Workload-Aware Systems and Interfaces for Cognitive Augmentation
在当今社会中,我们的认知不断受到信息摄入、注意力转换和任务中断的影响。这增加了给定任务的难度,增加了现有的工作量,并导致认知表现受损。当面对过多的认知工作负荷时,人体通过生理反应来表达对认知资源的使用。这暂时调动了额外的资源来处理工作量,代价是加速了精神疲惫。我们预测,最近的发展,在生理传感将越来越多地创建用户界面,知道用户的认知能力,因此能够干预时,高或低状态的认知工作负荷被检测到。随后,我们调查合适的反馈方式在以用户为中心的设计过程中,这是理想的认知辅助。然后,我们研究不同的生理传感方式,使合适的实时评估认知工作量。我们提供的证据表明,人类的大脑和眼睛凝视是敏感的认知静息状态的波动。我们表明,脑电图和眼动追踪是可靠的方式来评估用户界面操作过程中的心理负荷。最后,我们提出的应用程序,调节认知工作量在家庭和工作环境中,研究如何认知工作量可以可视化的用户,并显示如何认知工作量的测量可以用来预测通过阅读界面的信息摄入的效率。最后,我们提出了我们对未来工作负载感知接口的愿景。以前的界面在利用认知工作负荷进行用户交互方面的能力有限。连同收集的数据集,本论文铺平了道路的方法和技术工具,集成工作负载感知作为上下文感知系统的一个因素。
2020-10-21 cs.HC
On Measuring Cognition and Cognitive Augmentation
我们正处于一个新时代的开端,在这个时代,人工实体将进行大量的高级认知处理,与人类思维相媲美,甚至超越人类思维。未来属于那些能够与人工认知实体进行最佳合作,实现高度认知增强的人。然而,我们目前缺乏能够描述人类或人工认知的理论基础的基本指标,更不用说增强和组合认知了。我们如何以一种独立于实现的方式来衡量思维、认知、信息和知识?我们如何知道一个人工实体做了多少思考,而人类做了多少?我们如何衡量人类与智能人工实体合作的综合效应甚至可能出现的效应?这是该领域研究人员面临的一些挑战。我们首先将认知过程定义为数据、信息、知识和智慧的转化。然后,我们回顾了几个现有的和新兴的信息度量的基础上熵,处理工作,量子物理,涌现能力,和人类的概念学习。然后,我们讨论了这些未能回答上述问题,并为未来的研究提供指导方针。
2022-11-11 cs.HC
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
CogReact: A Reinforced Framework to Model Human Cognitive Reaction Modulated by Dynamic Intervention
提出CogReact框架,结合漂移扩散与深度强化学习,模拟动态环境刺激对人类认知过程的影响,定量和定性上均优于基线,为动态情境下认知反应建模提供了数据驱动方法。
2025-05-26 cs.AI cs.HC
Beyond Human: Cognitive and Physical Augmentation through AI, Robotics, and XR -- Opportunities and Risks
本研讨会汇聚 HCI、神经科学、机器人与伦理等领域专家,探讨 AI、机器人和 XR 融合带来的认知与身体增强机遇、风险及负责任治理框架。
2025-03-13 cs.ET cs.HC
An Integrative Introduction to Human Augmentation Science
人类增强(HA)跨越几个技术领域和方法论途径,包括实验心理学,人机交互,心理生理学和人工智能。增强涉及优化和控制认知状态的各种策略,这需要了解生物可塑性,动态认知过程和适应系统模型。作为一个有益的教训,我们将探讨一些与HA相关的概念和悬而未决的问题。接下来,我们专注于诱导和控制HA使用实验方法,通过引入三种技术HA实现:学习增强,增强使用物理介质,和扩展的表型建模。最后,我们将回顾超越特定功能的增强综合方法。
2018-04-26 cs.HC q-bio.NC
Emotion in Cognitive Architecture: Emergent Properties from Interactions with Human Emotion
Shizuoka University(静冈大学)
本文介绍了在计算认知架构中表示情感的努力。第一部分介绍了研究组织与两个轴的情绪影响:愉快和唤醒。在情感成分的基础上,该文档讨论了情感的涌现特性的一个方面,展示了与人类用户的交互研究。结合作者过去的研究,本文得出结论,认知人-智能体交互方法的优势在于能够代表人类的内部状态和过程。
2022-12-28 cs.AI cs.HC
Using Cognitive Models to Train Warm Start Reinforcement Learning Agents for Human-Computer Interactions
Utrecht University(乌得勒支大学)
人机交互应用中的强化学习(RL)代理需要重复的用户交互才能表现良好。为了解决这个“冷启动”问题,我们提出了一种新的方法,使用认知模型来预训练RL代理之前,他们被应用到真正的用户。在简要回顾了相关的认知模型,我们提出了我们的一般方法,其次是我们以前和正在进行的项目的两个案例研究。我们希望这份立场文件能激发RL,HCI和认知科学研究人员之间的对话,以探索该方法的全部潜力。
2021-03-10 cs.AI cs.HC
The Architecture of Cognitive Amplification: Enhanced Cognitive Scaffolding as a Resolution to the Comfort-Growth Paradox in Human-AI Cognitive Integration
Catholic University of Sacred Heart(圣心天主教大学);Istituto Auxologico Italiano(意大利奥索洛吉科研究所)
针对人机认知整合中AI易用性引发的“舒适-成长悖论”,本研究提出增强型认知支架框架,从三维度重构AI为动态导师,经多领域验证可加速技能习得等,同时设风险保障,推动真正的认知增强。
2025-05-14 cs.AI cs.HC
Cognitive Trajectory Modeling: Quantifying Human-AI Co-Creation through Cognitively Grounded Interaction Trajectories
Co-Creative AI Consulting(协同AI咨询)
提出认知轨迹建模(CTM)理论,通过认知轨迹和吸引子景观量化人机共创中的交互动态,区分认知轨迹与交互痕迹,为研究共创AI和人类-AI交互提供框架。
2026-06-23 cs.AI cs.HC
Cognitive Amplification vs Cognitive Delegation in Human-AI Systems: A Metric Framework
University of Colorado Boulder(科罗拉多大学波德穆尔分校)
本文提出度量框架区分认知放大与认知委托,通过定义CAI*、D、HRI和HCDR等指标,评估人机系统协同性能及人类认知可持续性。
2026-09-11 cs.AI cs.CY cs.HC
An Agent Model Abstraction for Human-AI Teaming Cognitive Coupling
University of Groningen(格罗宁根大学);Luxembourg Institute of Science and Technology(卢森堡科学技术研究院);Université de Lorraine(洛林大学);CNRS(法国国家科学研究中心);CRAN(南锡自动化与计算机科学研究中心)
本文提出一种包含八个组件的认知智能体模型,用于形式化人机团队中的认知耦合,以支持分布式认知分析和认知可互操作的人机系统设计。
2026-09-09 cs.AI cs.HC cs.MA
Towards a Human-Centred Cognitive Model of Visuospatial Complexity in Everyday Driving
University of Bremen(不来梅大学)
我们开发了一个以人为中心的,在日常自然驾驶条件下的视觉空间复杂性的认知模型。以视觉感知为重点,该模型采用了定量,结构和动态属性,在所选的上下文中可识别;以人为中心的基础上,该模型在于其行为评价与人类受试者的心理物理措施有关的体现视听注意。我们报告的初步步骤,应用开发的认知模型的视觉空间的复杂性,人为因素指导的数据集创建和基准测试,并将其作为一个语义模板(可解释的)计算分析的视觉空间的复杂性。
2020-06-02 cs.AI cs.CV cs.HC
Efficiency Without Cognitive Change: Evidence from Human Interaction with Narrow AI Systems
Universidad de Palermo (UP)(巴勒莫大学);Universidad Nacional de Córdoba (UNC)(科尔多瓦国立大学);Consejo Nacional de Investigaciones Científicas y Tecnológicas (CONICET)(国家科学技术研究委员会)
本研究发现,短期接触窄AI工具可提升任务效率,但未改变核心认知能力,表明AI系统作为认知支架而非认知变革者。
2026-02-12 cs.AI cs.HC
A Cognitive Framework for Delegation Between Error-Prone AI and Human Agents
Università di Pisa(比萨大学);National Research Council (CNR)(国家研究委员会(CNR));Institute for Informatics and Telematics(信息学与电信研究所)
随着人类与基于AI的系统交互的速度越来越快,有必要确保人工系统以反映人类理解的方式行事。在人类和人工人工智能智能体在同一环境中运行的情况下,我们注意到从智能体的角度理解和响应人类的行为或能力的重要性,以及将决策委托给人类或代理的可能性,这取决于谁在某个时间点被认为更合适。这些能力将确保整个人类AI系统的响应能力和实用性得到提高。为此,我们研究了使用认知启发的行为模型来预测人类和人工智能智能体的行为。预测的行为以及与特定目标相关的性能,用于通过使用中间实体在人类和人工智能智能体之间委派控制。正如我们所证明的,这可以克服人类或代理人在追求目标时的潜在缺点。
2023-02-02 cs.AI 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
Synthetic Cognitive Walkthrough: Aligning Large Language Model Performance with Human Cognitive Walkthrough
University of Washington(华盛顿大学)
研究探讨了大型语言模型能否通过模拟人类行为来提升认知 walkthrough 的效率,并展示了其在可用性测试中的潜在应用价值。
2025-12-03 cs.HC
Correlation between Unconscious Mouse Actions and Human Cognitive Workload
从心理学的角度来看,无意识行为是人类感知过程的指标之一。作为感知反应的结果,手势表现出对给定刺激的行为反应。在人机交互中,鼠标的使用表现了个体感知信息处理的手势。本文提出了一个无意识的鼠标动作和人类的认知负荷之间的相关性的调查。我们从机器人操作系统(ROS)文件为基础的数据集,用户的反应是可重现的鼠标行为。我们分析了多余的鼠标运动,以完成一个双$n$ -回游戏,只需按下左,右按钮。从一个假设,即无意识的小鼠行为预测不同水平的认知负荷,我们统计分析了小鼠的运动。我们还使用数据集中的其他方式验证了小鼠行为,包括自我问卷和眨眼结果。结果,我们发现小鼠无意识发生的行为和人类认知工作量相关。
2022-04-18 cs.HC
Impact of Cognitive Load on Human Trust in Hybrid Human-Robot Collaboration
Harbin Institute of Technology(哈尔滨工业大学);Northeast Forestry University(东北林业大学);Nanjing University of Information Science & Technology(南京信息工程大学)
本研究通过混合人机协作搭塔实验,揭示认知负荷对人类信任的多样化影响,发现高认知负荷下信任增加且绩效奖励更高,为优化协作目标选择和人机界面设计提供依据。
2024-12-30 cs.HC cs.RO
Designing for Affective Augmentation: Assistive, Harmful, or Unfamiliar?
本文探讨情感增强系统对人类的影响与风险,概述三项研究,指出其能以不同寻常方式影响认知、情感及身体感知,并探讨其在临床环境外是辅助、有害还是不熟悉。
2023-03-31 cs.HC
Trust and Cognitive Load During Human-Robot Interaction
Edinburgh Center For Robotics, Heriot-Watt University(赫瑞-瓦特大学爱丁堡机器人中心);CITEC, Bielefeld University(比勒费尔德大学CITEC)
本文提出了一个探索性的研究,以了解人类的认知负荷,信任和拟人化之间的关系,在人机交互。为了理解这种关系,我们创建了一个\say{Matching the Pair}游戏,参与者可以与两种机器人类型之一合作,哈士奇或胡椒。我们的目标是了解人类是否会信任机器人作为队友,而在游戏的情况下,需要高水平的认知负荷。使用人形机器人与技术机器人,我们还研究了物理拟人化的影响,我们还测试了机器人出错率对后续判断和行为的影响。我们的研究结果表明,信任和认知负荷之间呈反比关系,这表明随着参与者认知负荷的增加,他们的信任度下降。我们还发现了机器人类型,错误率和参与者的信任评级之间的三重交互作用的影响。我们发现,参与者认为胡椒更值得信赖的哈士奇机器人相比,在玩游戏后,两个机器人在高错误率的条件下。相反,当哈士奇被描述为具有低错误率时,它被认为比胡椒更值得信赖。我们的研究结果是有趣的,并呼吁进一步调查的物理拟人化的影响,结合可变的错误率的机器人。
2019-09-11 cs.AI cs.HC cs.RO
The AI Cognitive Trojan Horse: How Large Language Models May Bypass Human Epistemic Vigilance
School for the Future of Innovation in Society, Arizona State University(未来创新社会研究所,亚利桑那州立大学)
提出“认知特洛伊木马”假说,认为LLM通过优化产生的“诚实非信号”特征(流畅性、帮助性、表面无私)可能绕过人类进化出的认知警觉机制,导致用户高估其可信度。
2026-05-26 cs.AI cs.CY cs.HC
Mathematical Models of Theory of Mind
社会辅助机器人通过认知人机交互为人类提供身体和精神上的帮助。这些机器人应该以类似于人类相互交流的方式与人类保持长期的互动。根据心理理论,在他们的互动中,人类发展了彼此的认知模型,以估计他们不可观察的心理状态,预测他们的行为,并采取相应的行动。基于心理理论,我们提出了人类的数学认知模型,使机器能够理解人类的认知过程,一般和不同的个人。特别是,网络表示,制定的基础上提出的扩展版本的模糊认知地图。使用(1)根据人类直觉推理和文献的一般数据集设计的基于计算机的模拟和(2)15名人类参与者的真实生活个性化实验来识别和验证所产生的模型。实验结果表明,所提出的认知模型可以很好地个性化不同的参与者,并精确地估计和预测他们的当前和未来的心理状态和预期的行为。
2022-09-28 cs.HC
System 0: Transforming Artificial Intelligence into a Cognitive Extension
本研究提出System 0概念框架,论证AI可作为先于人类双系统思维的认知延伸,同时指出其谄媚与偏差放大悖论,并给出七个循证整合框架以平衡AI赋能与人类主体性。
2025-06-17 cs.HC
Experiencing the More-than-Human Through Human Augmentation
Reality Design Lab(现实设计实验室);University of Oxford(牛津大学);China Academy of Art(中国美术学院)
本文提出通过人类增强技术模拟非人类感官体验,旨在提升生态意识和跨物种同理心,展示了五个设计案例及设计原则。
2026-04-26 cs.HC
Read the Room or Lead the Room: Understanding Socio-Cognitive Dynamics in Human-AI Teaming
University of California, Irvine(加州大学尔湾分校)
本研究通过GPT-4智能体和HAT实验平台,利用LIWC和GCA两种NLP方法分析人机团队协作的话语数据,发现AI队友主导认知决策但社交脱离,人类则承担更多社交角色,揭示了人机协作的社会认知动态。
2025-10-11 cs.HC
Does Cognitive Load Affect Human Accuracy in Detecting Voice-Based Deepfakes?
Bauhaus-Universität Weimar(魏玛包豪斯大学);GESIS - Leibniz Institute for the Social Sciences(GESIS - 莱布尼茨社会科学研究所)
本文研究了认知负荷对人类检测语音深度伪造准确性的影响,发现低认知负荷不损害检测能力,同时暴露于次要刺激可提高检测效果。
2026-01-15 cs.HC
CogInstrument: Modeling Cognitive Processes for Bidirectional Human-LLM Alignment in Planning Tasks
Hong Kong University of Science and Technology(香港科技大学);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
CogInstrument通过认知动机建模实现人与大语言模型在规划任务中的双向对齐,通过可编辑的图形结构揭示隐含推理过程,提升用户对协作的控制力和信任度。
2026-04-12 cs.HC
Enabling Basic Normative HRI in a Cognitive Robotic Architecture
Tufts University(塔夫茨大学)
人类协作活动以社会和道德规范为基础,人类有意识和无意识地使用这些规范来指导和约束他们的决策和行为,从而加强他们的互动,防止情感和身体伤害。这种类型的基于范数的处理对于许多人机交互场景中的机器人也是至关重要的(例如,在辅助生活设施中帮助老年人和残疾人,或在工厂甚至空间站中帮助人类完成装配任务时)。在本立场文件中,我们将简要描述如何使用集成认知架构中的几个组件来实现规范的人机交互所需的过程,特别是在协作任务中,行动和情况可能被视为威胁,因此需要改变行动过程以减轻感知到的威胁。
2016-02-11 cs.AI cs.HC cs.RO
Emerging Reliance Behaviors in Human-AI Content Grounded Data Generation: The Role of Cognitive Forcing Functions and Hallucinations
本研究通过34名用户的272项任务实验,发现幻觉降低数据质量,认知强制功能虽不总能缓解但影响用户整合AI响应,且过度依赖AI文本导致数据质量下降,揭示了人类-LLM协作中过度依赖的复杂动态。
2025-04-21 cs.HC
Human operator cognitive availability aware Mixed-Initiative control
University of West Attica(西阿提卡大学);University of Birmingham(伯明翰大学)
本文提出了一种用于远程操作移动机器人的认知可用性感知混合主动控制器。控制器可以在不同的自主级别(LOA)之间进行动态切换,由人工智能或人类操作员发起。控制器利用最先进的计算机视觉方法和现成的网络摄像头来推断操作员的认知可用性并通知AI发起的LOA切换。这是一个质的进步,比以前的混合主动(MI)控制器。该控制器在灾难响应实验中进行评估,在该实验中,人类操作员必须与远程机器人进行探索任务。MI系统被证明是有效地协助运营商,表现出定量和定性的结果和工作量。此外,评估复杂的MI控制器的实验困难的一些见解。
2021-08-26 cs.AI cs.HC cs.MA
Effects of data ambiguity and cognitive biases on the interpretability of machine learning models in humanitarian decision making
Delft University of Technology(代尔夫特理工大学)
机器学习算法的有效性取决于数据的质量和数量以及人类分析师的操作和解释。在人道主义应急行动中,数据往往缺乏或负担过重,因此含糊不清,而人道主义活动的时间紧迫、动荡和不安全的环境很可能造成认知偏差。研究了数据模糊性和认知偏差对人道主义决策中机器学习算法可解释性的影响。
2019-11-12 cs.HC cs.LG stat.ML
Beyond Isolation: Towards an Interactionist Perspective on Human Cognitive Bias and AI Bias
本文主张超越对人类认知偏差与AI偏差的孤立研究,转向关注两者的动态交互效应,并提出构建一个将复合偏差映射至缓解策略的综合框架,以理解和保护人类认知。
2025-04-26 cs.HC
Cognitive Load and Productivity Implications in Human-Chatbot Interaction
人工智能和相应的机器学习技术的不断进步促进了聊天机器人的扩散,今天它们被嵌入到各种人机交互任务中。在企业环境中,聊天机器人的使用旨在降低劳动力成本,从而提高生产力。对于简单的、重复的客户服务任务来说,这已经证明是有益的,但更复杂的协作知识工作似乎需要更好地了解如何最好地集成该技术。特别是,伴随着使用这些基于自然语言的人工助理的额外的精神负担,往往仍然被忽视。为此,认知负荷理论认为,不必要的技术使用会导致额外的外在负荷,从而可能对用户的生产力产生相反的影响。因此,本文中提出的研究报告了一项评估人类聊天机器人在现实企业环境中交互的认知负荷和生产力影响的研究。A/B测试仅软件与软件+聊天机器人交互,以及NASA TLX用于评估和比较两个用户组的认知负荷。结果表明,聊天机器人用户的认知负荷更少,比纯软件用户的生产力更高。此外,尽管他们的平均任务完成时间稍长,但他们表现出较低的挫折感和更好的整体表现(即任务质量)。
2021-11-02 cs.HC
Cognitive Alignment Deciphered: A Self-Developed Scenario-Based Prompt Scale Coupled with Representational Similarity Analysis and Social Network Analysis for Unraveling Bias Mechanisms Across Humans and LLMs
Lingnan University(岭南大学)
本文提出基于场景的CBAS量表,结合RSA和SNA分析,揭示人类和LLM的偏见机制,通过干预提升LLM响应准确率,建立可复现的认知对齐研究流程。
2026-04-01 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
Building Trustworthy Cognitive Monitoring for Safety-Critical Human Tasks: A Phased Methodological Approach
本文提出一种分阶段方法论,通过整合人因研究、仿真训练、传感器和心理学原理,构建低侵入性的实时认知监控系统,以应对工作负荷、疲劳和压力等挑战,提升安全关键任务中的态势感知与决策能力,减少人为错误并保障操作员自主性。
2025-06-27 cs.HC
From One to Many: How Active Robot Swarm Sizes Influence Human Cognitive Processes
University of Konstanz(康斯坦茨大学);Justus Liebig University(吉森大学)
本研究探究15个机器人集群中不同活跃机器人数量对操作者认知与感知反应的影响,发现多活跃机器人会加快时间流逝感并增强心流,同时随持续时间增加情绪唤醒度与任务难度,为人机协作界面设计提供指导。
2024-03-20 cs.HC cs.RO
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
Cognitive Spillover in Human-AI Teams
Northeastern University(东北大学)
研究探讨AI对人类协作的社会和认知影响,通过实验发现AI暴露会引发人类互动中的认知溢出,影响语言、注意力、心理模型和社会凝聚力。
2026-03-20 cs.AI cs.HC econ.GN
GenAIReading: Augmenting Human Cognition with Interactive Digital Textbooks Using Large Language Models and Image Generation Models
本研究提出GenAIReading方法,利用大型语言模型与图像生成模型为数字教科书自动生成文本摘要和视觉对齐内容,实验证明其可将阅读后测试成绩提升7.50%,验证了生成式AI在增强认知和个性化学习中的有效性。
2025-03-10 cs.HC
Tools and methods for Human-Autonomy Teaming: Contributions to cognitive state monitoring and system adaptation
最近出现了人类自主团队模式(HAT)来建模和设计混合团队,其中人类操作员必须与人工代理合作,能够在动态和不确定的情况下独立进化。HAT的一个重要挑战是将自主系统转变为更好的队友,能够加入人类高度相互依赖的活动。所展示的作品探索了两个主要途径,由工业合作(在运输和工业系统领域),学术合作伙伴关系(特别是与南澳大利亚大学)和博士生的监督支持。第一个轴涉及认知状态的监测,使机器具有检测人类何时面临困难的能力。为了解决这个问题,提出了一种全局的方法来分类操作员的心理负荷的融合多源的生理和行为数据。第二个轴专注于适应人类自主团队的机制,使机器与人类更加兼容。探讨了两种解决方案。一个侧重于离线增强的专门知识,以配合机器,与援助的CWA方法和MDE技术。另一个是人机合作的在线适应,其中自主系统可以被认为是团队内部的队友,也可以被认为是团队之上的教练。最后,在法国和国外正在进行的举措的支持下,开辟了新的研究方向。这些观点涉及到认知状态监测的多层次方法的巩固,人类和自治之间的透明对话的建设,更深入地考虑过渡和纵向的情况下,在HAT,和规模扩大的挑战,研究HAT与人类团队。
2023-01-17 cs.HC
The Role of Robot Competence, Autonomy, and Personality on Trust Formation in Human-Robot Interaction
本研究探讨机器人能力、自主性和人格对信任态度与行为的影响,发现能力是关键因素,自主性起调节作用,认知信任促进任务委派,为提升协作场景中机器人接受度提供新证据。
2025-03-28 cs.HC
Untangling Cognitive Processes Underlying Knowledge Work
本研究探讨知识工作背后的认知过程,评估Bloom等现有分类作为认知工具设计基础的可行性,发现其解构不够全面且难以操作化。
2024-07-03 cs.HC
On the Influence of Cognitive Styles on Users' Understanding of Explanations
人工智能(AI)变得越来越复杂,使得用户很难理解AI是如何得出其预测的。使用可解释AI(XAI)方法,研究人员旨在向用户解释AI决策。迄今为止,基于XAI的解释追求的是一种以技术为中心的方法,忽视了用户的认知能力和信息处理差异对解释理解的影响。因此,本研究采取以人为本的视角,并结合认知心理学的见解。特别是,我们借鉴了认知风格的心理结构,描述了人类处理信息的特征模式。应用受试者间实验设计,我们研究了用户的理性和直觉的认知风格如何影响他们对AI提供的不同类型解释的客观和主观理解。初步结果表明,用户的理解取决于他们的认知风格的实质性差异。我们希望能对人为因素和XAI设计的相互关系有一个更细致入微的看法。
2022-10-05 cs.HC
Exploring the Role of Theory of Mind in Human Decision Making: Cognitive, Spatial, and Emotional Influences in the Adversarial Rock-Paper-Scissors Game
University of Dayton(代顿大学);Carnegie Mellon University(卡内基梅隆大学)
本文以石头剪刀布游戏为平台,结合心理理论测试与因子分析、结构方程建模,揭示递归思维、情绪感知和空间推理等潜在因子对人类对抗性决策的影响,为人机协作系统设计提供依据。
2025-11-07 cs.HC
Deciding Fast and Slow: The Role of Cognitive Biases in AI-assisted Decision-making
Carnegie Mellon University(卡内基梅隆大学);Twitter(推特);IBM Research(IBM研究院);Onfido
几项研究旨在弥合人工智能(AI)和人类决策者在AI辅助决策方面的差距,人类是AI模型预测的消费者,也是高风险应用程序的最终决策者。然而,人们的感知和理解往往被他们的认知偏差所扭曲,如确认偏差、锚定偏差、可用性偏差等。在这项工作中,我们使用认知科学领域的知识来解释人类-人工智能协作决策环境中的认知偏见,并减轻其对协作绩效的负面影响。为此,我们对认知偏差进行了数学建模,并提供了一个通用框架,通过该框架,研究人员和从业者可以了解认知偏差与人类-AI准确性之间的相互作用。然后,我们特别关注锚定偏差,这是人类与人工智能合作中常见的偏差。我们实施了一种基于时间的去锚策略,并进行了第一次用户实验,以验证其在人类-人工智能协作决策中的有效性。有了这个结果,我们为资源受限的环境设计了一个时间分配策略,在一些假设下实现了最佳的人类-AI协作。然后,我们进行了第二次用户实验,结果表明,我们的时间分配策略与解释可以有效地脱锚人类和提高协作性能时,人工智能模型具有低置信度,是不正确的。
2022-04-04 cs.HC cs.LG
Typing Behavior in Human-LLM Interaction: Keystroke Dynamics Reveal Cognitive Effort During Prompting
Technical University of Munich(慕尼黑工业大学);LMU Munich(慕尼黑大学)
本研究通过击键动态分析用户在与大语言模型交互时的认知努力,发现困难任务导致更多击键、更慢打字和更多停顿,但击键无法预测感知的输出有用性。
2026-06-29 cs.HC
The Dynamic Organization of Sustained Human-AI Cognition: From Construct-Level Change to Relational Structure
Le Mans Université(勒芒大学)
本文提出动态认知组织框架,从构念层面转向关系结构,以五维关系和递归原则解释持续AI参与下人类认知的组织差异,并提供可检验命题。
2026-09-15 cs.HC
Cognitive AI framework 2.0: advances in the simulation of human thought
Albizu University(阿尔比祖大学);AGM University School of Professional Studies and Cyberpsychology(AGM大学专业研究与网络心理学学院)
认知AI框架2.0通过统一的记忆架构和受控的知识更新,提升人机交互的个性化与适应性,解决可扩展性、偏见缓解和伦理合规等挑战。
2026-01-21 cs.CY cs.HC
When Human cognitive modeling meets PINs: User-independent inter-keystroke timing attacks
本文提出了第一个独立于用户的PIN码间定时攻击。我们的攻击方法是基于从人类认知模型,其参数可以由少量的训练数据的任何用户(不一定是目标受害者)的内置定时字典。因此,我们的攻击可能会在现实世界中大规模发起。我们研究了不同在线攻击环境下的跨节点定时攻击,并评估了它们在不同强度水平下对PIN的性能。我们的实验结果表明,所提出的攻击性能显着优于随机猜测攻击。我们进一步证明了我们的攻击对现实世界的应用程序构成了严重的威胁,并提出了各种方法来减轻威胁。
2018-10-17 cs.CR cs.HC
Adaptive cognitive fit: Artificial intelligence augmented management of information facets and representations
Rutgers University(罗格斯大学);William Paterson University(威廉帕特森大学);Northeastern University(东北大学);Hofstra University(霍夫斯特拉大学)
大数据技术和人工智能[AI]应用的爆炸式增长导致信息层面的日益普及和信息表示的快速增长。信息方面,如模棱两可和准确性,可以支配和显着影响人类的信息感知,从而影响人类的表现。在大数据和人工智能时代之前,现有的认知适配研究集中在调整信息表示和任务对绩效的影响上,而没有充分考虑信息方面和随之而来的认知挑战。因此,有一个迫切的需要了解这些占主导地位的信息方面与信息表征和任务的相互作用,以及它们对人类绩效的影响。我们认为,人工智能技术,可以适应信息表示,以克服认知局限性是必要的,这些复杂的信息环境。为此,我们提出并测试了一个新的 * 自适应认知匹配 * [ACF]框架,该框架解释了信息方面和AI增强的信息表示对人类表现的影响。我们借鉴信息处理理论和认知失调理论,提出了ACF框架和一系列命题。我们通过一个经济实验来实证ACF命题,该实验展示了信息方面的影响,以及一个机器学习模拟,该模拟建立了使用AI来提高人类绩效的可行性。
2022-04-25 cs.AI cs.CY cs.HC
Cognitive and motor compliance in intentional human-robot interaction
Okinawa Institute of Science and Technology(冲绳科学技术大学院大学)
人-机器人交互中的主体性和主观体验是研究自然认知和自适应机器人对人类环境的适应性时需要考虑的重要方面。虽然一些研究集中在非语言交流和合作,自主物理互动的研究得到较少的关注。从神经机器人的角度,我们探讨了意向性,运动顺应性,认知顺应性和行为涌现之间的关系。我们提出了一个变分模型的预测编码和主动推理的原则,研究意向性和认知的遵守,和间歇控制的概念,电机审议和遵守的基础上扭矩反馈的启发。我们的实验与人形Torobo肖像有趣的角度为生物启发的研究发展和社会过程。
2020-06-30 cs.HC cs.NE cs.RO
AugLimb: Compact Robotic Limb for Human Augmentation
Japan Advanced Institute of Science and Technology(日本先端科学技术大学院大学);The University of Tokyo(东京大学)
这项工作提出了一个紧凑的机器人肢体,AugLimb,可以增强我们的身体功能和支持日常活动。AugLimb的伸缩机构采用双层伸缩单元,可达到前臂长度的2.5倍。所提出的装置可以安装在使用者的上臂上,并且可以转换成紧凑的状态而不会阻碍佩戴者。所提出的装置重量轻,对佩戴者施加的负担低。我们开发了AugLimb的原型来演示所提出的机制。我们相信AugLimb的设计方法可以促进人类增强研究的实际应用。请参阅http://www.jaist.ac.jp/~xie/auglimb.html
2021-09-01 cs.HC cs.RO