉,鼓励相关探讨与研究。
2026-07-29 cs.AI cs.CY cs.HC
The usability canary in the security coal mine: A cognitive framework for evaluation and design of usable authentication solutions
在过去的15年里,研究人员发现了越来越多的安全机制,这些机制是如此不可用,以至于目标用户要么绕过它们,要么放弃服务,而不是遭受安全性。事后来看,原因很容易确定:要么安全任务本身太麻烦和/或太耗时,要么它与用户的主要任务产生了很大的摩擦。这里提出的研究的目的是装备设计师谁选择和实现安全机制的方法,用于确定"最适合"的安全机制在设计阶段。由于许多可用性问题已被确定与身份验证,我们专注于“最适合”的身份验证,并提出了一个框架,允许安全设计师不仅建模与特定的身份验证方法相关联的工作负载,但更重要的是,它在用户的主要任务的上下文中建模。我们利用认知心理学的结果来创建一种方法,使设计师能够了解特定身份验证方法对用户生产力和满意度的影响。在一个验证研究中,使用的物理模型的航空公司值机亭,我们证明了该模型可以预测用户的性能和满意度。此外,设计专家提出了个性化的订单建议,这与我们模型的预测相似。我们的模型是第一个支持识别用户身份验证任务与执行该任务的上下文之间的整体匹配的模型。当应用于新系统时,我们相信它将帮助设计师了解其安全选择的可用性影响,从而开发出最大化两者的解决方案。
2016-07-12 cs.CR cs.HC
Distributed Human Identity: AI-Enabled Multi-Existence Through Cognitive Replication and Robotic Embodiments
Faculty of Design and Creative Technologies, Auckland University of Technology(设计与创意技术学院,奥克兰技术大学)
本文提出多存在身份框架,通过认知、行为和情感属性的复制,实现AI赋能的多场景存在,突破传统物理躯体限制,提升身份一致性与文化相关性,探讨其在专业、教育、医疗等领域的应用与伦理挑战。
2026-03-13 cs.AI cs.HC cs.MA
Classifying Subjective Time Perception in a Multi-robot Control Scenario Using Eye-tracking Information
University of Konstanz(康斯坦茨大学);Centre for the Advanced Study of Collective Behaviour (CASCB)(集体行为高级研究中心)
本文研究在人机集群交互场景中利用眼动追踪数据分类操作员的主观时间感知,提出基于个体预训练的方法,并验证其有效性,为自适应人机交互系统提供依据。
2025-04-08 cs.HC cs.LG cs.RO
Emulating Aggregate Human Choice Behavior and Biases with GPT Conversational Agents
University College Dublin(都柏林大学)
本研究利用GPT对话代理模拟人类决策偏差,通过对话实验揭示LLMs在个体层面预测和再现偏差的能力,为设计适应性AI系统提供重要启示。
2026-02-05 cs.AI cs.HC cs.MA