Revitalizing Sex Education for Chinese Children: A Formative Study
本研究通过访谈和社交媒体分析,揭示中国儿童性教育不足且受限的现状,提出需在文化政治背景下进行情境化设计以改善性教育。
2024-01-25 cs.CY cs.HC
Mind the Dark: A Gamified Exploration of Deceptive Design Awareness for Children in the Digital Age
本文针对儿童对技术中欺骗性设计(暗模式)易感性强且相关教育研究匮乏的问题,开发了一款博弈化应用以教育儿童识别和应对暗模式,评估表明早期教育能显著提升儿童的防范意识并改变其数字平台使用行为。
2025-06-28 cs.HC
Designing Human-Centered Algorithms for the Public Sector: A Case Study of the U.S. Child-Welfare System
美国儿童福利系统(CWS)越来越多地寻求通过采用算法来模仿以效率,成本降低和创新为中心的私营部门的商业模式。这些数据驱动的系统据称可以改善决策,然而,公共部门在算法决策的技术,理论,文化和社会影响方面提出了自己的挑战。为了填补这些空白,我的论文包括四项研究,研究:1)个案工作者如何在日常自由裁量工作中与算法互动,2)算法决策对实践,组织和街道决策的性质的影响,3)案例笔记如何帮助解开无形劳动的模式并将决策过程置于情境中,以及4)案例记录如何能够帮助揭示更深层次的系统性制约因素和风险因素,这些因素难以量化,但直接影响家庭和街道一级的决策。我这项研究的目标是调查系统性差异,设计和开发以实践理论为中心的算法系统,提高人类自由裁量工作的质量。这些研究为公共部门以人为本的算法设计提供了可操作的步骤。
2022-12-11 cs.HC
Application of Machine Learning in Identification of Best Teaching Method for Children with Autism Spectrum Disorder
一个好的教学方法对一个自闭症儿童来说是难以理解的。自闭症谱系障碍是一种非常多样的现象。据说没有两个自闭症儿童是一样的。所以,对一个孩子有效的东西可能不适合另一个孩子。他们的教育也是如此。不同的孩子需要不同的教学方法。但是很难找到合适的教学方法。正如这个术语本身所解释的那样,自闭症谱系障碍就像一个谱系。有多种因素可以确定儿童自闭症的类型。一个孩子甚至可能在9岁时被诊断出患有自闭症。这样一个不同年龄的儿童群体,但专门的教育机构仍然倾向于他们或多或少相同的方式。这就是机器学习技术可以应用于寻找更好的方法来为他们每个人确定合适的教学方法的地方。通过分析他们的身体,语言和行为表现,与诊断结果相比,可以更准确地建议适当的教学方法。因此,更多患有自闭症谱系障碍的儿童可以得到最适合他们需要的更好的教育。
2023-02-10 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
Evaluation scheme for children-centered language interaction competence of AI-driven robots
本文针对AI驱动机器人与儿童交互的语言能力评估需求,基于家庭访谈与网购评论分析提出五维评估框架,通过实证研究验证家长在场的影响,最终形成结合亲子双视角的有效综合评估方案。
2024-05-15 cs.HC
Designing Child-Centered Content Exposure and Moderation
本文从人机交互、AI歧视、隐私问责和儿童在线公民身份四个交叉视角出发,探讨如何设计以儿童为中心、家庭引导的内容审核系统,并总结核心挑战与设计考量。
2024-06-12 cs.HC cs.SI
Levantamento de Requisitos para Jogos Educativos Infantis
游戏在课堂上的使用在不断增长,然而,仍然需要更好的解决方案,如调和休闲与课堂或缺乏注意力的儿童的问题。这项工作展示了用于调查和分析儿童教育游戏开发需求的方法,目标受众为5至9岁的儿童。提出了一系列基本要求,这些要求可以促进教育游戏的开发,并为游戏的进一步开发提供基础。可以通过解决教育理论,教育游戏化过程和其他要求收集方法来继续工作。
2019-09-22 cs.HC
Children's Mental Models of AI Reasoning: Implications for AI Literacy Education
University of Washington(华盛顿大学)
本研究通过协同设计与实地研究,揭示儿童对AI推理的三种心理模型,并指出年龄差异及教育启示。
2025-05-21 cs.AI cs.HC
Child-Robot Interaction Studies During COVID-19 Pandemic
新型冠状病毒疫情(COVID-19)大流行深深影响了我们的生活,就像其他人一样,孩子们也因COVID-19而受到限制,影响了他们的教育和与他人的社交互动,长时间被限制进入游乐场和学校。尽管社交机器人为支持儿童的教育、医疗保健和与他人的社交互动提供了一个有前途的解决方案,但由于COVID-19的预防措施也为社交机器人研究带来了新的限制。在本文中,我们将根据两项用户研究讨论COVID-19给儿童与机器人交互带来的好处和挑战。第一项研究涉及有听力障碍的儿童,并使用Pepper人形机器人来支持他们的听力测试。第二项研究包括儿童大小的人形机器人卡斯帕和自闭症谱系障碍(ASD)儿童的互动游戏。
2021-05-01 cs.HC
XR-Ed Framework: Designing Instruction-driven andLearner-centered Extended Reality Systems for Education
最近,HCI社区对将虚拟现实(VR),增强现实(AR)和混合现实(MR)应用于教育环境的兴趣越来越大。尽管有许多文献综述,仍然缺乏一个清晰的框架,揭示了不同的设计维度在教育延展实境(XR)系统。为了解决这一差距,我们综合了广泛的教育XR,提出了XR-Ed框架,它揭示了六个维度的设计空间(物理可达性,场景,社会互动,代理,虚拟度,评估)。在每一个维度中,我们使用现有的设计案例来构建框架。基于XR-Ed设计框架,我们结合教学设计方法,提出了XR-Ins,这是一个以预防为导向的,循序渐进的教育XR教学设计指南。他们共同致力于通过揭示隐含的设计选择来支持从业者,提供设计灵感,并指导他们以更加面向学习者和以学习者为中心的方式为XR技术设计教学活动。
2020-10-24 cs.HC
XR Design Framework for Early Childhood Education
Coventry University(考文垂大学);George Mason University(乔治梅森大学)
本文提出AHD框架,用于建模早期儿童教育中XR技术的交互,揭示安全风险与教学收益之间的不平衡问题。
2026-01-26 cs.CY cs.ET cs.HC
Designing Narrative-Focused Role-Playing Games for Visualization Literacy in Young Children
基于游戏设计和教育研究,本文介绍了以叙事为中心的角色扮演游戏作为促进幼儿视觉素养的一种方式。可视化素养技能对于理解我们周围的世界和构建有意义的可视化至关重要,然而,如何在早期更好地发展这些技能仍然在很大程度上被忽视和研究不足。直到最近,可视化社区才开始填补这一空白,导致了早期教育中使用的教育工具的初步研究和开发。我们通过探索游戏化来支持学习,并通过利用涉及可视化的数据相关问题中的叙述来确定应用基于角色扮演游戏的设计的机会。我们研究了包括叙事元素对学习的影响,通过技术探针,接地在一组设计考虑来自可视化,游戏设计和教育科学。我们创建了两个版本的游戏-一个有叙事元素,一个没有-并使用受试者之间的研究设计评估了33名11至13岁的儿童参与者的实例。尽管参与者需要两倍的时间来完成他们的游戏,由于额外的元素,包括这些元素被发现,以提高参与而不牺牲学习;我们的研究结果表明,图形阅读技能的发展没有显着差异,但在参与和整体享受的游戏显着差异。我们报告所收集的观察结果和定性反馈,并指出需要改进的地方和未来工作的空间。
2020-08-31 cs.HC
Applying LLM-Powered Virtual Humans to Child Interviews in Child-Centered Design
本研究针对儿童访谈挑战,提出了LLM驱动的虚拟人设计指南,开发了三种Human-AI工作流,实验证明LLM-Analyze工作流在引发回答长度、用户体验和参与度上表现最优。
2025-04-28 cs.CY cs.HC cs.MM
Designing Parent-child-robot Interactions to Facilitate In-Home Parental Math Talk with Young Children
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
针对现有教育数学机器人未整合家长角色的问题,研究设计了支持亲子数学对话的社交机器人功能并开展家庭探索研究,得出了家长对机器人的使用反馈与教育场景亲子机器人互动设计指南。
2023-05-04 cs.HC cs.RO
Modeling of ASD/TD Children's Behaviors in Interaction with a Virtual Social Robot During a Music Education Program Using Deep Neural Networks
Social and Cognitive Robotics Laboratory, Sharif University of Technology(沙里夫科技大学社会与认知机器人实验室)
研究利用深度神经网络开发系统,通过音乐教育程序中与虚拟社交机器人的互动,对自闭症和典型发育儿童的行为进行评估和建模,系统在区分两种儿童群体和生成相似情境下的行为模式方面表现出高准确率。
2026-02-11 cs.AI cs.HC
Co-Designing Community-Centered AI Education for Adults: A Midwestern Case Study
University of Michigan(密歇根大学);Eastside Community Network(东边社区网络);Friends of Parkside(公园之友)
本研究通过与非裔美国人社区合作设计的AI教育课程,探讨了非高等教育成人AI教育的实践形式,并揭示了社区层面AI素养的转变,主张基于本地社区背景的AI素养框架。
2026-07-28 cs.HC
The Future of Child Development in the AI Era. Cross-Disciplinary Perspectives Between AI and Child Development Experts
本报告基于15位专家咨询和文献综述,探讨AI融入儿童环境对儿童发展的影响,指出AI将改变休闲、教育与人机交互,并倡导跨学科国际合作与儿童中心法规以应对风险。
2024-05-29 cs.HC
Child Safety in Generative AI: An Expert-Guided and Incident-Grounded Evaluation Framework
Rutgers University(罗格斯大学)
针对儿童使用生成式AI的特定风险,提出一个结合专家引导风险因素和真实AI事件数据的评估框架,并应用于教育领域评估Llama Guard模型,发现其难以检测教育相关的不安全用户提示。
2026-07-02 cs.HC
Design, Development, and Use of Maya Robot as an Assistant for the Therapy/Education of Children with Cancer: a Pilot Study
Sharif University of Technology(谢里夫理工大学);Islamic Azad University(伊斯兰阿扎德大学)
Maya机器人通过提高儿童癌症治疗中的疼痛管理与情感支持,展示出在医疗环境中的应用潜力。
2026-02-11 cs.HC cs.RO
Family Theories in Child-Robot Interactions: Understanding Families as a Whole for Child-Robot Interaction Design
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本研究基于家庭系统理论(FST)和家庭生态模型(FEM)提出以家庭为中心的儿童-机器人交互设计方法,梳理相关文献并结合两个案例说明其应用价值,最终给出五项设计建议,为家用儿童社交机器人的设计提供理论支撑。
2023-05-04 cs.HC cs.RO
A Human-Centered Review of the Algorithms used within the U.S. Child Welfare System
Marquette University(马凯特大学);University of Central Florida(中佛罗里达大学)
美国儿童福利系统(CWS)负责改善寄养青年的成果;然而,他们负担过重,资金不足。为了克服这一限制,一些州已经转向算法决策系统,以降低成本,并确定更好的流程来改善CWS的结果。使用以人为中心的算法设计方法,我们综合了50篇关于CWS中使用的计算系统的同行评审出版物,以评估它们是如何开发的,所使用的预测因子的共同特征以及目标结果。我们发现大多数文献都集中在风险评估模型上,但没有考虑理论方法(例如,儿童-养父母匹配)也不是个案工作者的观点(例如,案例注释)。因此,未来的算法应该努力是上下文感知和理论上的强大,结合过去的研究确定的显着因素。我们为HCI社区提供研究途径,以开发以人为本的算法,将注意力转向CWS更公平的结果。
2020-03-07 cs.AI cs.CY cs.HC
Exploring Parent's Needs for Children-Centered AI to Support Preschoolers' Interactive Storytelling and Reading Activities
通过对17名学龄前儿童家长的定性研究,揭示现有AI讲故事与阅读技术在交互和算法上的不足,并为未来儿童AI互动技术提出改进方向。
2024-08-31 cs.CY cs.HC
Growing With the Condition: Co-Designing Pediatric Technologies that Adapt Across Developmental Stages
College of Design University of Minnesota Minneapolis, Minnesota USA;Medical School University of Minnesota Minneapolis, Minnesota USA;College of Design;University of Minnesota;Medical School
本文通过共设计工作坊,研究了不同发育阶段儿童管理慢性疾病的方式,提出了适应不同发育阶段的儿童健康技术设计方法。
2026-02-20 cs.HC
GoldMind: A Teacher-Centered Knowledge Management System for Higher Education -- Lessons from Iterative Design
Monash University(蒙纳士大学);University of Macau(澳门大学);Shandong University(山东大学)
本文提出GoldMind,一个面向高等教育的以教师为中心的知识管理系统,通过迭代设计和评估,探索教育工作者在数字教学任务中的知识管理实践。
2025-12-03 cs.HC
Captivate! Contextual Language Guidance for Parent-Child Interaction
要获得语言,儿童需要丰富的语言输入。然而,许多父母发现很难为孩子提供足够的语言输入,这可能会延迟他们的语言发展。为了帮助这些父母,我们设计了Captivate!,这是第一个在游戏期间为父母提供上下文语言指导的系统。我们的系统跟踪视觉和口头语言线索,以推断共同关注的目标,从而为父母提供实时的情境相关短语建议。我们通过以用户为中心的流程设计我们的系统,移民家庭是一个非常脆弱但研究不足的人群,以及专业的语言治疗师。接下来,我们将评估Captivate!对1-3岁儿童的父母进行调查,观察他们在反应性语言使用方面的改善。我们分享了为语言多样的家庭开发上下文指导技术的见解。
2022-02-14 cs.HC
Mathemyths: Leveraging Large Language Models to Teach Mathematical Language through Child-AI Co-Creative Storytelling
本文提出儿童-AI共创故事智能体Mathemyths,通过提示工程将数学术语融入叙事;35名4至8岁儿童实验显示,其数学语言学习效果与人类伙伴相当。
2024-02-26 cs.HC
Tinker Tales: A Tangible Dialogue System for Child-AI Co-Creative Storytelling
Department of Computer Science, Emory University(埃默里大学计算机科学系);Department of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学系);School of Nursing, Emory University(埃默里大学护理学院)
提出Tinker Tales有形对话系统,通过结合物理故事板、NFC玩具和移动应用,支持儿童与AI在四个叙事阶段进行协作故事创作,并发现提示框架影响儿童叙事贡献的形式和一致性。
2026-09-14 cs.AI cs.HC
A Human-Centered Review of Algorithms in Decision-Making in Higher Education
University of Toronto(多伦多大学)
算法在高等教育决策中的应用正在稳步增长,这有望为机构节省成本,为学生提供个性化服务,但也引发了围绕数据监督、公平和解释的伦理挑战。为了解决缺乏系统的了解,这些算法目前是如何设计的,我们回顾了大量的论文,提出算法在高等教育决策。我们根据输入数据、计算方法和目标结果对它们进行了分类,然后研究了这些因素与以人为本的透镜应用的相互关系:理论设计、参与设计或投机设计。我们发现,这些模型正朝着深度学习的方向发展,并越来越多地使用学生个人数据和受保护的属性,目标范围正在向自动化决策方向扩展。然而,尽管可解释性和可解释性相关降低,但目前的发展主要未能纳入以人为中心的镜片。我们讨论这些趋势带来的挑战,并倡导以人为本的方法。
2023-02-12 cs.AI cs.CY cs.HC
ContextQ: Generated Questions to Support Meaningful Parent-Child Dialogue While Co-Reading
ContextQ 通过将教育者专业知识编码到问题生成流程中,在平板阅读应用中自动生成对话式问题,引导家长与 4-6 岁儿童进行更有深度和日常关联性的共同阅读对话。
2024-05-06 cs.HC
Roboviz: A Game-Centered Project for Information Visualization Education
由于其教学优势,信息可视化课程的大型期末项目已成为标准做法。学生需要一个真实或模拟的客户端,一个数据集和一组模糊的目标来创建一个完整的可视化或可视化分析产品。不幸的是,许多项目的目标不明确,客户期望过高或过低,以及数据限制,这些限制使学生将时间花在非可视化问题上(例如,数据清理)。这些都是重要的技能,但往往是次要的课程目标,不可预见的问题可能会严重阻碍学生。我们为我们的信息可视化课程创建了一个替代方案:Roboviz,这是一个实时游戏,学生可以通过构建一个以可视化为中心的界面来玩。通过围绕四种不同的数据类型设计游戏机制,该项目允许学生创建各种交互式可视化。学生团队与他们的同学进行比赛,目的是收集最多(好)的机器人。策略的灵活性鼓励可变性,一系列方法,并解决邪恶的设计约束。我们描述了这个游戏的建设,并报告了两年多的学生项目。我们进一步展示了游戏机制如何扩展或适应其他基于游戏的项目。
2022-08-08 cs.HC
The Homework Wars: Exploring Emotions, Behaviours, and Conflicts in Parent-Child Homework Interactions
本研究利用大语言模型分析78个中国家庭602次作业会话,识别出家长情绪变化、18种行为及七种冲突类型,发现善意行为也与冲突正相关,为家庭教育提供实证依据。
2025-08-07 cs.HC
Toward Family-Robot Interactions: A Family-Centered Framework in HRI
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
针对当前人机交互研究忽略家庭复杂互动的缺口,本文通过叙述性综述梳理家庭-机器人交互的研究机遇,并提出可落地的以家庭为中心的交互研究与实践框架,为家庭机器人设计提供指导。
2024-01-25 cs.HC cs.RO
Security and Human-Centered Assessment of BACnet-Controlled DALI Infrastructure in an Educational Building Automation Testbed
University of Bern(伯尔尼大学)
通过结合网络枚举、对象级检查、物理机架分析和反思性HCI分析,评估BACnet/IP楼宇自动化测试床中DALI照明的安全性,强调BACS评估不仅涉及技术协议,还需可用工具、物理可观测性、可解释命名和安全的命令优先级心智模型。
2026-06-17 cs.CR cs.HC
StoryBuddy: A Human-AI Collaborative Chatbot for Parent-Child Interactive Storytelling with Flexible Parental Involvement
University of Notre Dame(圣母大学);University of California, Irvine(加州大学欧文分校);Georgia Institute of Technology(佐治亚理工学院);Rensselaer Polytechnic Institute(伦斯勒理工学院);University of Washington(华盛顿大学);IBM Research(IBM研究院)
尽管它有利于儿童的技能发展和亲子关系,但许多父母并不经常通过与他们的孩子进行与故事相关的对话来参与互动式讲故事,这是由于有限的可用性或提出适当问题的挑战。虽然最近的进展使人工智能从故事中生成问题成为可能,但全自动化的方法排除了父母的参与,忽视了教育目标,并且没有充分优化儿童的参与。根据需求发现访谈和参与式设计(PD)结果,我们开发了StoryBuddy,这是一个支持AI的系统,可供父母创建交互式讲故事体验。StoryBuddy的设计强调了在父母参与和亲子关系的愿望与忙碌时最小化父母干预的目标之间适应动态用户需求的需要。PD揭示了父母的各种评估和教育目标,StoryBuddy通过支持配置问题类型和跟踪孩子的进步来解决这些问题。一项用户研究验证了StoryBuddy的可用性,并为未来的父母-AI协作系统提出了设计见解。
2022-03-14 cs.AI cs.CL cs.HC
Abjad-Kids: An Arabic Speech Classification Dataset for Primary Education
Arab International University(阿拉伯国际大学)
本文提出Abjad-Kids数据集,用于阿拉伯语儿童语音分类,通过CNN-LSTM架构解决阿拉伯语音素相似性和样本不足问题,实验显示静态语言基分组效果更优,但存在过拟合风险,未来需增加数据量。
2026-03-11 cs.CL cs.HC cs.LG
Understanding learning within a commercial video game: A case study
人们对使用视频游戏进行学习的价值和相关性的辩论越来越感兴趣。一些兴趣源于对当前教育方法的不满。然而,这种兴趣也源于对大量玩电子游戏的儿童的观察。本文发现,孩子们可以通过玩一个名为“粘粘世界”的电子游戏来学习基本的建筑技能。该研究还采用了新的眼动跟踪技术来测量内源性眨眼和眼睛注视。对这两个认知处理指标的测量进一步表明,研究中的儿童学会了玩两个视频游戏,《粘粘世界》和《坏猪》。总的来说,研究结果进一步支持了儿童通过玩商业视频游戏学习的潜力。
2015-07-03 cs.CY cs.HC
KidLM: Advancing Language Models for Children -- Early Insights and Future Directions
University of Alberta(阿尔伯塔大学)
该研究针对儿童专属语言模型开发的需求,提出以用户为中心的儿童语料收集流程和分层掩码训练目标,提升模型在儿童文本理解、安全及偏好匹配上的表现,并给出未来发展建议。
2024-10-04 cs.AI cs.CL cs.CY