Co-badge: An Activity for Collaborative Engagement with Data Visualization Design Concepts
针对数据可视化普及下的协作科普需求,提出90分钟的Co-Badge协作设计活动,经三场不同背景参与者的工作坊验证,该活动可趣味化普及设计原则,为多元主体的数据可视化教育提供新方案。
2024-09-12 cs.HC
Sensemaking Through Making: Developing Clinical Domain Knowledge by Crafting Synthetic Datasets and Prototyping System Architectures
本文提出一种以制造为导向的方法,通过构建合成数据集和原型化系统架构,帮助设计师在直接访问受限时理解复杂的医疗保健系统。
2025-07-01 cs.HC
Designing Conversations with the Dead: How People Engage with Generative Ghosts
University of Colorado Boulder(科罗拉多大学博尔德分校)
研究探讨了人们如何与生成鬼魂互动,通过质性研究发现,用户更倾向于即时性而非事实准确性,且互动始终是协作的。
2026-05-20 cs.AI cs.HC
Beyond Wellbeing Apps: Co-Designing Immersive, Embodied, and Collective Digital Wellbeing Interventions for Healthcare Professionals
本研究通过两阶段共同设计研究,探索医疗保健专业人员对沉浸式、具身化及集体性数字健康技术的看法,并提出满足自主、胜任与关联需求的设计建议。
2025-06-24 cs.HC
AI as a Medical Ally: Evaluating ChatGPT's Usage and Impact in Indian Healthcare
本研究调研ChatGPT等大语言模型在印度医疗领域的应用,通过面向普通用户和医护的双重调研发现其价值与现存顾虑,提出需结合医护需求开发合规、以用户为中心的医疗类LLM。
2024-01-28 cs.CY cs.HC
Understanding the Digital News Consumption Experience During the COVID Pandemic
在COVID-19疫情期间,人们通过数字新闻平台寻求信息。为了研究如何设计这些平台来支持用户在危机中的需求,我们对美国各地的22名参与者进行了为期两周的日记研究。参与者的新闻消费经历分为两个阶段:在\textbf{seeking}阶段,参与者增加了他们的一般消费,受到三种常见信息需求的激励-具体来说,寻找,理解和验证相关的新闻。然后,参与者进入\textbf{sustaining}阶段,情绪化地处理新闻变得与他们的信息需求一样重要。我们从参与者那里获得了设计理念,并从中提炼出六个主题,用于创建数字新闻平台,在危机期间提供更好的信息和情感支持。因此,我们的贡献,第一,用户的需求随着时间的推移,与从事危机新闻的模型,第二,示例设计概念,以支持用户的需求,在每个阶段。
2022-02-10 cs.HC
Since U Been Gone: Augmenting Context-Aware Transcriptions for Re-engaging in Immersive VR Meetings
针对沉浸式VR会议中用户被打断后补看内容难、现有转录界面存在干扰社交或缺乏过往上下文的问题,提出自适应的EngageSync转录界面,可提升社交存在感与补看效率。
2025-03-20 cs.HC
Imagining Better AI-Enabled Healthcare Futures: The Case for Care by Design
本文针对人工智能赋能医疗面临的隐私安全、人文关怀缺失等担忧,提出通过让医疗相关多方参与AI工具包容性设计的“设计式照护”路径,以弥合AI落地差距、实现更有温度更有效的以人为本医疗。
2024-11-04 cs.HC
THERADIA WoZ: An Ecological Corpus for Appraisal-based Affect Research in Healthcare
本文提出THERADIA WoZ医疗情感研究生态语料库,通过WoZ虚拟助手收集老年人认知训练视听数据,基于评价理论维度和成就情感标签进行标注,并提供建模基线,为情感计算提供资源。
2024-12-20 cs.HC
Investigating Youth's Technical and Ethical Understanding of Generative Language Models When Engaging in Construction and Deconstruction Activities
本研究通过参与式设计工作坊,让青少年构建和审计生成语言模型,以探究其技术与伦理理解的发展,并贡献相关证据与实践清单。
2025-04-21 cs.CY cs.HC
Towards Considerate Embodied AI: Co-Designing Situated Multi-Site Healthcare Robots from Abstract Concepts to High-Fidelity Prototypes
Cornell Tech / Cornell University(康奈尔科技/康奈尔大学)
本文提出通过协同设计方法,从抽象概念到高保真原型,开发多站点医疗机器人,以减少医疗场景中的非增值任务负担。
2026-02-03 cs.AI cs.HC cs.RO
Old Fictions, New Skins: Evaluating the Manipulative Capabilities of LLMs in Healthcare
ILINA Program(ILINA项目);Haki AI
通过随机实验发现,ChatGPT 5.2和DeepSeek V3.2在肯尼亚参与者中能显著操纵其治疗决策,成功率从44.0%升至59.5%,凸显非洲医疗AI中防范操纵的必要性。
2026-06-23 cs.AI cs.CY cs.HC
About Engaging and Governing Strategies: A Thematic Analysis of Dark Patterns in Social Networking Services
HCI的研究表明,人们对许多领域中不道德的设计实践越来越感兴趣,通常被称为“黑暗模式”。然而,有一个差距,在相关文献中关于社会网络服务(SNS)。在这种情况下,研究强调用户在控制个人数据和在SNS上花费的时间方面缺乏自主权。我们从Facebook、Instagram、TikTok和Twitter的移动应用程序中收集了超过16个小时的屏幕记录,以了解这些SNS中的暗模式是如何表现的。对于这项任务,我们转向HCI专家,以减轻非专家参与者在识别暗模式时可能遇到的困难,正如先前的研究所注意到的那样。在录音的支持下,本文的两位作者根据先前描述的分类法进行了主题分析,对记录的材料进行了手动分类,同时提供了两个关键发现:我们观察了哪些实例发生在SNS中,并确定了两种策略-参与和管理-其中有五种黑暗模式之前未被发现。
2023-03-01 cs.CY cs.HC
Designing for Engaging Communication Between Parents and Young Adult Children Through Shared Music Experiences
本文探索音乐介导的亲子沟通实践与需求,开发DJ-Fam移动应用促进分居父母与成年子女共享歌曲并引发对话,经韩国7个家庭4周研究,证明其能提升沟通频率、丰富渠道话题并改善亲子关系。
2025-07-30 cs.CY cs.HC
"Who Should I Believe?": User Interpretation and Decision-Making When a Family Healthcare Robot Contradicts Human Memory
Graduate School in Cybersecurity, Department of Information Technology, Uppsala University(网络安全研究生院,信息科技系,乌普萨拉大学)
本研究探讨家庭医疗保健机器人与用户记忆矛盾时,透明度和社会性如何影响用户解释、决策与信任,发现高透明度促使用户归因于外部干扰,且用户普遍存在过度信任机器人的倾向。
2025-06-26 cs.HC cs.RO
Exploratory Study Of Human-AI Interaction For Hindustani Music
Mila - Quebec Artificial Intelligence Institute(米拉-魁北克人工智能研究所);Université de Montréal(蒙特利尔大学)
本文通过三名音乐家与印度斯坦声乐轮廓生成模型 GaMaDHaNi 的三种交互模式开展试点用户研究,揭示模型输出缺乏限制与连贯性两大挑战,并为后续模型设计提出改进方向。
2024-11-21 cs.AI cs.HC
Designing for Engaging with News using Moral Framing towards Bridging Ideological Divides
社会显示出强烈的意识形态两极分化的迹象。当被迫寻求与自己不同的观点时,人们往往会拒绝不同的想法或发现它们深不可测。研究表明,利用受众的价值观来构建有争议的问题可以提高对对立观点的理解。在本文中,我们提出了我们的工作设计系统,通过教育美国新闻消费者参与使用被称为道德基础的基本人类价值观的框架来解决意识形态分歧。我们设计并实现了一系列新功能,鼓励用户挑战他们对对立观点的理解,包括新闻文章中道德框架的注释,通过内联评论讨论这些框架,以及基于相关道德框架的建议。我们描述了两个版本的功能-第一个涵盖了一套与新闻中的道德框架互动的方法,第二个面向协作注释和讨论。我们在6-8天的时间里对每次设计迭代进行了现场评估,共有71名参与者,发现证据表明用户学会了在对方的道德价值观中重新构建他们的话语。我们的工作为构建系统提供了几个设计考虑因素,以参与道德框架。
2022-01-21 cs.CY cs.HC
Using a Nature-based Virtual Reality Environment for Improving Mood States and Cognitive Engagement in Older Adults: A Mixed-method Feasibility Study
参与自然环境和自然的表征已被证明可以改善老年人的情绪状态并减少认知能力下降。目前的研究评估了使用虚拟现实(VR)呈现沉浸式360度的自然视频和数字设计的互动花园,为此目的。招募了50名具有不同认知和身体能力的参与者(年龄60岁以上)。通过干预前/后调查,干预期间的标准化观察,干预后半结构化访谈收集数据。结果表明,对VR的态度以及情绪和参与的某些方面都有显着改善。不同认知能力的参与者对环境的反应没有显着差异;然而,与无残疾的参与者相比,身体残疾的参与者在某些指标上表现出更强的积极反应。几乎没有负面影响(晕电脑,任务挫折)被发现。在采访中,一些参与者表示抵制技术,特别是数字花园,表示它感觉卡通或没有吸引力,它不能代替真实的自然。然而,大多数人认为,在现实世界中与自然接触并不立即可行的情况下,VR体验可能是一种有益的活动。
2022-01-09 cs.HC
RemoteChess: Enhancing Older Adults' Social Connectedness via Designing a Virtual Reality Chinese Chess (Xiangqi) Community
针对距离和身体限制导致老年人社会联结下降的问题,本研究设计RemoteChess虚拟现实中国象棋社区,通过共享文化活动增强社交互动,经用户研究验证效果并提出设计指南。
2025-02-17 cs.HC
MineXR: Mining Personalized Extended Reality Interfaces
MineXR提出一种设计挖掘工作流与数据分析平台,通过用户手机截图创建并预览个性化XR界面,收集31名参与者的695个XR小部件数据集,为未来XR界面设计提供洞察与开源支持。
2024-03-12 cs.HC
YAQIN: Culturally Sensitive, Agentic AI for Mental Healthcare Support Among Muslim Women in the UK
Dyson School of Design Engineering, Imperial College London(帝京理工学院伦敦校区设计工程学院)
YAQIN通过整合伊斯兰心理学和用户中心设计,为英国穆斯林女性提供文化敏感的AI心理健康支持,提升信任与治疗效果。
2026-03-08 cs.AI cs.HC
Effects of Persuasive Dialogues: Testing Bot Identities and Inquiry Strategies
智能会话代理或聊天机器人可以采取各种身份,并越来越多地参与以人为中心的对话,具有说服力的目标。然而,很少有人知道身份和查询策略如何影响对话的有效性。我们进行了一项在线研究,涉及790名参与者被聊天机器人说服进行慈善捐赠。我们设计了一个2 × 4析因实验(两个聊天机器人身份和四种询问策略),参与者被随机分配到不同的条件下。研究结果表明,聊天机器人的感知身份对说服结果有显著影响(即,捐赠)和人际感知(即,能力、信心、热情和真诚)。此外,我们确定了感知身份和查询策略之间的交互作用。我们讨论了研究结果对开发道德和有效的说服性聊天机器人的理论和实践意义。我们公布的数据、代码和分析是构建有能力的道德说服力聊天机器人的第一步。
2020-01-18 cs.HC
When motivation can be more than a message: designing agents to boost physical activity
本研究通过访谈12名参与者,发现虚拟智能体在身体活动干预中需展现真实可见的努力才能获得信任,并提出行为线索、叙事基础和个性化表现等设计方向以促进共同体验式付出。
2025-08-17 cs.HC
"If I were in Space": Understanding and Adapting to Social Isolation through Designing Collaborative Narratives
本文通过社交VR中的协作太空叙事设计,让隔离者以角色扮演方式表达适应策略,发现游戏化叙事比方案导向方法更能揭示人们应对社交隔离的方式。
2025-07-20 cs.HC
Guidelines Towards Better Participation of Older Adults in Software Development Processes using a new SPIRAL Method and Participatory Approach
本文提出了一种新的方法,让老年参与者参与新兴IT和科技初创企业的应用程序和IT解决方案开发过程。提出了一种新的方法,称为SPIRAL(支持参与者参与快速和敏捷软件开发实验室),它增加了可持续性和灵活性的开发过程中与老年人。这种方法是基于参与式的方法和老年人的用户授权与自助生活实验室的概念的帮助下,它超越了完善的以用户为中心和移情设计。SPIRAL提供策略,让年长的参与者从早期阶段就直接参与软件开发过程,以支持快速原型设计的敏捷方法,特别是在能力有限的新兴创业环境中,包括时间,团队和资源。
2018-03-27 cs.CY cs.HC cs.SE
Off-Policy Selection for Initiating Human-Centric Experimental Design
Stanford University(斯坦福大学);North Carolina State University(北卡罗来纳州立大学);IBM Research(IBM研究院);Duke University(杜克大学)
针对以人为中心系统中新参与者无历史离线数据时的策略部署选择问题,提出 FPS,通过子组划分和定制 OPS 准则处理异质性,并在智能辅导与脓毒症治疗中验证成效。
2024-10-26 cs.AI cs.HC cs.LG
Towards RehabCoach: Design and Preliminary Evaluation of a Conversational Agent Supporting Unsupervised Therapy after Stroke
本文设计并初步评估了搭载会话代理的智能手机应用 RehabCoach,用于支持卒中后无监督治疗;患者与专业人员测试显示其任务成功率高、可用性评价积极。
2024-03-02 cs.HC
Multimedia and Immersive Training Materials Influence Impressions of Learning But Not Learning Outcomes
该研究通过两项实验发现,相比静态图示,VR视频和沉浸式VR训练虽提升了参与者对自身学习的评价,却未改善实际学习结果,揭示了技术丰富材料可能造成学习印象与真实效果脱节的问题。
2024-07-07 cs.HC
Engaging with AI: How Interface Design Shapes Human-AI Collaboration in High-Stakes Decision-Making
University of California, Santa Barbara(加利福尼亚大学圣巴巴拉分校)
本研究在糖尿病管理场景中通过108人对照实验评估六种决策支持机制,发现AI置信度、文本解释和性能可视化能提升人机协作表现与信任,而人类反馈和AI提问虽促进反思却因增加认知负担降低表现,强调了平衡设计认知强制功能与可解释AI的重要性。
2025-01-28 cs.AI cs.HC
Assessing the communication gap between AI models and healthcare professionals: explainability, utility and trust in AI-driven clinical decision-making
The University of Manchester(曼彻斯特大学);CRUK Manchester Institute(英国癌症研究中心曼彻斯特研究所);Idiap Research Institute(Idiap研究所)
本文贡献了一个实用的评价框架,可解释的机器学习(ML)模型的临床决策支持。该研究揭示了ML解释模型的一个更微妙的作用,当这些模型被实用地嵌入临床环境中时。尽管医疗保健专业人员(HCP)对解释作为一种安全和信任机制的普遍积极态度,但对于一组重要的参与者来说,存在与确认偏差相关的负面影响,加剧了模型的过度依赖,并增加了与模型互动的努力。此外,与其主要预期功能之一相矛盾的是,标准的解释性模型显示出有限的能力来支持对模型局限性的批判性理解。然而,我们发现了新的显著的积极影响,重新定位了临床背景下解释的作用:这些包括减少自动化偏倚,解决模糊的临床病例(HCP不确定其决策的病例)以及支持经验不足的HCP获取新的领域知识。
2022-10-27 cs.AI cs.HC cs.LG
The AI-DEC: A Card-based Design Method for User-centered AI Explanations
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出AI-DEC卡片式设计方法,定义AI解释的四个维度,并通过多行业协同设计验证其能支持用户设计满足不同性能与自主性需求的解释。
2024-05-26 cs.AI cs.HC
Guiding Generative Storytelling with Knowledge Graphs
University of the Arts London(伦敦艺术大学)
本研究通过知识图谱辅助生成叙事,提升长篇叙述的质量和用户可控性,实验表明结构明确的叙述有明显改进,但反思性故事未见提升。
2026-01-09 cs.CL cs.HC
A Human-Centric Take on Model Monitoring
Fiddler AI(菲德勒人工智能公司);Harvard University(哈佛大学)
预测模型越来越多地用于在医疗保健、金融和政策等高风险领域做出各种相应的决策。确保这些模型做出准确的预测,对数据的变化具有鲁棒性,不依赖虚假特征,并且不过度歧视少数群体,这一点变得至关重要。为此,在最近的文献中已经提出了几种跨越各个领域的方法,如可解释性,公平性和鲁棒性。这种方法需要以人为中心,因为它们迎合了用户对模型的理解。然而,在理解以人为中心的需求和监控机器学习(ML)模型的挑战方面存在研究空白。为了填补这一空白,我们对13名从业者进行了采访研究,这些从业者在部署ML模型和与金融服务、医疗保健、招聘、在线零售、计算广告和会话助理等领域的客户互动方面都有经验。我们确定了现实世界应用程序中模型监控的各种以人为中心的挑战和要求。具体而言,我们发现模型监测系统需要澄清监测观察结果的影响,这是一个挑战。此外,这些见解必须是可操作的,健壮的,可针对特定领域的用例进行定制,并且在认知上考虑周到,以避免信息过载。
2022-09-20 cs.HC cs.LG
Clinical knowledge in LLMs does not translate to human interactions
Oxford Internet Institute(牛津互联网研究所);University of Oxford(牛津大学);Nuffield Department of Primary Care(初级保健部门);North Wales Medical School(北威尔士医学院);Bangor University(班戈大学);Contextual AI(上下文AI);MLCommons;Factored AI;Birmingham Women’s and Children’s NHS Foundation Trust(伯明翰妇女和儿童国家卫生信托基金会);Institute of Biomedical Engineering(生物医学工程研究所)
本研究发现,尽管LLMs在单独测试中能准确识别医疗场景中的疾病和处置方案,但在实际人类交互中,用户借助LLMs的表现并不优于对照组,表明现有基准无法预测人机交互失败,建议在医疗部署前进行系统的人类用户测试。
2025-04-26 cs.AI cs.CL cs.HC
Directive Explanations for Monitoring the Risk of Diabetes Onset: Introducing Directive Data-Centric Explanations and Combinations to Support What-If Explorations
KU Leuven(鲁汶大学);University of Maribor(马里博尔大学)
可解释的人工智能越来越多地用于医疗保健中基于机器学习(ML)的决策系统。然而,很少有研究比较了不同的解释方法在指导医疗保健专家为病人护理的效用。此外,目前还不清楚这些方法对医疗保健专家的有用性、可理解性、可操作性和可信赖性,因为它们通常需要技术ML知识。本文提出了一个解释仪表板,预测糖尿病发病的风险,并解释这些预测与数据为中心,功能的重要性,并基于示例的解释。我们设计了一个交互式仪表板,以帮助医疗保健专家,如护士和医生,监测糖尿病发病的风险,并建议采取措施,以尽量减少风险。我们对11名医疗保健专家进行了定性研究,并对45名医疗保健专家和51名糖尿病患者进行了混合方法研究,以比较仪表板中不同解释方法的可理解性,有用性,可操作性和信任度。结果表明,我们的参与者更喜欢我们的代表数据为中心的解释,提供本地的解释与其他方法的全球概述。因此,本文强调了以数据为中心的视觉指导解释方法的重要性,以帮助医疗专家从患者的健康记录中获得可操作的见解。此外,我们分享我们的设计意义,为医疗保健专家定制不同解释方法的视觉表示。
2023-02-21 cs.AI cs.HC cs.LG
StoryEnsemble: Enabling Dynamic Exploration & Iteration in the Design Process with AI and Forward-Backward Propagation
University of Toronto(多伦多大学);University of California, San Diego(加州大学圣地亚哥分校)
针对设计过程中探索与迭代受限的问题,本文开发了集成AI与前向-后向传播的StoryEnsemble工具,支持动态多向迭代,有效提升了设计探索的流畅性与易用性。
2025-08-14 cs.AI cs.HC