A Deixis-Centered Approach for Documenting Remote Synchronous Communication around Data Visualizations
本文提出一种以指示语为中心的协作数据会议记录方法,通过捕捉光标手势与音频并利用大语言模型生成带上下文注释的交互式文档,用户研究表明其优于录像、文字记录和手动笔记。
2024-08-07 cs.HC
Domain-Centered Support for Layout, Tasks, and Specification for Control Flow Graph Visualization
编译器、性能分析和安全等领域的计算专业人员经常在工作中分析和操作控制流图(CFG)。CFG是描述程序执行中指令的可能排序的有向网络。可视化CFG是开发或调试使用它们的计算方法的常见活动。然而,一般的图形绘制布局,包括经常应用于CFG的分层布局,并不捕获特定于CFG的结构或任务,因此所得到的绘图可能不匹配其受众的需求,特别是对于更复杂的程序。虽然一些算法在指定布局方面提供了灵活性,但它们通常需要这些潜在用户不具备的图形绘制布局和图元的专业知识。为了将特定于领域的CFG绘图带给这些受众,我们开发了CFGConf,这是一个旨在匹配CFG专家抽象级别的库。CFGConf提供了一个JSON接口,可以生成独立的图形,也可以集成到多视图可视化系统中。我们开发了CFGConf通过与专家的交互式设计过程,同时结合从以前的CFG可视化系统,在计算系统会议的CFG绘图惯例的调查,和现有的设计原则符号的经验教训。我们评估CFGConf的表现力,可用性和记谱效率,通过用户研究和说明性的例子。CFG专家能够使用该库来生成领域感知布局,并赞赏该规范的任务感知性质。
2022-09-26 cs.HC
A human centered perspective of E-maintenance
E-维护是一种旨在组织和构建产品整个生存周期中的ICT的技术,以开发有效和高效的维护支持系统。电子维护目前的挑战是为负责维护的用户开发通用的可视化解决方案。AR可以成为电子维护可视化的潜在技术,因为它可以将知识带入真实的物理世界,以帮助技术人员执行他/她的工作,而无需中断以查阅手册获取信息。本文提出了一种先进的接口开发的方法,人类意识的电子维修,使复杂的维修过程可以更安全,更好的质量,更快,随时随地。
2014-07-10 cs.HC
What is Human-Centeredness in Human-Centered AI? Development of Human-Centeredness Framework and AI Practitioners' Perspectives
本文针对AI领域“以人为本”定义缺乏共识的问题,开发并实证验证了一个包含26项属性、分为四个层级的分层框架,为AI从业者提供了促进包容性设计和伦理标准的可操作指导。
2025-02-05 cs.HC
Data Navigator: An accessibility-centered data navigation toolkit
针对残障人士数据可视化无障碍性不足的问题,提出基于动态图结构的 Data Navigator 工具包,支持多种输入模态,可构建可导航结构,并通过三个案例验证其有效性。
2023-08-16 cs.HC
A parent-centered radial layout algorithm for interactive graph visualization and animation
我们已经开发了(1)一个图形可视化系统,允许用户通过查看它们作为一系列交互选择的生成树来探索图形,(2)一个径向图布局算法,以及(3)一个动画算法,该算法生成有意义的可视化和图形之间的平滑过渡,同时最大限度地减少过渡期间和静态布局中的边缘交叉。我们的系统类似于Yee et al.(2001)的径向布局系统,但主要区别在于每个节点都位于以其自己的父节点为中心的坐标系上,而不是所有节点都位于单个坐标系上。因此,我们的系统很容易定义递归和本身的并行化。它还保证布局具有许多很好的属性,例如:它保证某些边缘在动画期间不会交叉。我们比较了我们的算法所产生的布局和过渡Yee等人。从几个实验的结果表明,我们的系统产生更少的边缘交叉之间的图形绘制的过渡过程中,和过渡更经常涉及局部缩放的变化,而不是结构。这些发现表明,该系统有希望作为一个互动的图形探索工具,在各种设置。
2006-06-01 cs.CG cs.GR cs.HC
Data Humanism Decoded: A Characterization of its Principles to Bridge Data Visualization Researchers and Practitioners
针对 Data Humanism 原则在研究中界定模糊的问题,本文结合文献综述、多媒体分析与专家访谈刻画其 13 项原则,并经 Lupi 咨询验证及案例解码,为可视化研究与实践建立共同语言。
2025-08-30 cs.HC
Toward Human-Centered Simulation Modeling for Critical Infrastructure Disaster Recovery Planning
关键基础设施易受各种危害的影响。在极端事件发生后,及时有效地恢复关键基础设施至关重要。然而,关键基础设施灾后恢复规划是复杂的,涉及以领域和用户为中心的特点和复杂性。恢复规划目前很少使用基于计算机的定量工具,而是主要依赖于专家的判断。仿真建模可以简化以领域为中心的复杂性,但不能简化人为因素。相反,以人为本的设计将最终用户置于设计的中心。我们讨论了仿真建模与以人为本的设计相结合的好处,并称之为以人为本的仿真建模。以人为中心的仿真建模能够使关键基础设施和应急管理专家以及其他恢复计划决策者更简单、更易于理解。
2018-11-13 cs.HC
Toward Humanity-Centered Design without Hubris
本文指出现有人类中心设计存在四种不连贯性及狂妄倾向,提出一种有机、渐进、基于模式的谦逊设计方法作为更优路径。
2024-02-18 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
Human collective visualization transparency
对集体机器人系统的兴趣迅速增加,这是因为它可以为在高风险环境中执行具有挑战性的任务的操作员提供潜在的好处,例如增加安全性和支持。人类集体透明度研究的重点是算法、可视化和控制机制的设计如何影响人类集体行为。传统的集体可视化显示了组成集体的所有个体实体,随着集体的规模和异质性的扩大,以及任务变得更加苛刻,这可能会成为问题。人类操作员可能会因信息过载而变得超载,这将对他们对集体当前状态和整体行为的理解产生负面影响,从而导致团队绩效低下。可视化透明度的分析和衍生的可视化设计指导,基于远程监督的集体,是本手稿的主要贡献。个体代理和抽象可视化进行了分析,涉及四个集体,每个200个实体组成的连续最佳的n个决策任务。抽象可视化通过使具有不同个体差异和能力的操作员能够执行相对相同的操作来提供更好的透明度,并促进更高的人类集体性能。
2020-03-24 cs.HC
Vis Ex Machina: An Analysis of Trust in Human versus Algorithmically Generated Visualization Recommendations
越来越多的可视化系统通过自动建议相关的可视化来简化数据分析过程。然而,几乎没有工作来了解用户是否信任这些自动推荐。在本文中,我们介绍了一项众包研究的结果,该研究探索了被定位为人工策划或算法生成的推荐的偏好和感知质量。我们观察到,虽然参与者最初更喜欢人类浏览器,他们的行为表明,在评估可视化建议时,对推荐源漠不关心。所提供信息的相关性(例如,某些数据字段的存在)是最关键的因素,其次是相信推荐者创建准确可视化的能力。我们的研究结果表明,一般漠不关心的出处的建议,并指出,可能无法通过简单的措施捕获的可视化质量和可信度的特殊定义。我们建议,推荐系统应该量身定制的特定用户的信息觅食策略。
2021-04-05 cs.HC
Identifying the Barriers to Human-Centered Design in the Workplace: Perspectives from UX Professionals
本研究通过Q方法分析14名美国UX专业人士的经验,识别出五种抑制以人为中心设计的工作场所情境,揭示速度与愿景清晰度是核心障碍维度,并为伦理设计实践的教育与干预提供依据。
2025-01-02 cs.HC
Perceptual Pat: A Virtual Human System for Iterative Visualization Design
设计可视化通常是一个迭代细化的过程,设计人员通过添加功能、改进编码和修复错误来不断改进图表。然而,有效的设计需要外部的批评和评估。不幸的是,这种批评并不总是在短时间内得到,评估可能是昂贵的。为了满足这一需求,我们提出了感知帕特,AI和计算机视觉技术,形成一个虚拟的人类视觉系统,支持迭代可视化设计的可扩展套件。该系统使用一组可扩展的过滤器(包括凝视图、文本识别、颜色分析等)分析可视化的快照,并生成一份总结结果的报告。基于Web的Pat设计实验室提供了一个版本跟踪系统,使设计师能够跟踪随着时间的推移而改进。我们验证知觉帕特使用纵向定性研究,涉及4个专业的可视化设计师,使用该工具在几天内设计一个新的可视化。
2023-03-12 cs.HC
How Do LLMs See Charts? A Comparative Study on High-Level Visualization Comprehension in Humans and LLMs
Pohang University of Science and Technology (POSTECH)(浦项科技大学);Soongsil University(崇实大学);Australian National University(澳大利亚国立大学);University of Oklahoma(俄克拉荷马大学);Ulsan National Institute of Science and Technology (UNIST)(蔚山科学技术院)
研究比较了人类与LLMs在图表高级理解上的差异,发现LLMs采用结构化列举而非人类的趋势叙事,揭示了可视化设计的新挑战与机遇。
2026-04-10 cs.HC
Do Vision-Language Models See Visualizations Like Humans? Alignment in Chart Categorization
University of Vienna(维也纳大学);TU Wien(维也纳科技大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学);Austrian Institute of Technology(奥地利技术研究所)
本研究通过让13个VLM仅凭视觉刺激按用途、编码方式和维度对科学图表分类,发现其能较好识别用途和维度但编码类型识别困难,且模型规模与性能并非正相关,强调需在人类监督下谨慎集成VLM。
2025-11-07 cs.HC
Do Language Model Agents Align with Humans in Rating Visualizations? An Empirical Study
本文通过三项实证研究考察LLM智能体能否模拟人类对可视化的主观评分,发现其与专家高置信度假设相关,并揭示增强技术的鲁棒性与偏差问题。
2025-05-10 cs.HC
Agentic Visualization: Extracting Agent-based Design Patterns from Visualization Systems
Aarhus University(奥胡斯大学);TU Wien(维也纳工业大学)
本文通过智能体视角重新审视现有AI驱动的可视化系统,提取了包括角色、通信与协调在内的智能体可视化设计模式,为未来在保持人类洞察与控制的同时有效利用AI智能体奠定了基础。
2025-09-16 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
Human-centered evaluation of data visualization understanding in vision-language models
Department of Psychology at Stanford University(斯坦福大学心理学系);Department of Linguistics at Stanford University(斯坦福大学语言学系);Department of Communication at University of California, Los Angeles(加州大学洛杉矶分校传播系)
本研究评估八个视觉-语言模型在六项人类数据可视化素养测试中的表现,发现模型平均逊于人类且错误模式不同,表明其作为人类推理模型的潜力有待提升。
2026-10-22 cs.CL cs.CV cs.HC
User-Centered Design (VIII): A New Framework of Intelligent Sociotechnical Systems and Prospects for Future Human Factors Research
传统的社会技术系统(STS)理论得到了广泛的应用,但随着智能时代的到来,STS环境出现了许多新的特点,导致了传统STS理论的局限性。基于“以用户为中心的设计”思想,提出了智能社会技术系统(iSTS)的新框架,概括了iSTS的新特征及其对智能系统发展的启示。iSTS的未来研究需要包括人因工程在内的多学科合作,本文最后从人因工程方法论和方法论两个方面提出了建议。
2023-03-06 cs.HC
A User Experience 3.0 (UX 3.0) Paradigm Framework: Designing for Human-Centered AI Experiences
Zhejiang University(浙江大学)
本文提出UX 3.0范式框架,旨在指导开发以人类为中心的AI体验的UX实践。
2026-02-18 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
A Two-Phase Visualization System for Continuous Human-AI Collaboration in Sequelae Analysis and Modeling
针对医疗数据分析中人机协作被简化的问题,提出两阶段可视化系统框架,结合形成性研究,支持回顾性分析与迭代建模,以促进有效协作。
2024-07-20 cs.HC
From Human-Centered Design to Human-AI Collaboration: Why the Future of HCI Still Starts With People
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
本文提出GenAI应作为人类协同思考伙伴而非HCD方法替代品,指出HCI未来需聚焦保留人类能动性、批判性思维与责任的人机协作。
2026-08-11 cs.HC
Qualitative Analysis for Human Centered AI
以人为中心的人工智能(AI)认为机器学习和AI应该以社会意识的方式开发和应用。在这篇文章中,我们认为定性分析(QA)可以成为这个过程中的一个有价值的工具,补充,通知和扩展AI模型的可能性。我们通过描述QA如何集成到当前的人工智能预测范式中,帮助科学家选择数据、变量和模型架构来证明这一点。此外,我们认为QA可以成为以人为中心的AI新范式的一部分。QA可以支持科学家和实践者解决实际问题和情境模型开发。它还可以促进参与式设计方法,揭示人工智能系统中研究不足和新出现的问题,并协助政策制定。
2021-12-07 cs.HC
The Vision of a Human-Centered Piano
大约300年来,人类一直在学习弹现代钢琴,无论是老师还是自己。近年来,使用支持新手的增强技术,教学和学习得到了加强。其他技术也试图改善钢琴的不同用例,例如作曲和演奏。研究人员和从业人员展示了几种形式的增强,从硬件改进,音质,渲染投影可视化到基于手势和沉浸式技术。如今,钢琴增强的景观非常多样化,目前尚不清楚如何描述理想的钢琴及其特征。在这项工作中,我们讨论了以人为本的钢琴-钢琴的设计与人类在设计过程中的中心,并有效地支持它执行的任务-可以支持钢琴家。详细地说,我们提出了学习,作曲和即兴演奏的三个任务,其中以人为本的钢琴将有利于钢琴家。
2022-04-14 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
Juicy Interactive Visualization: Evaluating How Excessive Feedback Design Shapes Visualization Engagement
Worcester Polytechnic Institute(伍斯特理工学院)
提出JuicyVIS框架,将游戏中的juicy反馈操作化为可视化交互设计的三维度(类型、时机、强度),通过26个原型和三项混合方法在线研究评估,发现juicy反馈提升参与度和审美体验,且交互后反馈收益最明显。
2026-10-07 cs.HC
LLM-Based Visualization Evaluation: How Well Do Literacy-Stratified Personas Approximate Human Judgments?
Northumbria University(诺森比亚大学)
提出识字分层LLM评估框架(LSLE),通过构建可视化识字角色并引导LLM模拟评估,与人类数据对比,发现其在早期设计探索中有效,但在总结性评估中系统失效。
2026-06-08 cs.HC
Understanding How Older Adults Comprehend COVID-19 Interactive Visualizations via Think-Aloud Protocol
2019冠状病毒病大流行对老年人造成严重打击。对于老年人来说,最大限度地减少COVID-19和未来大流行病的负面影响的一个关键方法是随时了解其最新信息,这些信息越来越多地通过在线交互式可视化呈现(例如,实时仪表板和网站)。因此,有必要了解老年人如何与在线COVID-19互动可视化进行互动和理解,以及他们可能遇到的挑战,以使老年人更容易获得此类可视化。我们采用了以用户为中心的方法,邀请老年人与COVID-19互动可视化进行互动,同时使用有声思维协议来表达他们的思维过程。通过分析他们的有声思维语言,我们确定了四种类型的思维过程,代表了老年人如何理解可视化,并揭示了他们遇到的挑战。此外,我们还确定了他们在可视化所采用的七种常见交互技术中遇到的挑战。基于这些发现,我们提出了设计指南,使交互式可视化更容易为老年人所用。
2022-02-23 cs.HC
Explanations as Dialogues: Toward Human-Centered Conversational Explainable AI
Georgia Institute of Technology(佐治亚理工学院);Northeastern University(东北大学)
本文提出解释应被视为动态对话而非静态产物,强调时机、语气、角色和对话历史对解释效果的关键作用,并展望以人为中心的对话式可解释人工智能(HC2XAI)。
2026-05-26 cs.HC
Situated Case Studies for a Human-Centered Design of Explanation User Interfaces
研究人员和实践者在设计基于机器学习的应用程序时越来越多地考虑以人为本的观点,特别是在可解释人工智能(XAI)的背景下。然而,在这方面仍然缺乏明确的方法指导,因为每一种新的情况似乎都需要一种新的设置,这也造成了不同的方法挑战。XAI中现有的案例研究集合启发了我们;因此,我们提出了一个类似的以人为本的XAI案例研究集合,可以为其他人提供方法论指导或灵感。我们希望通过描述我们研究中的三个案例来展示我们的想法。选择这些案例研究是为了强调明显的小差异如何需要一套不同的方法和考虑。通过这次研讨会的贡献,我们希望参与讨论这样一组案例研究如何能够提供方法指导和批判性反思。
2021-03-29 cs.HC
Generative AI as Support, Not Replacement, in Human-Centered Design
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
本文探讨AI对以人为本设计的重塑,指出需以AI为支持而非替代,强调AI素养、伦理判断与使用边界对维护设计核心的重要性。
2026-08-11 cs.HC
AI-Centered Grand Challenges in Visual Analytics for Healthcare: Synthesizing the VAHC 2025 Community Experience
University of Zürich(苏黎世大学);TU Wien(维也纳工业大学);University of Nottingham(诺丁汉大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Eindhoven University of Technology(埃因霍温理工大学)
本文通过VAHC 2025研讨会,结合论文编码和小组讨论,识别出医疗健康可视化分析中AI相关的五大挑战簇:信任与偏见、数据与基础设施、可解释性与沟通、人机交互、模型可靠性与验证,并提出跨学科研究方向。
2026-07-02 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
Human-Computer Interaction and Visualization in Natural Language Generation Models: Applications, Challenges, and Opportunities
本文系统研究了人机交互与可视化在提升自然语言生成模型可解释性和可控性方面的作用,提出交互方法与可视化技术分类体系,并总结了现有不足及大语言模型时代的关键挑战与机遇。
2025-07-03 cs.HC
Human-Centered AI Maturity Model (HCAI-MM): An Organizational Design Perspective
HCAI Labs(HCAI实验室)
本文提出HCAI-MM模型,通过组织设计视角提供结构化框架,帮助组织评估和提升以人为中心的人工智能解决方案的成熟度。
2026-02-18 cs.HC
Are Cognitive Biases as Important as they Seem for Data Visualization?
本文回顾了可视化社区对认知偏差的看法,指出当前研究过度强调人类决策缺陷,呼吁结合启发法展现的适应性专长,以更平衡的视角看待人类在复杂环境中的认知局限与决策策略。
2025-03-05 cs.HC
Linting is People! Exploring the Potential of Human Computation as a Sociotechnical Linter of Data Visualizations
本文扩展 Linting 概念至数据可视化,从正统、中立、反叛维度探索评估模式,通过 Community Notes 研究人类计算的潜力,证明其可识别问题可视化并提供社会洞察,还考量了 AI 驱动 Linter 的影响。
2025-02-11 cs.HC
Enabling human-centered AI: A new junction and shared journey between AI and HCI communities
人工智能(AI)带来了好处,但如果开发不当,也可能造成伤害。目前的发展主要是由“以技术为中心”的方法驱动的,造成了许多失败。例如,人工智能事件数据库已经记录了一千多起与人工智能相关的事故。为了应对这些挑战,以人为本的人工智能(HCAI)方法得到了推广,并在过去几年中得到了越来越多的认可。HCAI呼吁将人工智能与用户体验(UX)设计相结合,将使人工智能系统的开发成为可能(例如,自动驾驶汽车、智能用户界面或智能决策系统),以实现其设计目标,如可用/可解释的AI、人类控制的AI和道德AI。虽然HCAI的推广仍在继续,但它并没有具体解决人工智能和人机交互(HCI)社区之间的合作,导致双方应该采取什么行动来应用HCAI开发人工智能系统的不确定性。该观点关注AI和HCI社区之间的合作,这导致了九项有效合作的建议,以使HCAI能够开发AI系统。
2023-02-18 cs.HC
What Cognitive Accessibility Reveals About Data Visualization
University of Maryland, College Park(马里兰大学帕克分校);Towson University(托德森大学)
本文探讨认知可及性作为关键视角,审视数据可视化领域的主流假设,明确其三个核心假设,为可视化创新开辟新方向。
2026-08-19 cs.HC
Debugging Defective Visualizations: Empirical Insights Informing a Human-AI Co-Debugging System
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学)
本文提出一种人机协同调试系统,结合LLM建议与论坛知识,有效解决可视化调试问题,解决率高达86%。
2026-02-04 cs.HC
Human-Centered Artificial Social Intelligence (HC-ASI)
Department of Psychology and Behavioral Sciences, Zhejiang University(浙江大学心理学与行为科学系)
本研究提出以人为中心的人工社会智能框架,结合技术、人类因素和伦理三角,系统解决社交智能AI开发中的技术与设计问题,并通过案例研究展示其在医疗、教育等领域的应用。
2025-11-26 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
Human-Centered Human-AI Interaction (HC-HAII): A Human-Centered AI Perspective
HCAI Labs(人本人工智能实验室)
本章提出以人为中心的人机交互(HC-HAII)框架,系统阐述其方法论、跨学科团队与多层次设计范式,并指出关键挑战与未来方向,为全书奠定基础。
2025-08-26 cs.AI cs.HC
Adapt a Generic Human-Centered AI Design Framework in Children's Context
本文通过文献分析综合出通用的以人为中心的AI设计框架,并重点探讨将其适配于儿童情境,通过研究儿童AI玩具与学习技术探索定制化设计考量,旨在推动实用的以儿童为中心的AI设计框架开发。
2023-04-03 cs.HC
Embedded Human-Centered Data Science in a Graduate Programming Course: A Framework and Case Study
University of Toronto(多伦多大学)
本研究提出HELIX框架,在研究生编程课程中嵌入以人为本数据科学内容,通过试点验证其可行性,并发布材料包以支持推广。
2026-09-09 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
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
Detection of Unknown Errors in Human-Centered Systems
针对以人为中心的安全关键系统,提出一种无需错误特征知识的模型无关方法,利用DiH-RNN和保形推断构建物理模型并评估物理定律违反以实现未知错误早期检测,表现优于现有技术。
2024-07-28 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
A "User Experience 3.0 (UX 3.0)" Paradigm Framework: User Experience Design for Human-Centered AI Systems
针对现有UX范式难以适配人本AI系统开发的问题,本文提出面向智能时代的“UX 3.0”范式框架及对应方法论,涵盖四类新兴体验,为相关UX实践与研究提供方法支撑。
2024-03-07 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