Safety Nudges: User-Facing Interventions for Real-Time AI Risk Awareness
Carnegie Mellon University(卡内基梅隆大学)
针对对话AI难以被用户察觉的安全风险,提出浏览器工具“安全提示”,通过情境内标志提升用户风险意识,实地研究显示其有效但意识提升未必改变行为。
2026-09-25 cs.AI cs.CY cs.HC
Impact of Online Health Awareness Campaign: Case of National Eating Disorders Association
全国饮食失调协会每年举办一次NEDAWareness周,在此期间,它在社交媒体和新闻上发布旨在提高对饮食失调的认识的内容。衡量这些行动的影响对于最大限度地发挥这些干预措施的效力至关重要。本文试图对参与NEDAWareness内容的用户的行为变化进行建模。我们发现,尽管受欢迎的影响者参与了这场运动,但吸引最多转发的是政府和非营利账户。此外,检查用户的推文语言从事此内容,我们发现语言类别有关妇女,家庭和焦虑被提到更多的干预后15天内,和类别有关的隶属关系,引用他人,和积极的情绪提到less.We总结与未来的运动和讨论的方法的局限性的可操作的影响。
2020-10-12 cs.CY cs.HC
Designing an Intervention Tool for End-User Algorithm Audits in Personalized Recommendation Systems
本文提出干预工具MapMyFeed,通过引导提示、浏览器扩展跟踪和实时仪表板可视化,支持终端用户审计个性化推荐算法,以提升算法素养并促进透明公平的推荐系统。
2024-09-20 cs.HC
GPTFootprint: Increasing Consumer Awareness of the Environmental Impacts of LLMs
本文提出GPTFootprint浏览器扩展,通过动态可视化ChatGPT查询的水和能源消耗来提高消费者对LLMs环境影响的认识,研究发现该工具提升了用户环保意识,但在减少使用量方面效果有限。
2025-05-30 cs.HC
Translating Ethical Frameworks Into User-Centred Anti-Social Behaviour Interventions
Swansea University(斯旺西大学)
本文提出将反社会行为干预作为人机交互问题,通过嵌入伦理框架的两种数字设计,提升公众责任感并预防反社会行为,采用结构化访谈和在线调查方法验证了框架有效性。
2026-04-21 cs.HC
From Perception to Action: Can UI Interventions Foster Sustainable LLM Chatbot
University of Applied Sciences and Arts Northwestern Switzerland (FHNW)(瑞士西北应用科学与艺术大学(FHNW));University of Mannheim(曼海姆大学)
研究通过UI干预(如模式切换、能耗反馈)提升用户对LLM聊天机器人能耗的感知,并鼓励节能行为,发现模式切换是主要行为机制。
2026-06-09 cs.AI cs.HC cs.SE
Micro-Health Interventions: Exploring Design Strategies for 1-Minute Interventions as a Gateway to Healthy Habits
本研究通过两项研究探讨了一分钟超简短行为干预如何作为健康习惯的起点,发现干预效果主要取决于内容契合度、语气和时机,而非结构类型。
2025-08-12 cs.HC
Resize Me! Exploring the User Experience of Embodied Realistic Modulatable Avatars for Body Image Intervention in Virtual Reality
肥胖是一种严重的疾病,会影响身体和心理健康。由于体重污名化,许多受影响的人遭受身体形象的干扰,他们认为自己的身体在一个扭曲的方式,负面评价,或忽略it. Beyond建立的干预措施,如镜子曝光,最近的进展旨在补充身体形象治疗的体现视觉改变虚拟身体在虚拟现实(VR)。我们提出了一个高保真的原型,先进的VR系统,允许用户体现快速生成的个性化,逼真的化身,并在一个精心设计的虚拟环境中实时调整其体重。在形成性多方法方法中,共有12名参与者使用半结构化定性访谈和多个定量用户体验指标,在身体扫描和VR体验期间对我们系统的一般用户体验(UX)进行了评分。通过使用体重修改任务,我们进一步比较了三种不同的实时体重修改交互方法,并测量了我们的系统对身体图像相关测量身体意识和体重感知的影响。从收到的反馈中,展示了我们整个系统已经稳固的用户体验,并为进一步改进提供了建设性的意见,我们得出了一套设计指南,以指导支持身体形象干预的系统的未来开发和评估过程。
2022-03-09 cs.HC
"It felt more real": Investigating the User Experience of the MiWaves Personalizing JITAI Pilot Study
Harvard University(哈佛大学);University of Michigan(密歇根大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文通过 MiWaves 初步研究评估面向18—25岁人群的大麻使用减少型个性化 JITAI,发现签到、趋势可视化及消息时机频率总体有效,并识别不同交互任务的努力感知差异。
2025-10-03 cs.HC
A Vehicle for Research: Using Street Sweepers to Explore the Landscape of Environmental Community Action
研究人员正在开发移动传感平台,以促进公众对环境状况的认识。然而,要将这种认识转化为实际的社区行动和政治变革,需要的不仅仅是收集和提供数据。为了为移动环境传感研究提供信息,我们与政府,私人和公共利益相关者进行了设计实地考察。与此同时,我们建立了一个环境空气质量传感系统,并将其部署在美国一个主要城市的街道清扫车上;这是一个“研究工具”,为我们的采访奠定了基础,并为我们提供了环境行动研究人员的地位。在本文中,我们提出了一个定性分析的环境行动的景观,专注于见解,这将有助于研究人员框架有意义的技术干预。
2009-05-02 cs.HC
Mindless Attractor: A False-Positive Resistant Intervention for Drawing Attention Using Auditory Perturbation
The University of Tokyo(东京大学);ACES Inc.(ACES公司);University of Tsukuba(筑波大学);Teambox Inc.(Teambox公司)
明确提醒用户并不总是最佳的干预措施,特别是当他们没有动机服从时。例如,在基于视频的学习中,从视频中分心的学习者不会遵循要求他们注意的警报。受无意识计算概念的启发,我们提出了一种新的干预方法,无意识吸引子,它利用人类语音交流的性质来帮助学习者重新集中注意力,而不依赖于他们的动机。具体来说,它扰乱视频中的声音,以引导他们的注意力,而不消耗他们的意识。我们的实验不仅证实了所提出的方法的有效性,但也强调了其优势,结合机器学习为基础的传感模块。也就是说,即使干预是通过对用户注意状态的假阳性检测而激活的,它也不会使用户感到沮丧。我们的干预方法可以成为一种可靠的方式来诱导人类-AI共生中的行为变化。
2021-01-21 cs.AI cs.HC
Regenerating Daily Routines for Young Adults with Depression through User-Led Indoor Environment Modifications Using Local Natural Materials
本研究探索由抑郁症青年用户主导、利用本地自然材料改造室内环境的干预方法,通过定性评估发现其能改善情绪、增强环境意识与空间掌控感,并验证了标准化自助工具包的可行性。
2025-06-06 cs.HC
ShieldUp!: Inoculating Users Against Online Scams Using A Game Based Intervention
本文提出基于心理接种理论的移动游戏 ShieldUp!,并通过3,000人的RCT证明其能持续提升诈骗识别能力且无长期信任损害。
2025-03-16 cs.HC
Overreliance in Writing Tasks: Exploring Similarity-Based Measures of AI Influence on Writing and Proposing a Reflective Writing Interface Intervention
Simon Fraser University(西蒙菲莎大学)
研究探讨了生成式AI对写作任务的影响,通过混合方法研究发现AI建议重用现象,并设计评估了支持写作过程中反思的界面,提升用户对AI输出的意识。
2026-05-14 cs.HC
Mind Mansion: Exploring Metaphorical Interactions to Engage with Negative Thoughts in Virtual Reality
本文提出VR体验“Mind Mansion”,通过隐喻交互让用户在整理虚拟公寓的过程中面对和觉察负面思维,用户研究表明其能促进接纳、降低负面情绪并改善情绪觉察。
2024-06-07 cs.HC
Scaffolding Metacognition with GenAI: Exploring Design Opportunities to Support Task Management for University Students with ADHD
City University of Hong Kong(香港城市大学);The Hong Kong Polytechnic University(香港理工大学)
本文探讨生成式AI如何通过认知支架、反思性任务执行和情绪调节支持ADHD学生提升元认知能力与任务管理。
2026-02-10 cs.HC
Using virtual reality to enhance mobility, safety, and equity for persons with vision loss in urban environments
本研究探索虚拟现实(VR)作为创新工具,通过与纽约市交通局合作开发的VR工作坊,让城市规划师等参与者体验视力障碍模拟及移动挑战,显著提升其认知与应对信心,证明VR在促进包容性城市设计中的有效性。
2024-11-25 cs.HC
Getting Users Smart Quick about Security: Results from 90 Minutes of Using a Persuasive Toolkit for Facilitating Information Security Problem Solving by Non-Professionals
用户对安全合规性的需求与他们通常无法将大量时间和精力投入到安全性中的事实之间存在冲突。由于业务角度和安全角度之间的优先级差异,很难实现用户参与安全的平衡水平。我们试图找到一种方法,以最低限度地吸引用户,但有效地,使他们既提高他们的安全意识,并提供必要的反馈,以改进安全设计人员的目的。我们已经开发了一个有说服力的软件工具包,让用户参与关于其公司安全漏洞和解决这些漏洞的潜在干预措施的结构化讨论。在工具包中,我们调整和整合了传统预防犯罪的既定框架。在这里报告的研究中,我们研究了非专业人员如何通过短期使用工具包来感知安全问题。我们目前的看法,从一个试点实验室的研究中,随机招募的参与者分析了一个精心制作的内部威胁问题使用的工具包。结果表明,研究参与者能够成功地确定原因,提出干预措施,并参与提供建议的干预措施的反馈。随后的访谈表明,参与者对信息安全问题和解决这些问题的框架有了更好的认识,这在实际环境中最终将给本组织带来重大利益。这些结果表明,当结构良好时,这种短期参与足以让用户有意义地参与复杂的安全讨论,并深入了解安全的理论原则。
2022-09-06 cs.CR cs.CY cs.HC
Framing an AI with Values Reduces AI Reliance in AI-supported Writing Tasks
University of Washington(华盛顿大学);Carnegie Mellon University(卡内基梅隆大学)
研究探讨了通过赋予AI特定价值观并将其与用户自身价值观进行比较,能否减少用户对AI的依赖,从而促进更具个性化的写作。
2026-05-19 cs.HC
GuideAI: A Real-time Personalized Learning Solution with Adaptive Interventions
HTI Lab, Plaksha University(普拉克斯大学HTI实验室)
GuideAI通过整合实时生物反馈和多模态学习策略,提升LLM在个性化学习中的适应性和有效性,显著改善学习效果和认知负荷。
2026-01-28 cs.AI cs.HC
AI Watchdog: Agent Interfaces for Detecting and Defending Against Manipulative Dark Patterns in AI Conversations
MIT Media Lab(麻省理工学院媒体实验室);KASIKORN Labs(Kasikorn实验室)
本研究提出 AI Watchdog 浏览器智能体接口,可检测对话式 AI 的五类黑暗模式,实验发现无认知强制的即时警告能显著降低用户对含黑暗模式的 AI 引导建议的依从性。
2026-08-25 cs.AI cs.HC