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
From Checking to Sensemaking: A Caregiver-in-the-Loop Framework for AI-Assisted Task Verification in Dementia Care
University of Toronto(多伦多大学);Canadian Consortium on Neurodegeneration in Aging(加拿大神经退行性衰老联盟)
本文提出了一种护理人员在循环框架中的AI辅助任务验证方法,通过生成式AI支持照护者主导的任务验证,提升痴呆症护理中的信任与协作。
2025-11-20 cs.HC
"Are You Really Sure?" Understanding the Effects of Human Self-Confidence Calibration in AI-Assisted Decision Making
本研究从人类自我信心校准角度出发,通过三项研究探讨其与AI依赖的关系,提出三种校准机制,证明校准能提升人机团队绩效并促进理性依赖,为AI辅助决策界面设计提供启示。
2024-03-14 cs.HC
From Human-Centered Design to Human-AI Collaboration: Why the Future of HCI Still Starts With People
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
本文提出GenAI应作为人类协同思考伙伴而非HCD方法替代品,指出HCI未来需聚焦保留人类能动性、批判性思维与责任的人机协作。
2026-08-11 cs.HC
T2VTree: User-Centered Visual Analytics for Agent-Assisted Thought-to-Video Authoring
Computer Network Information Center, Chinese Academy of Sciences(中国科学院计算机网络信息中心);University of Chinese Academy of Sciences(中国科学院大学);Hangzhou Institute for Advanced Study, UCAS(杭州高等研究院,中国科学院大学);University of Technology Sydney(悉尼科技大学)
T2VTree通过树形可视化和可编辑代理计划,支持多场景视频创作中的可靠细化、局部比较和实用重用。
2026-02-09 cs.GR cs.HC cs.MA
CustomDance: Customized 3D Dance Generation with Coarse-to-Fine Human-Centered Interactive Control
University of Texas at Dallas(达拉斯大学);MalouTech Inc(MalouTech公司);University at Albany(奥尔巴尼大学)
CustomDance是基于粗到细交互式控制的定制化3D舞蹈生成系统,通过三阶段流程实现AI辅助编舞,在定量和定性比较中优于基线,为用户提供全面控制。
2026-09-07 cs.HC
Rise of the HaCRS: Augmenting Autonomous Cyber Reasoning Systems with Human Assistance
随着软件系统的规模和复杂性的增加,软件安全缺陷的数量和复杂性也在增加。对这些漏洞的分析最初是以手动方式进行的,但很快就发现需要工具来帮助人类专家完成这项任务,从而产生了许多自动化漏洞分析过程的技术和方法。最近,DARPA开展了网络大挑战赛,这是一项自主漏洞分析系统之间的竞争,旨在将工具辅助的以人为本的范式推向完全自动化的领域。然而,当自主系统与人类专家进行比较时,很明显,某些任务虽然简单,但无法由自主系统执行,因为它们需要理解所分析的应用程序的逻辑。基于这一观察,我们提出了一个转变的脆弱性分析范式,从工具辅助以人为中心的人辅助工具为中心。在这种模式中,自动化系统协调漏洞分析过程,并利用人类(具有不同的专业知识水平)来执行定义良好的子任务,其结果被集成在分析中。因此,可以将分析扩展到更多的程序,同时优化昂贵的人力资源的使用。在本文中,我们详细介绍了我们的设计为人类辅助的自动化漏洞分析系统,描述了它的实施上的开源自主漏洞分析系统,参加了网络大挑战,并评估和讨论的显着改善,非专家的人类援助可以提供自动化分析方法。
2017-08-09 cs.CR cs.HC
Mapping the Design Space of Human-AI Interaction in Text Summarization
自动文本摘要系统通常涉及人类准备数据或评估模型性能,但在与AI交互或由AI协助时,缺乏对人类角色,经验和需求的系统理解。从以人为本的角度来看,我们在文本摘要和更广泛的文本生成任务中映射了人机交互的设计机会和考虑因素。我们首先对70篇论文进行了系统的文献综述,对AI辅助文本生成和相关设计维度中的五种交互进行了分类。我们为每个交互设计了文本摘要原型。然后,我们在原型的帮助下采访了16名用户,以了解他们对文本摘要中AI的效率、控制和信任的期望、体验和需求,并相应地提出设计考虑因素。
2022-06-29 cs.HC
Human-Centered Design Recommendations for LLM-as-a-Judge
本文通过EvaluLLM用户研究和八位专家访谈,提出设计建议以优化人类辅助的LLM-as-a-judge系统,在信任与成本之间取得平衡。
2024-07-03 cs.HC
Human-centered explanation does not fit all: The interplay of sociotechnical, cognitive, and individual factors in the effect AI explanations in algorithmic decision-making
University of Pittsburgh(匹兹堡大学);Northeastern University(东北大学);Syracuse University(Syracuse大学)
本研究探讨了AI辅助决策中解释效果的影响因素,发现对比性和选择性解释的偏好受认知负荷、参与度及社会技术语境等个体与情境差异的制约,呼吁AI界面设计应适应这些差异。
2025-05-02 cs.AI cs.CY cs.HC
Align When They Want, Complement When They Need! Human-Centered Ensembles for Adaptive Human-AI Collaboration
本文提出了一种人本适应性AI集成,通过上下文提示在对齐与互补模型间切换,以提升人机协作的性能与信任。
2026-02-23 cs.AI cs.HC cs.LG
Position on LLM-Assisted Peer Review: Addressing Reviewer Gap through Mentoring and Feedback
本文提出通过LLM辅助指导和反馈系统解决评审缺口问题,旨在提升评审质量并促进学术生态可持续发展。
2026-01-14 cs.AI cs.CY cs.HC
Human-Centered AI in Multidisciplinary Medical Discussions: Evaluating the Feasibility of a Chat-Based Approach to Case Assessment
The University of Tokyo Hospital(东京大学医院)
本研究针对共病心血管患者,验证了人本AI聊天平台用于多学科病例讨论的可行性,发现AI辅助总结可大幅缩短讨论时间,且幻觉率尤其是有害幻觉率较低,多学科评估的知识呈现更详尽。
2025-02-26 cs.AI cs.CL cs.HC
Artificial Intelligence Assisted Infrastructure Assessment Using Mixed Reality Systems
University of Central Florida(中佛罗里达大学)
传统的民用基础设施视觉评估方法存在一定的局限性,如采集数据的主观性、检测时间长、人工成本高等。虽然目前采用的一些新技术,即机器人技术,能够收集客观、量化的数据,但在许多情况下,视察员本身的专门知识仍然至关重要,因为这些技术的设计目的不是与人类视察员互动。本研究旨在创建一个智能的,以人为本的方法,为桥梁业主的基础设施检查,维护,管理实践和安全提供显着的贡献。通过开发智能混合现实框架,该框架可以集成到可穿戴全息耳机设备中,例如,桥梁检查员可以自动分析他或她在元件上看到的某种缺陷,例如裂缝,实时显示其尺寸信息以及状态。这种系统可以通过加速检查员的基本任务(例如缺陷测量、状况评估和管理系统的数据处理)来潜在地减少基础设施检查的时间和成本。以人为中心的人工智能将帮助检查员收集更多量化和客观的数据,同时结合检查员的专业判断。这项研究详细解释了所描述的系统和相关方法,将注意力引导的半监督深度学习实施到混合现实技术中,该技术在评估期间与人类检查员进行交互。因此,检查员和AI将协作或通信以改进视觉检查。
2018-12-09 cs.AI cs.CV cs.HC
Can Vision-Language Models Analyze Human-Centered Video? Mapping Model Capabilities and Human-AI Collaborative Workflows
University of Washington(华盛顿大学);Georgia Institute of Technology(佐治亚理工学院);Google DeepMind(谷歌DeepMind)
本研究通过构建五维分类体系和15个任务基准,系统评估视觉语言模型在分析以人为中心视频中的能力,发现模型单独标注接近人类水平,而人类验证工作流在提升准确率的同时大幅降低时间和成本。
2026-09-24 cs.CV cs.HC
Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review
Johns Hopkins University(约翰斯·霍普金斯大学)
针对AI辅助决策中人机交互缺乏通用词汇的问题,提出交互模式分类法,基于105篇文献综述揭示当前协作范式简单,旨在促进交互设计以实现清晰沟通、可信赖与协作。
2024-03-18 cs.AI cs.HC
Between Algorithm (AI) and Intuition (Human): Preserving Designer Agency in AI-Assisted Sensemaking of Qualitative UX Data
Department of Design, IIT Hyderabad(印度理工学院海德拉巴分校设计系)
本文针对AI辅助定性UX数据意义建构中保留设计师能动性的问题,通过案例对比提出将AI作为放大人类判断工具的增强意义建构框架,为AI在设计研究中的应用提供了新方向。
2026-08-31 cs.ET cs.HC
The Impact and Feasibility of Self-Confidence Shaping for AI-Assisted Decision-Making
The University of Tokyo(东京大学);National Institute of Advanced Industrial Science and Technology(国立先进工业科学技术研究院)
针对AI辅助决策中人类对AI依赖不当的问题,提出自信塑造干预方法,实验证实可提升近50%的人机团队性能,还验证了自信预测与情绪干预的可行性,为人机高效协作提供新路径。
2025-02-20 cs.CL cs.CY cs.HC
Human Empathy as Encoder: AI-Assisted Depression Assessment in Special Education
Tandon School of Engineering New York University New York, USA;College of Arts \& Science New York University New York, USA
针对特殊教育场景下学生抑郁评估的现有方法局限,提出融合学生叙事与教师9维共情向量的HEAE框架,7级分类准确率达82.74%,为人机协同的负责任情感计算提供新路径。
2025-10-05 cs.AI cs.CL cs.HC
Effort-aware Fairness: Incorporating a Philosophy-informed, Human-centered Notion of Effort into Algorithmic Fairness Metrics
本文提出基于哲学中“力”概念的努力感知公平性(EaF)度量,通过实验证明人们更关注特征时间轨迹而非聚合值,并提供刑事司法与金融领域的计算流程,以帮助审计员发现并纠正针对努力改善但仍受系统性劣势影响的个体的不公平决策。
2025-09-11 cs.AI cs.CY cs.HC
Self-Evolving Human-Centered Framework for Explainable Depression Symptom Annotation
针对抑郁症标注质量瓶颈,提出结合大语言模型辅助与专家验证的自我进化标注框架,分三阶段运行,采用双记忆架构,能提高标注一致性和可解释性,减少人工修订,还输出多种信息实现可审计性。
2026-07-17 cs.AI cs.HC cs.MA