Toward a Human-Centered AI-assisted Colonoscopy System
人工智能辅助结肠镜检查在过去十年中受到了广泛的关注。过去两年的几项随机临床试验显示了提高息肉检出率的令人兴奋的结果。然而,目前的商业AI辅助结肠镜检查系统专注于在结肠镜检查期间为检测息肉提供视觉辅助。对胃肠病学家的需求和这些系统的可用性问题缺乏了解。本文旨在向HCI社区介绍商业AI辅助结肠镜检查系统的最新开发和部署,确定临床医生的期望与商业系统的能力之间的差距,并强调澳大利亚的一些独特挑战。
2022-08-04 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
The Landscape of User-centered Misinformation Interventions -- A Systematic Literature Review
本文通过筛选5700余篇文献并对163项研究进行系统综述,构建了以用户为中心的误导信息干预分类体系,涵盖干预设计、用户交互和时机三个维度,并提炼出未来研究的六大挑战。
2024-04-02 cs.HC
ReVoicer: Conversational Voice Annotation for Human-Centered, LLM-Assisted Peer Review
University of Central Florida(中佛罗里达大学)
该研究提出ReVoicer原型系统,支持评审人员阅读论文时对话式语音标注,借助大语言模型润色、分类并锚定评论,最终基于评审人员自身评论生成符合风格指南的评审意见,计划与ISMAR社区开展评估。
2026-08-06 cs.HC
Human-Centered Ambient and Wearable Sensing for Automated Monitoring in Dementia Care: A Scoping Review
McMaster University(麦克斯特大学);University of the Highlands and Islands(高地与岛屿大学)
本文通过综述探讨了痴呆症护理中以人为中心的环境与可穿戴传感技术,提出五个关键实施原则,旨在提升自动化与自主性,同时确保隐私与伦理考量。
2026-01-21 cs.HC
GPT4 is Slightly Helpful for Peer-Review Assistance: A Pilot Study
Stanford(斯坦福大学)
该研究比较 GPT4 与人类对机器学习会议论文的评审,并用插入错误实验检验其关注点,初步表明 GPT4 可对同行评审提供有限但有效的辅助。
2023-06-16 cs.AI cs.CL cs.HC
A Human-Centered Review of Algorithms in Homelessness Research
该研究系统综述57篇无家可归相关算法论文,从以人为本视角分析风险预测与资源分配模型,指出公平性研究不足及可解释性与生态效度间的张力。
2024-01-24 cs.HC
Routine Computing: A Systematic Review of Sensing Daily Life Dimensions Towards Human-Centered Goals
Tsinghua University(清华大学);Ant Group(蚂蚁集团)
本文系统综述了例行计算领域,总结了203项研究,提出新的文献分类法,探讨了日常生活的时空结构、行为交互、认知方面及变异性处理,指出在可访问性护理、健康习惯推广、适应性支持和大规模人口洞察方面的主要应用领域及挑战。
2026-03-27 cs.HC
Expedient Assistance and Consequential Misunderstanding: Envisioning an Operationalized Mutual Theory of Mind
本文通过三个设计虚构,从乌托邦与反乌托邦双重视角考察人类与AI智能体间可操作化MToM的互动机制、协作收益及错位风险。
2024-06-17 cs.HC
Towards Designing for Resilience: Community-Centered Deployment of an AI Business Planning Tool in a Small Business Center
University of Pittsburgh(匹兹堡大学);Univ of Maryland, Baltimore County(马里兰大学巴尔的摩分校)
本文探讨了在资源有限社区中,通过社区中心化设计部署AI业务规划工具BizChat,研究创业者如何通过集体AI素养发展建立韧性,发现AI工具在降低融资门槛的同时也引发了对规划本质的质疑。
2026-04-13 cs.HC
A Sociotechnical Review of Algorithms in Health Systems: Technical, Cost, and Human-Centered Considerations
University of Toronto(多伦多大学)
本文通过批判性分析114篇论文,审视卫生系统中成本感知型AI模型的设计趋势,定义模型成本维度,并指出社会技术设计中的空白及评估挑战。
2026-09-21 cs.HC
Use of Augmented Reality in Human Wayfinding: A Systematic Review
本文系统性综述了65项关于AR导航技术的研究,发现AR能降低认知负荷并促进认知地图构建,但在寻路表现和用户体验上结果不一,证实其在增强寻路方面具有巨大潜力。
2023-11-20 cs.HC
Report on The 1st Workshop on Human-Centered Proactive and Personalized Agents for Interactive Information Access at CHIIR 2026
University of Washington(华盛顿大学);AMD(超威半导体);UC Berkeley(加州大学伯克利分校);TikTok(抖音国际版);Georgetown University(乔治城大学)
该报告总结了CHIIR 2026第一届相关研讨会,探讨交互式信息获取向主动个性化智能体转变的机遇与问题,明确主动的核心内涵并梳理出相关设计挑战。
2026-08-20 cs.HC
Human-Centered Explainability in Interactive Information Systems: A Survey
本文系统综述了交互式信息系统中以人为中心的解释性研究,基于100篇文献提出解释性概念化的五个维度、解释设计分类方案及六个以用户为中心的测量维度,为设计透明可信的系统提供理论指导。
2025-07-03 cs.HC
PrivacyMotiv: Vulnerability-Centered Persona Journeys for Empathic Privacy Reviews in UX Design
Northeastern University(东北大学);Institute of Design (ID) at Illinois Tech(伊利诺伊理工学院设计学院);Johns Hopkins University(约翰斯·霍普金斯大学);University of Notre Dame(圣母大学)
提出PrivacyMotiv系统,通过LLM生成以脆弱性为中心的角色和旅程故事,结合低保真用户流提供可追溯的设计诊断,显著提升UX从业者的共情、内在动机和隐私问题识别能力。
2026-05-26 cs.CR cs.HC
User Centered Design (VII): From Automated Flight Deck to Intelligent Flight Deck
在“以用户为中心”的设计理念驱动下,本文首先概述了大型民机驾驶舱自动化的人因问题,以及基于“以人为中心”的自动化方法开展的人因研究。在此基础上,回顾了基于“以人为本”的智能民用驾驶舱人因研究的初步成果,并对未来人因研究的发展方向进行了展望。基于所提出的智能人机交互人因工程模型和联合认知生态系统框架,提出了大型民用飞机单人操作人因问题的初步解决方案,并对未来人因问题的研究提出了初步建议。
2023-03-06 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
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
Trust and Trustworthiness from Human-Centered Perspective in HRI -- A Systematic Literature Review
本文通过系统性文献综述分析了34篇人机交互研究,发现近30%的文章缺乏信任定义,并指出领域选择和方法差异会显著影响用户对机器人的信任评估,强调概念清晰性对促进可信赖人机协作的关键作用。
2025-01-31 cs.HC
SoK: Analysis of User-Centered Studies Focusing on Healthcare Privacy & Security
本文系统回顾26篇医疗隐私与安全用户研究,通过卡片分类识别12个核心主题,深入分析用户视角下的隐私与安全讨论,旨在提升患者数据保护意识。
2023-06-23 cs.HC
Designing for Disagreement: Front-End Guardrails for Assistance Allocation in LLM-Enabled Robots
Technical University of Munich(慕尼黑技术大学)
本文提出一种前端模式,通过限制优先级选择、保持交互相关性及提供可争议路径,解决LLM赋能机器人在多用户辅助分配中的分歧问题。
2026-03-17 cs.AI 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
User-Centered Design for Digital Patient-Navigation Tools in Oncology: Scoping Review
University of Tennessee Health Science Center(田纳西健康科学大学);University of Tennessee at Knoxville(田纳西大学诺克斯维尔分校)
本范围综述遵循规范检索分析36项研究,发现UCD/HCD可提升癌症数字导航工具可用性但应用不足,明确其应用现状与改进方向。
2026-08-27 cs.CY cs.HC
Human-AI interaction: An emerging interdisciplinary domain for enabling human-centered AI
AI技术的新特点给AI系统的研发带来了新的挑战。AI技术造福了人类,也给研发带来了挑战,如果开发不当,会伤害人类和社会。目前国内外还没有系统的跨学科工作框架来有效地应对这些新挑战。本文分析了人工智能系统面临的新挑战,并进一步阐述了我们在2019年提出的“以人为中心的人工智能”(HCAI)方法。为了使HCAI方法得以实施,我们系统地提出了一个新兴的跨学科领域--“人机交互”(HAI),并定义了其目标、方法和范围。通过文献综述和分析,本文总结了国内外HAII研究和应用的重点,提出了今后的主要研究方向。最后,本文对未来HCAII方法的实施和HAI工作提出了战略建议。
2021-10-29 cs.HC
Explainable Medical Imaging AI Needs Human-Centered Design: Guidelines and Evidence from a Systematic Review
Johns Hopkins University(约翰斯·霍普金斯大学)
机器学习(ML)中的透明性,试图揭示复杂模型的工作机制。透明机器学习承诺在目标用户中推进以人为本的人工智能的人因工程目标。从以人为中心的设计角度来看,透明度不是ML模型的属性,而是一种启示,即算法和用户之间的关系;因此,迭代原型设计和用户评估对于获得足够的解决方案至关重要。然而,由于终端用户的可用性和访问受限,在医疗保健和医学图像分析中遵循以人为本的设计原则是具有挑战性的。为了研究透明ML在医学图像分析中的状态,我们对文献进行了系统的回顾。我们的评论揭示了在医学图像分析应用中透明ML的设计和验证中存在的多个严重缺点。我们发现,迄今为止,大多数研究方法的透明度作为一个属性的模型本身,类似于任务的性能,没有考虑最终用户在开发或评估。此外,缺乏用户研究,以及对透明性声明的零星验证,使当代对用于医学图像分析的透明ML的研究面临用户无法理解的风险,因此与临床无关。为了缓解即将到来的研究中的这些缺点,同时认识到以人为本的设计在医疗保健中的挑战,我们引入了INTRPRT指南,这是一个针对医学图像分析中透明ML系统的系统设计指令。INTRPRT指南建议将形成性用户研究作为透明模型设计的第一步,以了解用户需求和领域需求。遵循这个过程会产生支持设计选择的证据,并最终增加算法提供透明度的可能性。
2022-09-29 cs.CV cs.HC cs.LG
Human-Centered Design for AI-based Automatically Generated Assessment Reports: A Systematic Review
本文系统综述了K-12 STEM课堂中AI自动生成评估报告的设计与实施,基于认知负荷理论提出概念框架,以平衡可用性与功能性,促进教师数据驱动决策。
2024-12-30 cs.CY cs.HC
Position: Beyond Assistance -- Reimagining LLMs as Ethical and Adaptive Co-Creators in Mental Health Care
York University(约克大学);Dialpad Inc.(Dialpad公司)
本文主张将大语言模型定位为心理健康护理中的伦理共创者,提出SAFE-i实施指南与HAAS-e评估框架,以解决偏见、过度依赖等问题,确保AI补充而非取代人类专业能力。
2025-05-30 cs.AI cs.HC
Automating the Path: An R&D Agenda for Human-Centered AI and Visualization
Aarhus University(奥胡斯大学)
本文提出系统框架,将HCAI的四大工具能力映射到视觉意义构建四阶段,回顾工具、展望未来、识别挑战与伦理考量,为可视化领域整合AI及支持HCAI研究提供研发议程。
2025-04-10 cs.HC
Evaluating User Experience in Literary and Film Geography-based Apps with a Cartographical User-Centered Design Lens
地理奖学金目前包括跨学科的方法和理论,并反映了研究方法论的转变。随着地理学思想的空间转向和地理网络技术的出现,地理学研究更倾向于跨学科。近年来,地理研究方法依赖于从数据科学到艺术和设计的各种学科。文学地理学和电影地理学是地理学的两个子领域,分别利用小说和电影来探索空间性。除了地理概念外,这些课程还包括空间关系的许多方面,包括人与人的关系、人与环境的关系等,而这些在传统的地理课程中几乎没有涉及。然而,对geoweb技术在文学和电影地理实践中的应用的回顾表明,这些实践大多局限于将地理段落与小说或电影隔离开来。本文探讨了新的机会,设计电影和文学地理为基础的应用程序使用制图用户为中心的设计框架。
2022-09-13 cs.HC
An intelligent sociotechnical systems (iSTS) framework: Enabling a hierarchical human-centered AI (hHCAI) approach
针对当前HCAI实践缺乏社会技术思维的问题,本文提出iSTS框架以扩展传统STS理论,并进一步整合出分层式hHCAI方法,从个体到社会层面实现以人为本的联合优化。
2024-10-24 cs.HC
User-Centered AI for Data Exploration: Rethinking GenAI's Role in Visualization
本文倡导从以自动化为中心转向以用户为中心的自适应GenAI可视化工具,通过评估用户专业水平并动态调整交互与推理,使GenAI成为增强认知的智能协作者。
2025-04-08 cs.HC
Human-Centered Artificial Intelligence (HCAI): Foundations and Approaches
HCAI Labs(HCAI实验室)
本文提出以人为中心的人工智能(HCAI)方法,旨在通过哲学和方法论基础,确保AI系统服务于人类,促进社会福祉和可持续发展。
2026-02-18 cs.HC
Teach Me How to Learn: A Perspective Review towards User-centered Neuro-symbolic Learning for Robotic Surgical Systems
German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心(DFKI));Saarland Informatics Campus(萨尔兰信息学园区);University of Bremen(不来梅大学)
本文提出面向机器人手术的以用户为中心神经符号学习范式,综述人在环路手术机器人研究,并展望基于专家外科医生隐式与显式反馈的在线学徒学习以解决自主手术机器人交互挑战。
2023-07-07 cs.AI cs.HC cs.RO
ReviseMate: Exploring Contextual Support for Digesting STEM Paper Reviews
ReviseMate 通过访谈和故事板设计交互式系统,以情境化支持帮助研究人员高效消化和整合 STEM 论文评审意见,并在对照实验和现场部署中验证了其有效性。
2025-08-21 cs.HC
A Systematic Literature Review of Human-Centered, Ethical, and Responsible AI
Nokia Bell Labs(诺基亚贝尔实验室);IBM Research AI(IBM人工智能研究院)
本文系统综述了AIES、CHI、CSCW和FAccT会议的164篇论文,映射了以人为本、合乎伦理与负责任的AI(HCER-AI)研究现状,发现现有研究侧重治理与公平而忽视隐私、安全和人类繁荣,建议未来研究拓宽范围以应对AI潜在未知影响。
2023-06-26 cs.AI cs.CY cs.HC
Toward Human-Centered Human-AI Interaction: Advances in Theoretical Frameworks and Practice
Zhejiang University(浙江大学)
本文提出以人为本的人机协作框架,通过理论、方法和应用三个维度推动人机交互技术的发展,促进智能社会的和谐共存。
2026-02-18 cs.HC
Towards Human-centered Design of Explainable Artificial Intelligence (XAI): A Survey of Empirical Studies
本文综述以人为本的XAI实证研究,梳理算法、利益相关者、需求发现、设计空间、评估指标、发现与陷阱,并提出结合实证研究的设计框架。
2024-10-28 cs.HC
Understanding Questions that Arise When Working with Business Documents
虽然数字助理越来越多地用于帮助完成各种生产力任务,但在业务文档领域使用它们的关注较少。要构建一个能够处理用户在这个领域中的信息需求的代理,我们必须首先了解用户在处理文档时需要的帮助类型。在这项工作中,我们提出了两个用户研究的结果,其特征的信息需求和查询的作者,审稿人和读者的业务文件。在第一项研究中,我们使用经验抽样来收集用户的问题,因为他们正在与他们的文件,并在第二,我们建立了一个人在回路的文件问答系统,提供各种用户的问题的帮助。我们的研究结果对文档助手的设计具有影响,这些助手可以用人类智能来补充人工智能,包括文档中是否需要人类受访者的特定技能或角色,以及围绕此类系统的挑战。
2022-09-08 cs.HC
Gamification of Motor Imagery Brain-Computer Interface Training Protocols: a systematic review
本文系统综述了过去十年86项游戏化运动想象脑机接口训练研究,发现反馈、虚拟化身、辅助和社交互动四个游戏元素能有效提升用户控制性能与体验,并提出虚拟现实和自适应难度等未来建议。
2024-10-22 cs.HC
Can AI detect pain and express pain empathy? A review from emotion recognition and a human-centered AI perspective
Institute of Psychology, Chinese Academy of Sciences(中国科学院心理研究所);University of Chinese Academy of Sciences(中国科学院大学);University of Oxford(牛津大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Hamburg(汉堡大学);University of Macau(澳门大学)
本文从情绪识别与以人为中心的AI视角,综述了计算疼痛识别与人工共情的关键进展、认知挑战及技术障碍,探讨了AI从多模态识别疼痛及实现共情的益处与路径,并展望了未来负责任评估与开发共情情感助手的方法。
2022-12-01 cs.AI cs.HC
Transitioning to human interaction with AI systems: New challenges and opportunities for HCI professionals to enable human-centered AI
Zhejiang University(浙江大学);Miami University(迈阿密大学)
虽然人工智能使人类受益,但如果开发不当,它也可能伤害人类。人机交互工作的重点是从传统的人类与非人工智能计算系统的交互过渡到与人工智能系统的交互。我们从HCI的角度对当前开发AI系统的工作进行了高层次的文献综述和全面分析。我们的回顾和分析强调了AI技术带来的新变化,以及HCI专业人员在AI系统开发中应用以人为本的AI(HCAI)方法时面临的新挑战。我们还确定了人类与AI系统交互中的七个主要问题,这是HCI专业人员在开发非AI计算系统时没有遇到的。为了进一步实现HCAI方法,我们确定了与特定HCAI驱动的设计目标相关的新HCI机会,以指导HCI专业人员解决这些新问题。最后,我们对当前HCI方法的评估显示了这些方法在支持开发AI系统方面的局限性。我们提出了一些替代方法,可以帮助克服这些限制,并有效地帮助HCI专业人员将HCAI方法应用于AI系统的开发。我们还为HCI专业人员提供战略建议,以有效地影响HCAI方法的AI系统的开发,最终开发HCAI系统。
2023-03-06 cs.AI cs.HC
A Stakeholder-Centered View on Fairness in Music Recommender Systems
我们的叙述性文献回顾承认,虽然有越来越多的兴趣在推荐系统的公平性一般,音乐领域在这方面得到了相对较少的关注。然而,解决音乐推荐系统(MRS)的公平性是非常重要的,因为这些系统的性能相当大地影响音乐流媒体平台的用户和向这些平台提供音乐的艺术家。这些利益相关者群体可能具有的不同需求,以及因此应该考虑的公平性的不同方面,使得具有挑战性的研究领域具有充分的改进机会。本文首先从每个利益相关者和利益相关者的角度概述了MRS公平性的现有文献,然后确定了未来研究的方向。审查中提出的两个未决问题如下:(i)在MRS领域,只有有限的数据可供公开进行公平性研究;大多数数据集要么来自同一来源,要么是专有的(因此不能广泛获得)。我们如何解决这种有限的数据可用性?(ii)总体而言,审查表明,绝大多数作品分析MRS公平性的现状,而只有少数作品提出的方法来改善it. How我们可以向前迈进,以提高这些推荐系统的公平性方面的重点?在FAccTRec '22上,我们强调了在音乐领域解决RS公平性的细节。
2022-09-08 cs.CY cs.HC cs.IR
The State of Human-centered NLP Technology for Fact-checking
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
错误信息通过促进对科学的不信任,改变公共卫生的叙述,加剧社会两极分化,破坏民主选举和金融市场以及无数其他社会危害来威胁现代社会。为了解决这个问题,越来越多的专业事实核查人员和记者对所谓的事实进行了高质量的调查。然而,这些主要是手工的努力一直在努力与问题的巨大规模相匹配。作为回应,越来越多的自然语言处理(NLP)技术被提出用于更可扩展的事实检查。然而,尽管这类研究取得了巨大的增长,但实际采用NLP技术进行事实检查仍然处于起步阶段。在这项工作中,我们回顾了当前NLP技术用于事实检查的能力和局限性。我们特别关注的是进一步绘制如何利用和改进这些技术的设计空间,以更好地满足人类事实核查人员的需求。为此,我们回顾了基于NLP的事实检查的关键方面:任务制定,数据集构建,建模和以人为本的策略,如可解释的模型和人在回路中的方法。接下来,我们将回顾应用基于NLP的事实检查工具来帮助人类事实检查员的有效性。我们建议未来的研究包括在NLP研究的早期与事实检查利益相关者的合作,以及在模型开发中纳入以人为本的设计实践,以进一步指导人类使用和实际采用的技术开发。最后,我们提倡更多的基准开发支持以人为本的事实检查技术的外在评价的研究。
2023-01-08 cs.AI cs.CL cs.CY
Human-Centered Human-AI Collaboration (HCHAC)
Zhejiang University(浙江大学)
本文从以人为中心的视角探讨人机协作(HAC)的本质与特征,提出HCHAC框架,并通过自动驾驶案例阐明人机协同交互,指明了未来提升系统有效性、可靠性与伦理整合的研究方向。
2025-05-28 cs.AI cs.CY 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
Toward Youth-Centered Privacy-by-Design in Smart Devices: A Systematic Review
Vancouver Island University(温哥华岛大学)
本文系统综述了智能设备中保护青少年隐私的设计框架,指出技术方案为主但实施不足,建议多方合作构建隐私生态系统。
2026-02-28 cs.AI cs.CY cs.HC
Assessing the Real-World Utility of Explainable AI for Arousal Diagnostics: An Application-Grounded User Study
IT-Designers Gruppe Esslingen am Neckar(埃斯林根内卡尔IT设计组);University of Tübingen(图宾根大学);University of Giessen(吉森大学);Klinikum Esslingen, Klinik für Kardiologie, Pneumologie und Angilologie(埃斯林根克林克医院,心内科、呼吸科和内科);Technical University of Munich(慕尼黑技术大学)
本研究通过八名睡眠医学从业者的用户研究,评估了可解释AI辅助在觉醒诊断中的实际效用,发现透明AI作为事后质量控制步骤可显著提升事件级性能约30%,并获多数用户接受。
2025-10-24 cs.AI cs.HC cs.LG
"Why is 'Chicago' deceptive?" Towards Building Model-Driven Tutorials for Humans
University of Colorado(科罗拉多大学)
为了用机器学习模型支持人类决策,我们经常需要阐明模型中嵌入的模式,这些模式对人类来说是不明显的、未知的或违反直觉的。虽然现有的方法专注于在实时辅助下解释机器预测,但我们探索了模型驱动的教程,以帮助人类在训练阶段理解这些模式。我们认为这两个教程的指导方针,从科学论文,类似于目前的做法,科学通信,并自动选择的例子,从训练数据与解释。我们使用欺骗性评论检测作为测试平台,并进行大规模的随机人类受试者实验,以检查此类教程的有效性。我们发现,教程确实提高了人类的表现,有和没有实时援助。特别是,尽管深度学习提供了比简单模型更优越的预测性能,但来自简单模型的教程和解释对人类更有用。我们的工作为以人为本的教程和解释提出了未来的方向,以实现人类和人工智能之间的协同作用。
2020-01-14 cs.AI cs.CL cs.CY
Human-AI Experience in Integrated Development Environments: A Systematic Literature Review
JetBrains Research(JetBrains研究)
本文通过系统文献综述,探讨了AI在IDE中的应用对开发者生产力、界面设计和代码质量的影响,并提出了未来研究方向。
2026-01-15 cs.AI cs.HC cs.SE
A Review of Methodologies for Natural-Language-Facilitated Human-Robot Cooperation
Colorado School of Mines(科罗拉多矿业学院)
自然语言促进的人机协作(NLC)是指使用自然语言(NL)促进机器人和人类之间具有共同目标约束的交互式信息共享和任务执行。近年来,NLC的研究受到越来越多的关注。典型的NLC场景包括机器人日常辅助、机器人健康辅助、智能制造、自主导航和机器人社交陪伴。然而,一个彻底的审查,可以揭示最新的方法来使用NL促进人机合作,是失踪。本文对非线性电容器的研究方法进行了综述。NLC研究包括三个主要的研究重点:NL指令理解,基于NL的执行计划生成,知识世界映射。对理论方法、应用及模型的优缺点进行了深入的分析。在总结前人研究成果的基础上,对未来的研究方向进行了展望.
2017-08-17 cs.AI cs.CL cs.HC
Online Safety for All: Sociocultural Insights from a Systematic Review of Youth Online Safety in the Global South
本文系统性综述了2014至2024年Global South地区的66项青少年在线安全研究,发现现有研究集中于亚洲且偏重定量与网络欺凌风险,强调文化因素的关键作用,并呼吁采用文化敏感和以青少年为中心的方法以提升研究包容性。
2025-04-28 cs.CY cs.HC
Useful for Exploration, Risky for Precision: Evaluating AI Tools in Academic Research
Dresden University of Technology(德累斯顿技术大学)
本文评估了AI工具在学术研究中的应用,指出尽管AI工具能提升效率,但其输出难以验证且易出错,需结合人本与计算机指标进行评估,发现问答工具虽能提供概述但不适用于精确信息提取,文献综述工具则缺乏可复现性和透明度。
2026-05-12 cs.AI cs.HC
Human-Centered Development of Guide Dog Robots: Quiet and Stable Locomotion Control
Department of Computer Science, University of Texas at Austin(德克萨斯大学奥斯汀分校计算机科学系);School of Computing and Information Science, University of Maine(缅因大学计算与信息科学学院)
针对四足导盲机器人噪音大、运动急促的问题,开发了慢步态平滑摆动且保持人速的行走控制器,显著降噪一半,并获BLV用户更高接受度。
2025-05-27 cs.HC cs.RO
Writing literature reviews with AI: principles, hurdles and some lessons learned
London School of Economics and Political Science(伦敦政治经济学院);Paris Institute for Advanced Study(巴黎高级研究学院)
本文通过比较不同AI辅助程度下的文献综述,揭示了AI生成内容的偏见、主流化倾向及局限性,强调了在使用AI撰写综述时需注意的防范措施。
2026-03-08 cs.AI cs.CY cs.HC