User-Centered Design (VIII): A New Framework of Intelligent Sociotechnical Systems and Prospects for Future Human Factors Research
传统的社会技术系统（STS）理论得到了广泛的应用，但随着智能时代的到来，STS环境出现了许多新的特点，导致了传统STS理论的局限性。基于“以用户为中心的设计”思想，提出了智能社会技术系统（iSTS）的新框架，概括了iSTS的新特征及其对智能系统发展的启示。iSTS的未来研究需要包括人因工程在内的多学科合作，本文最后从人因工程方法论和方法论两个方面提出了建议。
2023-03-06 cs.HC
Artificially intelligent agents in the social and behavioral sciences: A history and outlook
Department of Computer Science, Aalto University（阿尔托大学计算机科学系）；Center for Computational Social Science, Kobe University（大阪大学计算社会科学中心）；Department of Methodology, London School of Economics and Political Science（伦敦政治经济学院方法论系）
回顾人工智能代理在社会与行为科学中的历史发展与当前趋势，涵盖从可编程计算机到社会模拟、大语言模型实验等，强调其在科学过程中的作用及带来的变化，如社会系统科学兴起等，凸显与相关技术紧密相连。
2026-07-21 cs.AI cs.CY
A Mixed User-Centered Approach to Enable Augmented Intelligence in Intelligent Tutoring Systems: The Case of MathAIde app
本研究提出MathAIde智能辅导系统，通过计算机视觉和AI批改数学练习并提供反馈，采用以教师为中心的混合用户驱动设计方法，在资源有限的课堂环境中展现了良好的效率与可用性。
2025-09-15 cs.AI cs.HC
Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management
针对农业AI算法推荐与农民实践脱节的问题，本研究将基于能力、善意、诚信维度的农民信任量化模型嵌入多目标强化学习策略优化，推动AI在农业的广泛应用。
2025-05-16 cs.AI
Unveiling the Role of Expert Guidance: A Comparative Analysis of User-centered Imitation Learning and Traditional Reinforcement Learning
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Saarland University（萨尔大学）
本研究对比以用户为中心的模仿学习与传统强化学习，探究专家指导与次优演示的影响，通过Unity仿真实验分析两类方法的效能与局限，为以人为中心的AI发展提供参考。
2024-10-28 cs.AI cs.LG
Tell Me Something That Will Help Me Trust You: A Survey of Trust Calibration in Human-Agent Interaction
University of Maryland, Baltimore County（马里兰大学巴尔的摩郡分校）；Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）
当一个人从智能代理接收到预测或建议的行动过程时，除了预测或建议本身之外，人类还需要从代理那里获得什么额外的信息来决定是信任还是拒绝预测或建议？在本文中，我们调查文献在一个单一的人类主管和一个单一的代理下属之间的信任，以确定这种额外的信息的性质和程度，并将其特征化为一个分类，可以利用未来的研究人员和智能代理从业者。通过从以人为本、以信息为中心的角度来审视这个问题，我们可以开始比较和对比不同的实现，并为未来的工作提供见解和方向。
2022-05-06 cs.AI cs.CY cs.HC
Intelligent Replication Management for HDFS Using Reinforcement Learning
Sungkyunkwan University（成均馆大学）
用于云计算的存储系统将大量商用计算机合并到单个大型存储池中。它通过不可靠的动态网络提供高性能存储，成本低于购买和维护大型主机。在本文中，我们研究将强化学习（RL）应用于系统域问题是否可行。实验结果表明，RL模型在解决块管理问题上具有可比性，甚至优于其他算法。然而，我们的实验在可扩展性和保真度方面是有限的。尽管我们的公式不是很实用，但将强化学习应用于系统领域可以为现有的算法提供很好的替代方案。
2020-08-19 cs.AI cs.DC cs.LG
User-Centered Design (IX): A "User Experience 3.0" Paradigm Framework in the Intelligence Era
基于“以用户为中心的设计”设计理念的用户体验（UX）领域正在走向智能时代。尽管如此，现有的用户体验范式主要针对非智能系统，缺乏针对智能系统的用户体验的系统方法。纵观UX的发展历程，UX范式呈现出跨技术时代的演进特征。当前，智能时代对用户体验范式提出了新的要求。为此，本文提出了智能时代的“UX 3.0”范式框架和相应的UX方法论体系。“UX 3.0”范式框架包括生态体验、创新赋能体验、AI赋能体验、基于人-AI交互的体验、基于人-AI协作的体验方法五大类UX方法，每一类都提供了相应的多个UX范式方向。“UX 3.0”范式的提出有助于改进现有的UX方法，为UX在智能系统开发中的研究和应用提供了方法论支持。最后，本文对“UX 3.0”范式的未来研究和应用进行了展望。
2023-03-24 cs.AI cs.HC
An intelligent sociotechnical systems (iSTS) framework: Enabling a hierarchical human-centered AI (hHCAI) approach
针对当前HCAI实践缺乏社会技术思维的问题，本文提出iSTS框架以扩展传统STS理论，并进一步整合出分层式hHCAI方法，从个体到社会层面实现以人为本的联合优化。
2024-10-24 cs.HC
Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy
University of Maryland（马里兰大学）
设计良好的技术，提供高水平的人类控制和高水平的计算机自动化，可以提高人类的表现，导致更广泛的采用。以人为中心的人工智能（HCAI）框架阐明了如何（1）设计高水平的人类控制和高水平的计算机自动化，以提高人类的表现，（2）了解完全人类控制或完全计算机控制是必要的情况，以及（3）避免过度人类控制或过度计算机控制的危险。HCAI的方法更有可能产生可靠、安全和值得信赖的设计。实现这些目标将大大提高人类的表现，同时支持人类的自我效能，掌握，创造力和责任感。
2020-02-23 cs.AI cs.HC
Learning Algorithmic Solutions to Symbolic Planning Tasks with a Neural Computer Architecture
Technische Universität Darmstadt（达姆施塔特工业大学）；Universität zu Lübeck（吕贝克大学）；Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
智能行为的一个关键特征是学习抽象策略的能力，这些策略可以转移到不熟悉的问题上。因此，我们提出了一种新的架构，基于内存增强网络，这是现代计算机的冯诺依曼和哈佛架构的启发。这种架构能够在强化学习环境中通过演化策略学习抽象算法解决方案。应用于推箱子，滑块拼图和机器人操作任务，我们表明，该架构可以学习算法的解决方案具有很强的泛化和抽象：扩展到任意任务配置和复杂性，并独立于数据表示和任务域。
2020-06-03 cs.AI cs.LG cs.NE
Toward Human-Centered Human-AI Interaction: Advances in Theoretical Frameworks and Practice
Zhejiang University（浙江大学）
本文提出以人为本的人机协作框架，通过理论、方法和应用三个维度推动人机交互技术的发展，促进智能社会的和谐共存。
2026-02-18 cs.HC
100 Drivers, 2200 km: A Natural Dataset of Driving Style toward Human-centered Intelligent Driving Systems
School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院）
本文构建覆盖多场景、含100名驾驶员主观风格标签及详细横纵向操纵数据的100-DrivingStyle数据集，并用六类分类器验证其基准价值。
2024-06-12 cs.HC cs.RO
Multi-Modal Recognition of Worker Activity for Human-Centered Intelligent Manufacturing
在以人为中心的智能制造系统中，感知和理解工人的活动是首要任务。在本文中，我们提出了一种新的多模态方法，利用不同传感器和不同模态的信息进行工人活动识别。具体地，智能臂带和视觉摄像头分别用于捕获惯性测量单元（IMU）信号和视频。对于IMU信号，我们在频域和空间域中设计了两种新的特征变换机制，以将捕获的IMU信号组装为图像，这允许使用卷积神经网络来学习最具鉴别力的特征。除了上述两种形式，我们还提出了视频数据的其他两种形式，分别在视频帧和视频剪辑级别。四种模态中的每一种都返回关于活动预测的概率分布。然后，这些概率分布被融合以输出工人活动分类结果。建立了6个活动的工人活动数据集，目前包含装配任务中的6个常见活动，抓住工具/零件，钉钉子，使用电动螺丝刀，休息手臂，转动螺丝刀，使用扳手。开发的多模态方法在此数据集上进行评估，并在留一法和对半实验中分别达到高达97%和100%的识别准确率。
2019-08-20 cs.CV cs.HC cs.LG
Player-Centered AI for Automatic Game Personalization: Open Problems
Drexel University（德雷塞尔大学）；Google（谷歌）
计算机游戏代表了下一代个性化数字应用的理想研究领域。本文提出了一个以玩家为中心的游戏个性化AI框架，作为对常用的以系统为中心的方法的补充。基于行为结构理论，本文勾勒出当前游戏个性化研究的图景，并确定了8个需要进一步研究的开放性问题。这些问题需要技术进步和玩家体验设计之间的深度合作。
2021-02-15 cs.AI cs.HC
Intelligent User Interfaces - A Tutorial
IUI旨在将智能自动化功能纳入人机交互中，其净影响是以关键方式提高性能或可用性的人机交互。它还涉及设计和实现一个人工智能（AI）组件，有效地利用人类的技能和能力，使人类在应用程序中表现出色。IUI体现了传统上与人类而不是计算机联系更紧密的能力：如何感知，解释，学习，使用语言，推理，计划和决定。
2017-02-17 cs.HC
Inclusive Practices for Child-Centered AI Design and Testing
University of California, Irvine（加利福尼亚大学欧文分校）
本文基于作者作为神经分歧个体的经验，提出面向神经分歧儿童的AI设计与测试包容性实践，强调纳入儿童意见并考虑其感觉敏感性，以完善儿童中心AI方法。
2024-04-09 cs.AI cs.HC
Enabling human-centered AI: A new junction and shared journey between AI and HCI communities
人工智能（AI）带来了好处，但如果开发不当，也可能造成伤害。目前的发展主要是由“以技术为中心”的方法驱动的，造成了许多失败。例如，人工智能事件数据库已经记录了一千多起与人工智能相关的事故。为了应对这些挑战，以人为本的人工智能（HCAI）方法得到了推广，并在过去几年中得到了越来越多的认可。HCAI呼吁将人工智能与用户体验（UX）设计相结合，将使人工智能系统的开发成为可能（例如，自动驾驶汽车、智能用户界面或智能决策系统），以实现其设计目标，如可用/可解释的AI、人类控制的AI和道德AI。虽然HCAI的推广仍在继续，但它并没有具体解决人工智能和人机交互（HCI）社区之间的合作，导致双方应该采取什么行动来应用HCAI开发人工智能系统的不确定性。该观点关注AI和HCI社区之间的合作，这导致了九项有效合作的建议，以使HCAI能够开发AI系统。
2023-02-18 cs.HC
Designing an intelligent computer game for predicting dysgraphia
本研究针对书写障碍现有检测滞后的问题，设计了一组聚焦认知差异的电脑游戏，结合机器学习分析儿童交互行为，并加入测试条件检测算法预处理，实现了93.24%的书写障碍预测准确率。
2025-01-30 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
User-driven Intelligent Interface on the Basis of Multimodal Augmented Reality and Brain-Computer Interaction for People with Functional Disabilities
CHArt Laboratory (Human and Artificial Cognitions)（CHArt实验室（人类与人工认知实验室））；University of Paris 8（巴黎第八大学）；CreativiTIC Innova SL（CreativiTIC创新有限公司）
分析了当前用户-机器交互的一些模式和用例的集成尝试。用户驱动的智能界面的新概念提出的基础上，多模态增强现实和脑机交互的各种应用：在残疾人研究，教育，家庭护理，医疗保健等多模态增强的几个用例。本文概述了利用脑-机交互技术，通过神经物理通道的即时反馈来提高人类理解能力的前景。它表明，脑机接口（BCI）技术提供了新的策略，以克服目前可用的用户界面的限制，特别是对有功能障碍的人。先前对低端消费者和开源BCI设备的研究结果使我们能够得出结论，机器学习（ML）、多模态交互（视觉、声音、触觉）与BCI的组合将受益于ML方法分类的实际神经物理反应的即时反馈。一般来说，BCI与其他AR交互模式相结合可以提供比这些类型的交互本身更多的信息。即使在目前的状态下，结合AR-BCI接口可以提供高度适应性和个性化的服务，特别是对有功能障碍的人。
2017-08-15 cs.AI cs.DC cs.HC
Leveraging Large Language Model and Story-Based Gamification in Intelligent Tutoring System to Scaffold Introductory Programming Courses: A Design-Based Research Study
University of Sheffield（谢菲尔德大学）
编程技能正在迅速成为许多教育途径和职业机会的必要条件。然而，对于许多国际学生来说，由于语言的复杂性，缺乏先前的编程知识以及语言和文化障碍，传统的入门编程课程教学方法可能是一个重大挑战。本研究探讨了大语言模型和游戏化如何帮助中国学生在入门编程课程中学习编程并增加归属感。在这个项目中，开发了一个游戏化智能辅导系统，以适应中国国际学生的学习需求，并提供脚手架，以支持他们在入门计算机编程课程的成功。
2023-02-25 cs.AI cs.HC
Single Conversation Methodology: A Human-Centered Protocol for AI-Assisted Software Development
Stefanini（斯蒂法尼）
本文提出单次对话方法论（SCM），通过在一个长上下文对话中完成从需求到实现的全部开发阶段，纠正对LLM的被动依赖，重申开发者作为架构师和监督者的主动角色。
2025-07-16 cs.AI cs.HC cs.SE
Humanizing AI Grading: Student-Centered Insights on Fairness, Trust, Consistency and Transparency
North Carolina State University（北卡罗来纳州立大学）
本研究通过比较AI与人工评分反馈，探讨学生对AI评分系统在公平性、信任、一致性与透明性方面的看法，并提出人本化AI的设计原则。
2026-02-22 cs.AI cs.HC
Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments
本文为感兴趣的初学者提供了智能教学系统（ITS）领域的最新和详细的介绍。ITS是使用人工智能技术来增强和个性化教学自动化的计算机程序。本文是一个文献综述，提供了以下内容：第一，回顾历史的ITS随着讨论人类学习和计算机导师之间的接口，以及如何有效的ITSs在当代教育。其次，传统的建筑组成部分的ITS和它们的功能进行了讨论，随着各种ITS所采取的方法。最后，在ITS系统的最新创新的想法。本文的结论与一些作者的意见，对未来的工作领域的智能教学系统。
2018-12-23 cs.CY cs.HC
A Cognitive Science perspective for learning how to design meaningful user experiences and human-centered technology
Carnegie Mellon University（卡内基梅隆大学）
本文回顾了认知科学、人机交互（HCI）和自然语言处理（NLP）方面的文献，以考虑类比推理（AR）如何帮助设计通信和学习技术，以及在线社区和数字平台。首先，类比推理（AR）的定义，AR在计算科学中的用例。介绍了模式的概念，以及计算中的用例。最后，建议在计算科学中使用类比推理和模式方法的未来工作。
2021-06-02 cs.AI cs.CY cs.HC
Who's Thinking? A Push for Human-Centered Evaluation of LLMs using the XAI Playbook
Arthur（亚瑟）
部署的人工智能（AI）通常会影响人类，并且没有一个放之四海而皆准的指标来评估这些工具。以人为本的AI系统评估结合了定量和定性分析以及人工输入。它已经在可解释人工智能（XAI）和人机交互（HCI）社区中进行了深入的探索。差距仍然存在，但基本的理解是，人类与人工智能互动，以及随之而来的解释，以及人类的需求--包括他们的认知偏见和怪癖--应该被放在首位和中心，这一点被社区所接受。在本文中，我们将相对成熟的XAI领域与围绕大语言模型（LLM）的快速发展的研究热潮进行了比较。LLM的公认评价指标不是以人为中心的。我们认为，在过去十年中，XAI社区所走过的许多相同的道路将在讨论LLM时被翻新。具体来说，我们认为，人类的倾向-再一次，与他们的认知偏见和怪癖-应该休息的前面和中心时，评估部署的LLM。我们概述了以人为本的XAI评估的三个重点领域：心智模型，用例效用和认知参与，我们强调了探索LLM的每个概念的重要性。我们的目标是启动以人为中心的LLM评估。
2023-03-10 cs.AI cs.HC
Toward Human-Centered Simulation Modeling for Critical Infrastructure Disaster Recovery Planning
关键基础设施易受各种危害的影响。在极端事件发生后，及时有效地恢复关键基础设施至关重要。然而，关键基础设施灾后恢复规划是复杂的，涉及以领域和用户为中心的特点和复杂性。恢复规划目前很少使用基于计算机的定量工具，而是主要依赖于专家的判断。仿真建模可以简化以领域为中心的复杂性，但不能简化人为因素。相反，以人为本的设计将最终用户置于设计的中心。我们讨论了仿真建模与以人为本的设计相结合的好处，并称之为以人为本的仿真建模。以人为中心的仿真建模能够使关键基础设施和应急管理专家以及其他恢复计划决策者更简单、更易于理解。
2018-11-13 cs.HC
Human-Centered Explainable AI (XAI): From Algorithms to User Experiences
Microsoft Research（微软研究院）；IBM Research（IBM研究院）
近年来，可解释人工智能（XAI）领域已经产生了大量的算法，为研究人员和从业者构建XAI应用程序提供了有用的工具箱。随着丰富的应用机会，可解释性被认为已经超越了数据科学家或研究人员理解他们开发的模型的需求，成为人们信任和采用在众多领域部署的人工智能的基本要求。然而，可解释性本质上是以人为中心的属性，该领域开始接受以人为中心的方法。这一领域的人机交互（HCI）研究和用户体验（UX）设计正变得越来越重要。在本章中，我们从XAI算法的技术前景的高层次概述开始，然后有选择地调查我们自己和其他最近的HCI作品，这些作品采用以人为本的方法来设计，评估，并为XAI提供概念和方法工具。我们提出的问题是“以人为本的方法为XAI做什么”，并强调他们在塑造XAI技术中发挥的三个作用，帮助导航，评估和扩展XAI工具箱：通过用户的可解释性需求来驱动技术选择，发现现有XAI方法的陷阱并告知新方法，并为人类兼容的XAI提供概念框架。
2022-04-19 cs.AI cs.HC
Smart operators in industry 4.0: A human-centered approach to enhance operators' capabilities and competencies within the new smart factory context
随着工业4.0的形成，人类操作员的日常任务越来越复杂：他们需要高度灵活，并在非常动态的工作环境中展示适应能力。它要求工具和方法可以很容易地嵌入到日常实践中，并能够将复杂的方法与高可用性要求相结合。从这个角度来看，拟议的研究工作集中在一个实用的解决方案，称为Sophos-MS的设计和开发，能够集成增强现实内容和智能辅导系统与尖端的成果技术，为运营商的支持，在复杂的人机交互。在为工业4.0范式中的智能运营商概念建立了一个参考方法框架后，提出了拟议的解决方案，以及其功能和非功能要求。这些要求通过结构化设计策略来满足，其主要成果包括一个多层模块化解决方案Sophos-MS，该解决方案依赖于增强现实内容和具有语音交互功能的智能个人数字助理。所提出的方法已经部署，其培训潜力进行了实地实验研究。首先检查实验活动结果，以确保其统计相关性，然后进行分析评估，以表明所提出的解决方案对运营商的学习曲线具有真正的影响，并且可以区分谁使用它，谁不使用它。
2022-05-30 cs.HC
Discovering the Sweet Spot of Human-Computer Configurations: A Case Study in Information Extraction
交互式智能系统，即，采用人工智能技术的交互系统目前存在于我们社会、公共和政治生活的许多领域。在这些系统的开发中经常出现的一个问题是关于适当的人力和计算机贡献水平的问题。工程师和设计师缺乏一种方法来系统地定义和界定在自动化水平方面设计这种系统的可能选项。在本文中，我们提出，应用和反思的人机配置设计的方法。它支持设计空间的系统调查，以开发一个交互式智能系统。我们说明了我们的方法与协作构思的背景下的用例。在这里，我们开发了一个工具，用于从想法内容中提取信息抽取。一个挑战是找到正确的算法支持水平，从而信息抽取的质量应该尽可能高，但同时，人工努力应该低。这种相互矛盾的目标往往是系统开发中的一个问题，因此，我们提出的方法帮助我们概念化和探索设计空间。基于对我们的方法应用的批判性反思，我们希望为交互式智能系统的以价值为中心的设计提供一个补充的视角。我们的首要目标是为人类和计算机是合作伙伴的所谓混合系统的设计做出贡献。
2019-09-16 cs.HC
User-Centered AI for Data Exploration: Rethinking GenAI's Role in Visualization
本文倡导从以自动化为中心转向以用户为中心的自适应GenAI可视化工具，通过评估用户专业水平并动态调整交互与推理，使GenAI成为增强认知的智能协作者。
2025-04-08 cs.HC
Learning Patterns in Imaginary Vowels for an Intelligent Brain Computer Interface (BCI) Design
Texas A&M University（得克萨斯农工大学）；West Texas A&M University（西得克萨斯农工大学）
技术的进步使得从人脑中测量非侵入性和高质量的脑电图（EEG）信号变得容易。因此，开发鲁棒和高性能的AI算法对于正确处理EEG信号并识别模式变得至关重要，从而产生适当的控制信号。尽管在处理运动想象EEG信号方面取得了进展，但诸如情绪检测等医疗保健应用仍处于人工智能设计的早期阶段。在本文中，我们提出了一个模块化的框架识别元音作为人工智能的一部分，脑机接口系统。我们精心设计了模块，以区分原始EEG信号的英语元音，同时避免了像大多数医疗保健应用程序一样的数据贫乏环境的典型问题。建议的框架包括适当的信号分割，滤波，提取光谱特征，减少通过主成分分析的维度，最后一个基于决策树的支持向量机（DT-SVM）的多类分类。我们的框架的性能进行了评估测试集和resubstitution（也称为明显的）出错率的组合。我们提供了算法的建议框架，使它很容易为未来的研究人员和开发人员谁想要遵循相同的工作流程。
2022-02-18 cs.HC cs.LG eess.SP
Interaction and resistance: The recognition of intentions in new human-computer interaction
正如人工智能已经远离经典人工智能一样，人机交互（HCI）必须从我所说的“老式HCI”转向“新HCI”-它必须成为认知系统研究的一部分，其中HCI是智能代理交互的一个案例（我们现在知道交互对智能代理来说是必不可少的）。对于这样的互动，我们不能只是“分析数据”，但我们必须假设对方的意图，我认为这些在很大程度上是通过抵制实现自己的意图来识别的。这不需要完全认知的代理，但可以从非常基本的水平开始。新的HCI集成到认知系统研究中，并设计了能够抵抗人类代理的故意系统。
2016-06-10 cs.HC
Outlining the Design Space of Explainable Intelligent Systems for Medical Diagnosis
智能系统的采用为医疗工作带来了机遇和挑战。从积极的方面来看，智能系统有可能计算来自患者的复杂数据，并为医生生成自动诊断建议。然而，医疗专业人员通常将这种系统视为黑盒，因此，对依赖系统生成的结果来做出决策感到担忧。在本文中，我们有助于正在进行的讨论可解释的人工智能（XAI）从以人为中心的角度探索解释的概念。我们假设，如果系统被设计成像医生一样思考和行动，医疗专业人员会认为系统是可解释的。我们报告了一项初步的访谈研究，收集了六名医疗专业人员对他们如何与诊断和治疗目的的数据进行互动的反映。我们的数据揭示了医生何时以及如何在各种类型的数据中进行优先排序，作为其诊断过程的核心部分。基于这些发现，我们概述了未来的方向，在医疗方面的XAI系统的设计。
2019-02-16 cs.CY cs.HC
Contextual Intelligent Decisions: Expert Moderation of Machine Outputs for Fair Assessment of Commercial Driving
The University of Nottingham（诺丁汉大学）；University of St Andrews（圣安德鲁斯大学）；Microlise
商业驾驶是一项复杂的多方面任务，受个人特质和外部环境因素（如天气，交通，道路状况等）的影响，以前的智能商业驾驶员评估系统在分析驾驶行为对道路安全的影响时没有考虑这些因素，可能会产生偏见，不准确和不公平的评估。在本文中，我们介绍了一种方法（以专家为中心的驾驶员评估）对驾驶员的行为进行更公平的自动道路安全评估，考虑到行为作为对环境因素的反应。智能决策过程中嵌入的上下文调节由专家输入支持，包括行业中的一系列相关利益相关者。在文献和专家意见的指导下，我们确定了影响驾驶的关键因素，并开发了一个区间值响应格式的问卷调查，以捕捉专家意见之间的因素和方差的影响的不确定性。问卷调查数据建模和分析使用模糊集，因为它们提供了一个合适的计算方法被纳入决策系统的不确定性。该方法使我们能够确定在调节驾驶员传感器数据时需要考虑的因素，并有效地捕捉专家对因素影响的意见。我们的方法使用重型货车专业人士输入的一个例子，以展示如何以专家为中心的适度可以嵌入到智能驾驶员评估系统。
2022-02-20 cs.AI cs.HC cs.LO
Neighbor-Environment Observer: An Intelligent Agent for Immersive Working Companionship
本文提出一种联合观察策略及原型系统NEO，利用非侵入式传感器帮助用户应对沉浸式工作体验中的干扰，实验证明其能有效减轻用户工作负荷并适用于智能家居场景。
2024-03-27 cs.HC
Interpretable Aesthetic Analysis Model for Intelligent Photography Guidance Systems
美学评价模型是预测用户审美体验和开发高质量用户界面的核心。然而，以前的美学评价方法在很大程度上忽略了模型的可解释性，因此不适合许多人机交互任务。我们通过使用超网络来学习整体美学评分作为个人美学属性得分的组合来解决这个问题。我们还引入了一个专门设计的注意力机制，属性得分估计，使用户能够确切地知道哪些部分/元素的视觉输入导致估计的分数。我们通过设计一个智能摄影引导系统来证明我们的想法。计算结果和用户研究证明了我们的方法的可解释性和有效性。
2022-02-09 cs.HC
Coupling Control and Human-Centered Automation in Mathematical Models of Complex Systems
在本文中，我们从数学上分析了如何将人为因素有效地纳入复杂系统的分析和控制中。作为一个例子，我们集中我们的讨论围绕在智能交通系统（ITS）的理论和实践中的关键问题之一，速度控制的问题，在这里被认为是一个决策过程，有限的信息。这个问题是在数学上铸造的控制问题的一般框架，并在动态变化的环境中，控制耦合到以人为中心的自动化的背景下处理。由于在这种情况下，控制可能不限于少量的控制设置，因为它往往是在控制文献中假设，严重的困难出现在这个问题的解决方案。我们证明，这个问题可以减少到一组的Hamilton-Jacobi-Bellman方程的人的因素，通过系统的哈密顿量的估计。在ITS的上下文中，这些估计可以获得与使用车载设备，如传感器/接收器/执行器，车载通信设备等所提出的方法提供了一种方法来集成人为因素到其他复杂的动态系统的模型的求解过程。
2007-02-25 cs.AI cs.CE cs.HC
Stop ordering machine learning algorithms by their explainability! A user-centered investigation of performance and explainability
TU Dortmund University（多特蒙德工业大学）
机器学习算法使现代智能系统中的高级决策成为可能。研究表明，它们的模型性能和可解释性之间存在权衡。具有更高性能的机器学习模型通常基于更复杂的算法，因此缺乏可解释性，反之亦然。然而，从最终用户的角度来看，几乎没有经验证据表明这种权衡。我们的目标是通过进行两个用户实验提供经验证据。使用两个不同的数据集，我们首先测量五种常见的机器学习算法的权衡。第二，我们解决的问题，最终用户的看法，可解释的人工智能增强，旨在提高高性能复杂模型的决策逻辑的理解。我们的研究结果偏离了广泛的折衷曲线的假设，并表明模型性能和可解释性之间的权衡在最终用户的感知中是渐进的。这与假设的固有模型可解释性形成鲜明对比。此外，我们发现权衡是情境性的，例如由于数据复杂性。我们的第二个实验的结果表明，虽然可解释的人工智能增强可以用来增加可解释性，解释的类型在最终用户的感知中起着至关重要的作用。
2022-06-20 cs.AI cs.HC cs.LG
Human-Centered Artificial Social Intelligence (HC-ASI)
Department of Psychology and Behavioral Sciences, Zhejiang University（浙江大学心理学与行为科学系）
本研究提出以人为中心的人工社会智能框架，结合技术、人类因素和伦理三角，系统解决社交智能AI开发中的技术与设计问题，并通过案例研究展示其在医疗、教育等领域的应用。
2025-11-26 cs.HC
How to Support Users in Understanding Intelligent Systems? Structuring the Discussion
许多智能系统的不透明本质违反了已建立的可用性原则，因此对人机交互提出了挑战。因此，该领域的研究突出表明，除其他外，需要透明度、可理解性、可解释性和可解释性。虽然所有这些术语都带有支持用户理解智能系统的愿景，但关于用户及其与系统交互的基本概念和假设通常仍然不清楚。我们回顾了HCI中的文献，通过隐含的用户问题的镜头来合成一个概念框架，将用户的心态，用户参与和知识成果整合在一起，以揭示，区分和分类先前工作中的当前概念。该框架旨在解决该领域的概念模糊性，使研究人员能够澄清他们的假设，并意识到在以前的工作中所做的。因此，我们希望在HCI研究社区中推进和构建对话，以支持用户理解智能系统。
2021-02-18 cs.HC
Building Intelligent User Interfaces for Human-AI Alignment
University of Cambridge（剑桥大学）
本文提出参考模型，通过分析用户界面改进人机对齐，展示两个案例研究和六个界面的初步调查，强调人机交互对对齐的促进作用。
2026-02-12 cs.HC
Automating the Path: An R&D Agenda for Human-Centered AI and Visualization
本文提出系统框架，将HCAI的四大工具能力映射到视觉意义构建四阶段，回顾工具、展望未来、识别挑战与伦理考量，为可视化领域整合AI及支持HCAI研究提供研发议程。
2025-04-10 cs.HC
Opening the Design Space: Two Years of Performance with Intelligent Musical Instruments
The Australian National University（澳大利亚国立大学）
本文探讨了在可访问且便携的AI系统支持下，智能音乐乐器的设计空间，通过两年的艺术研究，展示了AI交互的新策略和方法。
2026-04-26 cs.HC cs.SD
A "User Experience 3.0 (UX 3.0)" Paradigm Framework: User Experience Design for Human-Centered AI Systems
针对现有UX范式难以适配人本AI系统开发的问题，本文提出面向智能时代的“UX 3.0”范式框架及对应方法论，涵盖四类新兴体验，为相关UX实践与研究提供方法支撑。
2024-03-07 cs.HC
Intelligent Human Machine Interface Design for Advanced Product Life Cycle Management Systems
设计和实现一个智能的和用户友好的人机界面的任何类型的软件或面向硬件的应用程序一直是一个具有挑战性的任务，为设计师和开发人员，因为它是非常困难的理解用户的心理，工作的性质和最佳的环境适应。本研究论文基本上是提出一个智能的，灵活的和用户友好的机器界面的产品生存周期管理产品或PDM系统，因为研究表明，可用性和人机交互问题是一个主要原因的验收问题引入或使用这样的系统。在此基础上，根据人机界面的设计需求、设计方案和开发技术，给出了主题的原型实现。
2010-08-07 cs.HC
Looking for the Human in HRI Teaching: User-Centered Course Design for Tech-Savvy Students
Ostfalia University of Applied Sciences（奥斯特法利亚应用科学大学）
针对技术熟练学生缺乏以用户为中心思维的问题，提出通过人机交互入门课程，结合场景化实验与开源可视化工具，培养该能力并取得良好效果。
2024-03-19 cs.HC cs.RO
Intelligent Interaction Strategies for Context-Aware Cognitive Augmentation
针对人类认知受处理限制导致的过载问题，提出情境感知认知增强策略，通过展览场景的出声思考研究识别认知挑战，强调需构建整合实时情境感知等能力的AI驱动认知支持系统以提升LLMs认知增强的实用性。
2025-04-18 cs.HC
A Human-Centered Approach to Interactive Machine Learning
University of Alberta（阿尔伯塔大学）
交互式机器学习（IML）社区旨在通过开发自动决策系统来增强人类随着时间的推移进行学习和决策的能力。这种交互代表了多个智能系统--人类和机器之间的协作。缺乏对所涉及的人的适当考虑可能导致有问题的系统行为，以及公平性，问责制和透明度问题。这项工作提出了一个以人为本的思想方法，应用IML方法。本指南旨在供人工智能从业者使用，他们将人为因素纳入工作中。这些从业者负责相互作用的人类的健康，安全和福祉。对公众互动负责的义务意味着正直、诚实、公平地行事，并遵守适用的法律法规。有了这些价值观和原则，我们作为一个研究社区可以更好地实现增强人类能力的集体目标。本实用指南旨在支持IML系统的迭代设计、开发和传播过程中所需的许多负责任的决策。
2019-05-15 cs.CY cs.HC cs.LG
Final Happiness: What Intelligent User Interfaces Can Do for The Lonely Dying
Tsinghua University（清华大学）；The Institute of Collaborative Innovation（协同创新研究院）；Shanghai Jiao Tong University（上海交通大学）；University of Shanghai for Science and Technology（上海理工大学）；Zhejiang University of Science and Technology（浙江科技学院）；North China University of Science and Technology Health Science Center（华北理工大学健康科学中心）
本研究提出智能用户界面作为‘存在伴侣’的设计框架，旨在通过超越模拟的技术体验，缓解终末期患者孤独与生存焦虑。
2025-11-24 cs.HC
Sketch-and-test: picture-centered research with p5.js assisted crowdsourcing
将人类的判断与图片联系起来是各种科学学科的核心。图片被用来唤起和研究人类思维的能力，而人类输入则被用来标记、理解和模拟图片表示。人的投入往往是通过在线众包实验收集的。本文讨论了众包在以图片为中心的研究的两个主要分支，人类和计算机视觉中的使用，并确定了艺术史和设计等新方向。我们证明了可以使用p5.js进行各种各样的实验，p5.js是一个最初旨在促进视觉创作的库。我们报告了五个互补的实验范例来说明p5.js的可访问性和多功能性：变化盲视，BubbleView，3D形状感知，构图和透视重建。结果表明，文献研究结果可以复制，新的见解可以很容易地实现与p5.js库。p5.js的创意自由与低门槛的众包访问相结合，似乎是所有以图片为中心的研究领域的强大组合：感知，设计，艺术史，传播等等。
2021-03-08 cs.HC
A Design Space for Intelligent Agents in Mixed-Initiative Visual Analytics
ETH Zürich（苏黎世联邦理工学院）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种混合倡议式可视化分析中智能代理的设计空间框架，通过系统回顾90个系统，提出了六个维度来表征代理能力，并为未来研究提供了方向。
2025-12-29 cs.HC
Intelligent CAD 2.0
本文针对“AI+CAD”发展方向不明确的问题，分析现代AI在设计流程中的作用，提出ICAD应走内涵式发展路线，为ICAD 1.0评估提供参考并勾勒ICAD 2.0的发展框架与轨迹。
2024-10-02 cs.GR cs.HC
