Bridging Learnersourcing and AI: Exploring the Dynamics of Student-AI Collaborative Feedback Generation
本研究通过72名硕士生的随机对照实验，对比独立撰写与修改GPT-4生成的提示两种模式，探索AI辅助学习者众包反馈的效果与价值，为相关学习活动设计提供参考。
2023-11-20 cs.HC
Exploring Users' Perception of Collaborative Explanation Styles
协同过滤系统在很大程度上依赖于用户的反馈表示的产品评级选择和排名项目推荐。在这项研究中，我们探讨了用户如何价值不同的合作解释风格的用户为基础的或项目为基础的范式。此外，我们探讨这些评级总结的特点，如总评分和平均评分值，影响在线用户的决定。结果，基于选择为基础的联合实验设计，表明平均指标有较高的影响相比，总的收视率。最后，我们讨论了这些实证结果可以作为一个输入开发算法，培养项目，因此，更高的概率选择的基础上，他们的评级总结或他们的解释，由于这些评级时排名建议。
2018-05-02 cs.HC cs.IR
Exploring The Impact Of Proactive Generative AI Agent Roles In Time-Sensitive Collaborative Problem-Solving Tasks
Virginia Tech（弗吉尼亚理工大学）；Honda Research Institute（本田研究院）
本研究探讨了主动生成式AI代理在时间敏感协作问题解决任务中的影响，发现同伴代理在提供提示和记忆支持时有帮助，但也可能干扰流畅性并增加工作量，而引导代理则提供轻量支架但影响有限。
2026-02-19 cs.HC
Exploring Collaborative Immersive Visualization & Analytics for High-Dimensional Scientific Data through Domain Expert Perspectives
George Mason University（乔治梅森大学）；MIT Media Lab, MIT（麻省理工学院媒体实验室）；National Institute of Standards and Technology（美国国家标准与技术研究院）
通过访谈领域专家，研究探讨了多用户协作在高维科学数据可视化与分析中的挑战与机遇，提出设计改进以提升协作效率与公平性。
2026-02-04 cs.HC
Exploring Avatar-Based Representations of Desktop Analytical Workflows for Asymmetric Collaborative Visual Analytics
Texas A&M University（德克萨斯农工大学）；Georgia Tech（佐治亚理工学院）
本文提出Desk2Avatar，探索VR中基于虚拟形象的桌面分析工作流表示，通过远距离与具身化两种策略提升协作者感知与注意力引导，并讨论了平衡存在感与可读性的设计启示。
2026-09-15 cs.HC
Exploring the Impact of AI Value Alignment in Collaborative Ideation: Effects on Perception, Ownership, and Output
本研究探讨AI价值对齐对协作构思的影响，发现AI价值观影响生成想法和用户所有权感受，但对想法质量和智能体感知无显著差异，为AI构思工具设计提供启示。
2024-04-22 cs.HC
Exploration of increasing drivers trust in a semi-autonomous vehicle through real time visualizations of collaborative driving dynamic
Thinking Wave是可视化概念的持续发展，展示了半自动驾驶汽车（AV）系统的实时工作和信心。让驾驶员访问这些信息可以为他们的决策提供信息，并使他们能够相应地处理情况并在必要时接管。设计了两种不同的可视化，概念一，潮汐，通过一个简单的图形，在速度和频率波动的强化活动演示了AV系统的努力。概念二，串联，显示了AV系统的努力，以及处理动态和驾驶员和车辆系统之间的共同责任。与东京大学的移动研究团队合作，我们正在对Thinking Wave及其实施方案进行原型设计和改进，同时我们正在努力构建一个集成到驾驶模拟器中的可测试版本。思维波的开发旨在通过增加驾驶员对车辆处理能力的知识和理解来校准信任。通过实现自动驾驶系统能力的透明通信，我们希望能够增强对自动驾驶持怀疑态度的驾驶员的能力，并在紧急接管情况下保持过度信任的驾驶员的警惕，以创造更安全的自动驾驶体验。
2021-07-05 cs.HC
"It Felt a Bit Eerie": Exploring Humanlike Interactions During Collaborative Writing with an Artificial Agent
University of British Columbia（不列颠哥伦比亚大学）；Aalborg University（奥尔堡大学）
通过构建三种不同类人程度的AI辅助编辑器并开展用户研究，探讨协作的时间与视觉维度如何影响写作体验及人机社会连接。
2026-05-23 cs.HC
Drawing with AI -- Exploring Collaborative Inking Experiences Based on Mid-air Pointing and Reinforcement Learning
数字化正在改变专业和非专业环境中艺术实践中使用的工具和材料的性质。例如，如今，即使是儿童也经常通过在平板电脑上绘制数字画布来表达他们的想法并探索他们的创造力。虽然有许多基于软件的工具，类似于传统的工具，如各种形式的虚拟画笔，橡皮擦等，与传统材料相比，有潜力增强基于软件的工具和数字画布与人工智能。好奇它会感觉如何与数字画布，这将是在对比传统的画布动态，响应，并可能能够不断适应其用户的输入，我们开发了一个绘图应用程序，并进行了定性研究与14个用户。在本文中，我们描述了我们的设计过程的细节，这导致使用k臂强盗作为强化学习的一种简单形式和LeapMotion传感器，让来自各行各业的人，老人和年轻人都能在无处不在的显示器上画画，小的和大的，位置近或远。
2020-10-10 cs.HC
Exploring Micro Accidents and Driver Responses in Automated Driving: Insights from Real-world Videos
本文利用真实视频数据集和机器学习分析自动驾驶中的微型事故及其环境变量，并通过众包揭示驾驶员风险感知与反应，为自动驾驶系统设计提供安全关键场景洞察。
2025-08-10 cs.HC
Exploring the Effects of Level of Control in the Initialization of Shared Whiteboarding Sessions in Collaborative Augmented Reality
通过VR模拟AR环境，研究比较了MANUAL、DISCRETE CHOICE和AUTOMATIC三种白板会话初始化方法的控制水平，发现多数用户尽管面临额外工作量仍偏好直接控制。
2025-02-02 cs.HC
Exploring the Effect of Viewing Attributes of Mobile AR Interfaces on Remote Collaborative and Competitive Tasks
本文研究了移动AR界面中目标观看角度、同步方式和辅助小屏幕等观看属性对远程协作与竞争任务的影响，提出五种技术并通过用户研究证明，允许在小屏幕上异步观看对象操作的技术能实现最佳表现和用户偏好，为MAR远程任务设计提供了新方案与建议。
2025-11-03 cs.HC
Exploring the Effects of Traditional Chinese Medicine Scents on Mitigating Driving Fatigue
本研究通过两项模拟驾驶实验，发现中药气味艾草和陈皮能有效缓解自动驾驶中的驾驶疲劳，分别适用于短期和长期使用，为车内疲劳缓解提供了新思路。
2025-02-25 cs.HC
TeamPortal: Exploring Virtual Reality Collaboration Through Shared and Manipulating Parallel Views
本文提出 TeamPortal 以支持 VR 协作中的平行视图共享与操纵，通过两项 72 人参与的用户研究证明其能显著提升协作效率、社交存在感，并进一步评估了三种变体，提出了未来 VR 协作系统的设计启示。
2025-01-29 cs.HC
Exploring the Effects of Different Asymmetric Game Designs on User Experience in Collaborative Virtual Reality
本研究通过四个版本的VR实验，探讨非对称游戏设计中环境共享与玩家依赖对协作VR用户体验的影响，发现设计变化显著影响可用性、UX质量、沉浸控制及动机，且玩家依赖程度是关键因素。
2025-10-16 cs.HC
Exploring the Use of Collaborative Robots in Cinematography
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文通过访谈三位电影摄影师并演示原型机器人系统，识别了影响协作机器人应用于电影摄影的设计、采用与使用的关键因素，为后续协同设计研究奠定基础。
2023-04-16 cs.HC cs.RO
Collaborative Learning and Patterns of Practice
本文综述了协作学习的研究背景、研究方法和实践模式。合作学习的定义和基本方面的概述，形成在这一领域的研究和实践。教学法和学习理论，被用来作为合作学习方法的目标和目的的领域的基础进行了讨论。流行的实践模式，探索其在课堂上的应用，并阐述了围绕这些做法在研究中的艺术状态。最后，对重要议题、开放性问题和未来发展方向进行了讨论。
2022-03-10 cs.HC
Driving with Guidance: Exploring the Trade-Off Between GPS Utility and Privacy Concerns Among Drivers
本研究通过问卷与访谈发现驾驶员为GPS效用常忽视隐私风险，并基于此提出自适应界面、个性化配置及区块链等兼顾隐私与效用的设计方向。
2023-09-22 cs.HC
Exploring Bichronous Collaboration in Virtual Environments
本文提出双时态协作概念，将同步与异步信息整合到虚拟环境实时会话中，并通过用户研究验证其对信息处理的益处及对交互行为的影响。
2025-09-21 cs.HC
CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities
Stanford University（斯坦福大学）；Cornell University（康奈尔大学）
大语言模型（LM）为交互设计提供了前所未有的语言生成能力和令人兴奋的机会。然而，其高度依赖于背景的能力难以把握，往往被主观地解释。在本文中，我们认为，通过策划和分析大型交互数据集，人机交互社区可以促进更深刻的检查LM的生成能力。举例说明这种方法，我们提出了CoAuthor，旨在揭示GPT-3的能力，在协助创造性和论证性写作的数据集。CoAuthor在1445次写作会话中捕捉了63位作者和四个GPT-3实例之间的丰富互动。我们证明了CoAuthor可以解决有关GPT-3的语言，思维和协作能力的问题，并揭示了其作为良好协作的各种定义下的写作“协作者”的贡献。最后，我们将讨论如何这项工作可能会促进更原则性的讨论，围绕LM的承诺和陷阱的交互设计。数据集和用于重放书写会话的界面可在https://coauthor.stanford.edu公开获得。
2022-01-25 cs.CL cs.HC
"Tell me about that church": Exploring the Design and User Experience of In-Vehicle Multi-modal Intuitive Interface in the Context of Driving Scenario
本研究针对动态驾驶场景下车载多模态直觉交互探索不足的问题，通过设计工作坊明确需求后落地界面设计，再经用户实验明确接受度影响因素、行为模式及工作负荷与分心情况，为未来车辆设计提供实证参考。
2023-11-07 cs.HC
Exploring Remote Collaborative Tasks: The Impact of Avatar Representation on Dyadic Haptic Interactions in Shared Virtual Environments
IEEE Publication Technology Group（IEEE出版技术组）
本文通过四种化身表征条件的双人触觉协作实验，发现伙伴化身能显著提升社会临场感，但化身不影响任务绩效与用力，凸显视觉与触觉融合对远程协作的价值。
2025-05-28 cs.HC cs.RO
Exploring Collaborative GenAI Agents in Synchronous Group Settings: Eliciting Team Perceptions and Design Considerations for the Future of Work
University of Michigan（密歇根大学）；Tsinghua University（清华大学）
本文探讨了协作生成式人工智能代理在同步小组环境中的应用，通过实证研究揭示了团队感知和设计考虑，旨在提升团队协作与问题解决能力。
2025-04-21 cs.AI cs.HC
Exploring the Collaborative Co-Creation Process with AI: A Case Study in Novice Music Production
Information School, University of Washington（华盛顿大学信息学院）
本研究通过9名本科生10周内用AI创作音乐的案例，揭示了AI对创意工作流、群体动态及角色分工的影响，并提出Human-AI Co-Creation Stage Model和Human-AI Agency Model。
2025-06-24 cs.AI cs.HC
Exploring the Design of GenAI-Based Systems to Support Socially Shared Metacognition
King’s College London（伦敦国王学院）；Technical University of Munich（慕尼黑工业大学）
本文探讨了基于生成式人工智能的群体意识工具设计，旨在支持协作工作和学习中的自主社会共享元认知。
2026-03-11 cs.HC
Exploring Author Gender in Book Rating and Recommendation
协同过滤算法在评级和消费数据中发现有用的模式，并利用这些模式来引导用户选择好的项目。评级数据集中的许多模式反映了数据中不同用户和项目之间的重要现实差异;其他模式可能与社会或道德原因无关或可能不受欢迎，特别是如果它们反映了不受欢迎的歧视，例如出版或购买时对女性或少数民族作者的歧视。在这项工作中，我们研究了协同过滤推荐算法的响应，他们的输入数据的分布方面的社会关注的一个方面，即内容创建者的性别。使用公开的图书评级数据，我们测量了用户评级配置文件和推荐列表中图书作者的性别分布。我们发现，常见的协同过滤算法不同的性别分布的推荐列表，并在输出分布的关系，用户简档分布。
2020-07-25 cs.HC cs.IR
Exploring the Dynamics between Cobot's Production Rhythm, Locus of Control and Emotional State in a Collaborative Assembly Scenario
CNR（意大利国家研究委员会）；Catholic University of the Sacred Heart（圣心天主教大学）；University of Bologna（博洛尼亚大学）；University of Augsburg（奥格斯堡大学）
本研究通过31名参与者的协作装配实验，考察协作机器人不同生产节奏对体验性控制点和情绪状态的影响，发现需结合个体心理特征才能实现最优人机交互体验。
2024-06-28 cs.AI cs.HC cs.RO
Exploring Holistic HMI Design for Automated Vehicles: Insights from a Participatory Workshop to Bridge In-Vehicle and External Communication
本文通过参与式研讨会探索自动驾驶车辆整体式HMI设计，桥接车内与车外通信，提出界面元素升级策略和用户直接交互视角，为汽车用户界面研究提供新方向。
2024-03-28 cs.HC
Exploring Learners' Expectations and Engagement When Collaborating with Constructively Controversial Peer Agents
University of British Columbia（不列颠哥伦比亚大学）；NAVER AI Lab（NAVER AI实验室）
本研究探讨基于LLM的同伴代理在建设性争议环境下的学习者互动，发现学习者价值观影响代理行为选择，并揭示设计透明度对学习者感知的影响。
2026-01-20 cs.HC
Exploring OpenStreetMap Availability for Driving Environment Understanding
University of Texas at Dallas（德克萨斯大学达拉斯分校）；Aptiv Inc.（安波福公司）
随着人工智能的巨大成就，车辆技术已经从以人为中心的驾驶向全自动驾驶迈进。智能车辆应该能够理解驾驶员对环境的感知以及控制车辆的行为。由于高数字化地图信息已经可以提供丰富的静态道路，建筑物和交通基础设施的环境背景下，这将是值得探索的地图数据能力，驾驶任务的理解。作为商业地图的替代品，OpenStreetMap（OSM）数据是一个免费的开放数据集，这使得它在勘探研究中是独一无二的。这项研究的重点是两个任务，利用OSM驾驶环境的理解。首先，从OSM元素中检索驾驶场景属性，将其与车辆动态信号相结合以用于驾驶事件识别。利用转向角变化并基于双向循环神经网络（Bi-RNN），将驾驶序列分割并分类为保持车道、向左变道、向右变道、左转和右转事件。第二，对于自动驾驶感知，OSM数据可以用于渲染虚拟街景，表示为先验知识，以与视觉/激光系统融合，用于道路语义分割。从OSM、图像和激光雷达点生成五种不同类型的道路掩模，并将其融合以表征驾驶员视角下的可驾驶空间。另一种数据驱动的方法是基于全卷积网络（FCN），讨论了OSM对深度学习方法的可用性，以揭示补偿街景图像和自动道路语义标注的潜在用途。
2019-03-11 cs.AI cs.HC
Learning about Potential Users of Collaborative Information Retrieval Systems
设计可用的和有用的协作信息检索系统的关键组成部分之一是了解这些系统的用户的需求。我们的研究团队一直在探索各种组织环境中的协作信息行为。我们的研究目标有两个方面：第一，发展一个概念上的理解，合作的信息行为和第二，收集的要求，合作信息检索系统的设计。在本文中，我们提出了一个简短的概述，我们的实地工作在三个不同的组织设置，讨论我们的方法收集数据的协作信息行为，并强调一些教训，我们正在学习的潜在用户的协作信息检索系统在这些领域。
2009-08-05 cs.HC cs.IR
Exploring Convergence in Relation using Association Rules Mining: A Case Study in Collaborative Knowledge Production
本文以开放公民科学平台为案例，运用ARM分析标签关联与时间演化，并提出基于Mann-Kendall检验的趋同测量算法，验证了非专家协作中的意识形态趋同。
2024-05-13 cs.HC stat.AP stat.ME
Exploring Human-robot Interaction by Simulating Robots
TU Wien（维也纳工业大学）
随着协作机器人进入工业车间、物流和制造业，快速灵活地评估人机交互变得更加重要。虚拟和增强现实的消费者头戴式耳机的可用性降低了虚拟环境的进入门槛。在本文中，我们探讨了不同的方面，使用这样的环境来模拟机器人在用户研究，并提出了第一个发现，从我们自己的研究工作。最后，我们建议方向的应用和使用模拟在人机交互。
2022-09-20 cs.HC cs.RO
Towards Uncertainty Aware Task Delegation and Human-AI Collaborative Decision-Making
Singapore Management University（新加坡管理大学）
本研究提出基于距离的不确定性分数用于任务委派，并通过嵌入可视化支持人机协作决策，实验表明其优于概率方法，显著提升决策准确率与适当依赖。
2025-05-23 cs.AI cs.HC cs.LG
Exploring Communication Strategies for Collaborative LLM Agents in Mathematical Problem-Solving
Institute for Intelligent Systems, University of Memphis, Memphis, TN, USA（智能系统研究所，密苏里大学）；Department of Electrical and Computer Engineering, University of Memphis, Memphis, TN, USA（电气与计算机工程系，密苏里大学）；AI4STEM Education Center, University of Georgia, Athens, GA, USA（AI4STEM教育中心，佐治亚大学）；National GENIUS Center, Athens, GA, USA（国家GENIUS中心）；Department of Mathematics, Science, and Social Studies Education, University of Georgia, Athens, GA, USA（数学、科学与社会科学教育系，佐治亚大学）；Faculty of Education, The University of Hong Kong, Hong Kong, PR China（教育学院，香港大学）；Educational Testing Service, Princeton, NJ, USA（教育测评服务）；Department of Applied Social Sciences, Hong Kong Polytechnic University, Hong Kong, PR China（应用社会科学系，香港理工大学）；Department of Psychology, University of Memphis, Memphis, TN, USA（心理学系，密苏里大学）
该研究使用 GPT-4o 在 MATH 数据集上比较双智能体数学解题的四种沟通模式，发现同伴协作准确率最高，并表明有效对话行为是提升 AI 教育协作解题的关键。
2025-05-02 cs.AI cs.CL cs.CY
Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing
University of Waterloo（滑铁卢大学）；Stratford School of Interaction Design and Business（斯特拉特福交互设计与商业学院）
本文批判性审视生成式AI在学术写作中的协作应用，通过对比Gemini和ChatGPT在提示词设计下的表现，揭示其能力与局限，为人机交互领域提供有效提示策略与模型比较分析。
2024-04-23 cs.AI cs.HC
Beyond Voice Assistants: Exploring Advantages and Risks of an In-Car Social Robot in Real Driving Scenarios
University of Edinburgh（爱丁堡大学）；Nagoya University（名古屋大学）；University of Cambridge（剑桥大学）；Osaka University（大阪大学）；ATR
本研究通过用户调查与真实道路实验，评估车内社交机器人助手相对传统语音助手在用户体验、人格感知及伦理风险方面的优势与挑战，并提出未来发展建议。
2024-02-20 cs.CY cs.HC cs.RO
TeamLLM: Exploring the Capabilities of LLMs for Multimodal Group Interaction Prediction
University of California, Irvine（加州大学尔湾分校）
本文研究LLMs在多模态传感器数据中预测群体协调模式的能力，发现LLMs在语言基础行为上比LSTM基线提升3.2倍，细调准确率达96%。同时揭示了文本模型在多模态交互中的局限性及模拟模式的脆弱性。
2026-04-09 cs.ET cs.HC
Exploring Temporal Dependencies in Multimodal Referring Expressions with Mixed Reality
KTH Royal Institute of Technology（瑞典皇家理工学院）；Aalto University（阿尔托大学）
在协作任务中，人们同时依靠语言和非语言线索来相互沟通。为了使人机交互流畅自然地运行，机器人应该具有鲁棒地消除指代表达的歧义的能力。在这项工作中，我们提出了一个模型，可以消除歧义的多模态提取请求使用的方式，如头部运动，手势和语音。我们分析了从混合现实实验中获得的数据，并提出了一个假设，即在这三种模式中对事件的时间依赖性进行建模可以提高模型的预测能力。我们评估了我们的模型的贝叶斯框架来解释所指的表达和不利用时间先验。
2019-02-04 cs.HC cs.RO
Exploring the Human-LLM Synergy in Advancing Theory-driven Qualitative Analysis
Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学）；Amazon Research, Amazon.com Inc（亚马逊研究，亚马逊公司）；Department of Social Work, National University of Singapore（社会工作系，国立新加坡大学）
本文提出CHALET方法，通过人与大语言模型的协同合作，推动理论驱动的定性分析，揭示心理健康污名的潜在主题。
2025-11-27 cs.CL cs.CY cs.HC
