A critical analysis of cognitive load measurement methods for evaluating the usability of different types of interfaces: guidelines and framework for Human-Computer Interaction
本文通过系统性综述76篇文献,分析了评估计算机软件、VR等不同用户界面可用性的认知负荷测量方法的使用占比与优缺点,并提出框架指导测试人员选择合适方法。
2024-02-19 cs.HC
Experts prefer text but videos help novices: an analysis of the utility of multi-media content
本文通过让用户自选媒体增强并对48名新手与专家开展被试间实验,发现多媒体显著改善新手的可用性感知、阅读时间、任务用时和理解,但专家主要依赖文本。
2023-04-23 cs.HC cs.MM
Perceived Usability of Collaborative Modeling Tools
本研究通过66人交叉实验,基于SUS量表比较了SOCIO聊天机器人与Creately工具的感知可用性,发现自然语言聊天机器人能提升协作效率与用户体验,但需加强对新手的引导。
2024-08-26 cs.HC cs.SE
Evaluating the Usability of Differential Privacy Tools with Data Practitioners
该研究针对差分隐私(DP)工具可用性研究不足的问题,招募24名不同DP知识水平的美国数据从业者,评估四款Python开源DP工具的可用性,发现工具可助新手理解DP、API设计与文档很关键、满意度与任务完成度相关,并提出改进建议以推动DP普及。
2024-08-13 cs.CR cs.HC
TofuML: A Spatio-Physical Interactive Machine Learning Device for Interactive Exploration of Machine Learning for Novices
The University of Tokyo(东京大学);Tsukuba University(筑波大学);Fujitsu Limited(富士通株式会社)
本研究推出面向非专业用户的物理空间交互ML系统TofuML,通过两项用户研究证实其相比GUI版本更能提升用户参与度、降低ML入门门槛,为普适性交互式ML系统开发提供依据。
2025-08-06 cs.HC
System-driven Interactive Design Support for Cloud Architecture: A Qualitative User Experience Study with Novice Engineers
针对新手工程师云架构设计的挑战,本研究通过60名新手使用系统驱动设计支持工具的定性体验,发现结构化主动指导可提升其设计参与度,模拟对比功能具教育价值,同时指出需改进信息适应性、输出验证及工作流集成等方向。
2025-08-17 cs.HC cs.SE
Adapting Nielsen's Usability Heuristics to the Context of Mobile Augmented Reality
增强现实(Augmented Reality,AR)是近年来在移动应用程序设计中出现的一种新兴技术。然而,这些应用程序的可用性挑战非常突出。目前还没有像传统的用户界面那样建立用于设计和评估AR中交互的指南。在这项工作中,我们的目标是研究当前移动AR应用程序的可用性,并在移动AR的背景下解释经典的可用性理论。特别是,我们专注于AR家居设计应用程序,因为它们很受欢迎,并且能够整合重要的移动AR交互模式。我们的研究结果表明,设计人员在设计移动AR应用程序时,考虑到广大用户对AR技术的不熟悉以及技术限制是很重要的。我们的工作是为移动AR建立更通用的方法和指导方针的第一步。
2020-08-07 cs.HC
Aides en ligne à l'utilisation de logiciels grand public : problèmes spécifiques de conception et solutions potentielles
新手用户很少咨询在线帮助的观察是在二十多年前进行的。这一观察结果至今仍然有效,尽管在此期间,对公众使用软件的在线帮助在可用性方面有了很大的改进。本文首先证明了在线帮助的必要性,以使用新的软件,无论用户界面的透明度,在线帮助系统是否是为了弥补界面设计的弱点,或实际上提供必要的帮助,发现一个新的软件包功能仍然是一个悬而未决的问题。讨论依赖于实证和实验研究的结果和理论论证。在第二部分中,我们分析了为当前面向公众的软件设计有效的在线帮助系统所遇到的具体困难,以便尝试和理解新手用户不愿意使用在线帮助。在最后一部分中,我们提出并讨论了解决这一问题的各种方法的可能贡献。最近的互动模式和技术被认为是,如静态和动态个性化,上下文在线帮助和新形式的多模态。
2007-08-30 cs.HC
EvIcon: Designing High-Usability Icon with Human-in-the-loop Exploration and IconCLIP
本文提出人在回路框架EvIcon,结合微调CLIP得到的IconCLIP和IconCEPT10K数据集,为UI设计师提供即时感知可用性反馈,帮助高效改进界面图标的可用性、语义距离和熟悉度。
2023-05-28 cs.GR cs.HC
Becoming the Super Turker: Increasing Wages via a Strategy from High Earning Workers
传统上,群体市场通过不提供关于哪些任务支付公平或哪些请求者不可靠的透明信息来限制工人。研究人员认为,人群工作者工资低的一个关键原因是缺乏透明度。因此,开发了一些工具,在人群市场中提供更多的透明度,以帮助工人。然而,尽管大多数工人使用这些工具,他们的收入仍然低于最低工资。我们认为,缺少的要素是如何使用透明度信息的指导。在本文中,我们探讨了新手如何通过遵循超级Turkers的透明度标准来提高收入,即,在亚马逊土耳其机器人(MTurk)上赚取更高工资的人群。我们相信,Super Turkers已经开发出了使用透明度信息的有效流程。因此,通过让新手遵循超级Turker标准(一个简单且在超级Turker中流行的标准),我们可以帮助新手增加工资。为此,我们:(i)进行了一项调查和数据分析,以通过计算确定超级Turker使用的简单而通用的标准,用于处理透明度工具;(ii)部署了一个为期两周的实地实验,让遵循超级Turker标准的新手在MTurk上找到更好的工作。在我们的研究中,新手查看了1,394个请求者的25,000多个任务。我们发现,使用超级特克标准的新手比其他新手获得更好的工资。我们的研究结果强调,支持人群工作者的工具开发应该与教育机会相结合,教育工作者如何有效地使用工具及其相关指标(例如,透明度值)。最后,我们提出了一些设计建议,以使人群工作者能够获得更高的薪水。
2020-05-08 cs.HC
Recording Reusable and Guided Analytics From Interaction Histories
可视化分析工具的使用在各个领域都很受欢迎,帮助用户从复杂的大型数据集中发现有意义的信息。用户在传播发现的知识时,如果不清楚地回忆起他们的探索路径和分析过程,往往会遇到困难。我们引入了一个可视化的分析工具,允许分析人员从他们的交互日志中记录可重用和指导性的分析。为了捕获分析过程,我们使用了一个决策树,它的节点嵌入了可视化和指南来定义可视化分析任务。该工具使分析师能够正式制定分析策略,建立最佳实践,并通过系统的工作流程指导新手。
2021-04-23 cs.HC
Lowering Barriers to CAD Adoption: A Comparative Study of Augmented Reality-Based CAD (AR-CAD) and a Traditional CAD tool
University of Alberta(阿尔伯塔大学)
本文通过比较AR-CAD与传统CAD工具,发现AR-CAD在降低CAD入门门槛方面更具优势,同时提升了任务完成率和用户体验。
2025-10-14 cs.HC
The Usability and Trustworthiness of Medical Eye Images
大多数失明是可以预防的,并且位于发展中国家。虽然视网膜成像的移动健康应用程序与负担得起的智能手机镜头适配器相结合,是朝着更好的眼科护理服务迈出的一步,但发展中国家往往缺乏所需的专业知识和额外硬件。不带镜头适配器的眼部筛查APP是存在的,但我们对引导用户拍摄医学眼部图像的体验了解不多。此外,当提供基于AI的诊断时,信任在确保采用方面发挥着重要作用。这项工作解决了影响mHealth应用程序的可用性和可信度方面的因素。我们介绍了EyeGuide的设计、开发和评估,这是一款移动应用程序,可帮助用户仅使用智能手机摄像头拍摄医学眼部图像。在一项研究(n=28)中,我们观察到,与基于音频的指导相比,交互式教程的用户捕获图像的速度更快。在第二项研究(n=40)中,我们发现提供特定疾病的背景信息是提高基于AI的诊断可信度的最有效因素。EyeGuide的应用领域是基于AI的疾病检测和远程医疗检查。
2021-05-26 cs.HC
Novice Reliance Calibration in AI-Assisted Decision Making: The Role of Explanations and Self-Assessment
Cornell University(康奈尔大学);McMaster University(麦克马斯特大学)
本研究通过实验发现,在无外部反馈的AI辅助决策中,解释会增加新手过度依赖,而自我评估有助于校准依赖,为设计支持适当依赖的AI工具提供指导。
2026-10-07 cs.AI cs.HC
Evaluating Usability in Biomedical Visualization: Rethinking Heuristic Evaluation for Spatial Omics and Multidisciplinary Research Platforms
College of Medicine, University of Florida(佛罗里达大学医学院);Duke University(杜克大学);Kitware, Inc(Kitware公司);Washington University School of Medicine(华盛顿大学医学院);Indiana University School of Medicine(印第安纳大学医学院);Indianapolis VA Medical Center(印第安纳波利斯退伍军人事务医疗中心)
该研究针对空间组学等新兴技术驱动的生物医学可视化CRI平台,通过两项含39名参与者的研究,提出三种专用可用性启发式以优化其可用性与可访问性。
2026-09-02 cs.HC
Let's Go to the Alien Zoo: Introducing an Experimental Framework to Study Usability of Counterfactual Explanations for Machine Learning
CITEC;Bielefeld University(比勒费尔德大学)
为了促进机器学习(ML)的有用性和问责制,除了评估其性能之外,解释模型的决策也是至关重要的。因此,可解释的人工智能(XAI)领域已经重新成为一个活跃的研究课题,提供了解决自动决策的“如何”和“为什么”的方法。在这一领域内,反事实解释(CFE)作为一种基于心理学的方法来产生事后解释已经获得了相当大的吸引力。为此,CFE突出显示模型输入的哪些变化会以特定方式改变其预测。然而,尽管引入了许多CFE方法,但它们的可用性尚未在人类层面上得到彻底验证。因此,为了推动XAI领域的发展,我们引入了Alien Zoo,这是一个引人入胜的,基于网络的和游戏启发的实验框架。Alien Zoo提供了评估CFE可用性的方法,以便从自动化系统中获取新知识,针对通用领域背景下的新手用户。作为一个概念的证明,我们证明了这种方法在用户研究的实际效果和可行性。我们的研究结果表明,用户受益于接收CFEs相比,没有解释,无论是在客观性能方面提出的迭代学习任务,和主观的可用性。通过这项工作,我们的目标是为研究小组和从业人员提供方便地运行受控和功能强大的用户研究的方法,以补充他们通常更面向技术的工作。因此,为了进行可重复的研究,我们提供了完整的代码,以及底层模型和用户数据。
2022-05-06 cs.HC cs.LG
Preliminary Evaluation of Interactive Search Engine Interface for Visually Impaired Users
这项工作的设计,评估,并改善了建议搜索引擎界面视障VI用户有效地执行网络搜索活动。我们的概念建模技术是基于形式概念分析FCA,用于数据分析。这种方法突出了分层的方法来表示所发现的概念。它与上下文交互式导航相结合,在一个接口,这是所谓的交互式搜索引擎(InteractSE)。此界面旨在减少VI用户浏览搜索结果所需的时间和精力。InteractSE的可用性和可访问性由专家使用Nielsen指南和Web内容可访问性指南WCAG 2.0进行评估。分析是根据识别的可用性问题及其平均严重性评级进行的。结果表明,最常见的违反规则从尼尔森集的一致性,文档,和所有的问题的平均严重性评级是轻微的。结果还显示,最常违反的WCAG 2指南是可区分的,其次是可导航和可供性。使用WCAG 2指南发现的所有问题的平均严重性等级也是轻微的。结果表明,尼尔森统计学和WCAG 2.0指南有助于识别几个可用性问题,如果单独使用它们中的任何一个,可能会遗漏。
2020-03-04 cs.HC
Explaining AI Without Code: A User Study on Explainable AI
Department of Computer Science, University of Chile(智利大学计算机科学系);CENIA – National Center for Artificial Intelligence(人工智能国家研究中心);Universidad Técnica Federico Santa María(弗朗西斯科·桑塔玛利亚技术大学);IMFD - Millennium Institute for Foundational Research on Data(数据基础研究千年研究所)
本文提出DashAI平台中的可解释AI模块,通过整合PDP、PFI和KernelSHAP技术,提升无代码ML中解释的可访问性和详细性。
2025-12-28 cs.AI cs.HC cs.LG
Evaluating the Quality of Code Comments Generated by Large Language Models for Novice Programmers
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Pittsburgh(匹兹堡大学);Carnegie Mellon University(卡内基梅隆大学)
本研究评估了GPT-4、GPT-3.5-Turbo和Llama2为新手程序员生成代码注释的教学质量,发现GPT-4在清晰度、概念阐释等方面与专家注释相当,且在复杂度讨论和对新手支持度上显著优于其他模型,突出了LLMs为新手生成定制化代码注释的潜力。
2024-09-22 cs.AI cs.HC cs.SE
Exploring Accelerated Skill Acquisition via Tandem Training for Colonoscopy
Vanderbilt University(范德堡大学);Vanderbilt University Medical Center(范德堡大学医学中心)
提出一种协同训练系统,通过远程操控导师结肠镜实时指导新手操作标准结肠镜的弯曲控制轮,初步用户研究证明其能有效加速结肠镜检查技能习得。
2025-06-30 cs.HC cs.RO
A User-Centered Teleoperation GUI for Automated Vehicles: Identifying and Evaluating Information Requirements for Remote Driving and Assistance
本研究通过专家访谈识别遥操作关键信息元素,开发静态与动态 GUI 原型并评估,发现动态 GUI 在可用性和任务完成时间上显著更优,为自动驾驶远程操作界面设计提供了依据。
2025-04-30 cs.HC
Mind the Gaze: Improving the Usability of Dwell Input by Adapting Gaze Targets Based on Viewing Distance
University of Glasgow(格拉斯哥大学);Technical University of Munich(慕尼黑工业大学)
GAUI通过根据观看距离动态调整目标大小,提升了手持移动环境中停留输入的性能和可用性。
2025-12-18 cs.HC
Examining Augmented Virtuality Impairment Simulation for Mobile App Accessibility Design
本文评估 Empath-D 增强现实损伤模拟系统,发现其能帮助开发者更准确、全面地识别白内障用户面临的移动应用可用性问题,并补充传统无障碍指南。
2025-03-17 cs.HC
A Comprehensive Model of Usability
可用性是成功软件系统的一个关键质量属性。不幸的是,对影响可用性的因素及其相互关系没有共同的理解。因此,缺乏设计、分析和改进用户界面的综合基础。本文提出了一个二维模型的可用性相关联的系统属性与用户进行的活动。通过分离活动和属性,可以识别声音质量标准,从而促进关于其相互依赖性的陈述。该模型基于经过测试的质量元模型,可促进精确性和完整性。一个案例研究演示了这种模式的方式,在揭示现有的可用性标准的矛盾和遗漏的援助。此外,该模型还可作为整个质量保证过程的中央结构化知识库,例如自动生成指南文件。
2016-12-14 cs.HC cs.SE
The Impact of Expertise in the Loop for Exploring Machine Rationality
LMU Munich(慕尼黑大学)
人在回路优化利用人类的专业知识来迭代地引导机器优化器并在解空间中搜索最优解。虽然以往的实证研究主要是调查新手,我们分析了专业知识水平对结果质量和相应的主观满意度的影响。我们在文本、照片和3D网格优化环境中进行了一项研究(N=60)。我们发现,新手可以实现专家级的质量性能,但具有更高专业知识的参与者导致更多的优化迭代,更明确的偏好,同时保持满意度低。相比之下,新手更容易满足,也更快结束。因此,我们发现,专家寻求更多样化的结果,而机器达到最佳结果,观察到的行为可以作为性能指标,供人在环系统设计人员改进底层模型。我们告知未来的研究在设计人在环系统时要谨慎考虑用户专业知识的影响。
2023-02-11 cs.AI cs.HC
A study of the interface usability issues of mobile learning applications for smart phones from the users perspective
提出了一个测量移动学习应用可用性特征的概念框架。此外,还设计和实施了一个智能手机软件原型,以评估移动学习应用程序的可用性问题。这个原型已经开发,使用Java语言和Android软件开发工具包,建议的概念框架的指导方针的基础上。通过在西方大学进行的一项基于网络的调查,将所提出的模型的可用性与一个普遍可用的类似移动应用程序(基于黑板)进行了比较。这两个模型进行了评估,在易用性,用户满意度,吸引力和可学习性。调查问卷的结果表明,参与者认为基于我们提出的框架的用户界面更用户友好相比,基于黑板的用户界面。
2015-01-08 cs.CY cs.HC
The KeYmaera X Proof IDE - Concepts on Usability in Hybrid Systems Theorem Proving
混合系统验证对于开发物理系统的正确控制器非常重要,但也具有挑战性。因此,验证工程师需要获得指导混合系统验证的方法,同时获得尽可能多的自动化帮助。由于不可判定性,验证工具需要足够的手段在验证期间进行干预,并需要允许验证工程师提供系统设计见解。本文介绍了混合系统定理证明器KeYmaera X的用户界面的设计思想。我们将讨论它们如何使证明混合系统变得更容易,并帮助学习如何首先进行证明。毫不奇怪,最困难的用户界面挑战来自于集成自动化和人工指导的愿望。我们还分享了如何评估这样一个用户界面设计的成功的想法和关于它的轶事观察。
2017-01-30 cs.HC cs.LO cs.PL
Avenir-UX: Automated UX Evaluation via Simulated Human Web Interaction with GUI Grounding
University College London(伦敦大学学院)
Avenir-UX通过模拟人类交互行为,提供标准化的可用性评估,结合GUI接地技术,提升用户体验评估的效率和准确性,支持持续、可扩展的数据驱动测试。
2026-04-14 cs.AI cs.CY cs.HC
"I don't know anything about laptops!" - User Perception of Digital Product Advisors Adapting to Their Knowledge Levels
GESIS – Leibniz Institute for the Social Sciences(GESIS-莱布尼茨社会科学研究所);University of Twente(特温特大学)
本研究通过实验发现,针对新手用户的笔记本电脑产品推荐添加解释可提升感知帮助度与学习度,而专家不受补充信息影响,据此提出了四条文本产品顾问的设计准则。
2026-08-07 cs.HC cs.IR
Setup-Invariant Augmented Reality for Teaching by Demonstration with Surgical Robots
University of British Columbia(不列颠哥伦比亚大学)
本文提出开源系统dV-STEAR,在无需专家与新手机器人设置关节位置一致的条件下回放任务对齐的专家演示,通过用户研究证明其能显著提升新手手术任务表现,为AR集成到机器人辅助手术奠定基础。
2025-04-09 cs.CV cs.HC cs.RO
The MUG-10 Framework for Preventing Usability Issues in Mobile Application Development
Gdansk University of Technology(格但斯克理工大学);Gdansk University of Physical Education and Sport(格但斯克体育大学)
该研究通过调查20位移动应用开发从业者,提出包含十条指导原则和三项活动的MUG-10框架,以预防可用性问题,并强调用户协作测试与反馈的重要性。
2025-09-26 cs.HC cs.SE
Sibyl: Understanding and Addressing the Usability Challenges of Machine Learning In High-Stakes Decision Making
MIT(麻省理工学院);Auckland University of Technology(奥克兰理工大学)
机器学习(ML)正被应用于一系列多样化且不断增长的领域。在许多情况下,领域专家-通常在ML或数据科学方面没有专业知识-被要求使用ML预测来做出高风险决策。结果可能会出现多种ML可用性挑战,例如用户对模型缺乏信任,无法协调人类与ML的分歧,以及对将复杂问题过度简化为单一算法输出的道德担忧。在本文中,我们通过与儿童福利筛查人员的一系列合作,调查了儿童福利筛查领域存在的ML可用性挑战。在机器学习科学家、可视化研究人员和领域专家(儿童筛选器)之间的迭代设计过程之后,我们首先确定了四个关键的机器学习挑战,并在一个有前途的可解释的机器学习技术上进行了磨练,以解决这些问题(本地因素贡献)。然后,我们实现并评估了我们的可视化分析工具Sirocket,以提高本地因素贡献的可解释性和交互性。我们的工具的有效性证明了两个正式的用户研究与12名非专家参与者和13名专家参与者分别。我们收集了有价值的反馈,从中我们组成了一个设计影响列表,作为研究人员的有用指南,这些研究人员旨在为儿童福利筛查人员和其他类似领域专家部署的ML预测模型开发可解释和交互式可视化工具。
2021-09-17 cs.HC cs.LG
Code Park: A New 3D Code Visualization Tool
我们介绍代码公园,一种新颖的工具,用于在类似3D游戏的环境中可视化代码库。Code Park旨在以一种既吸引人又直观的方式提高程序员对现有代码库的理解,吸引学生等新手用户。它通过在类似3D公园的环境中布局代码库来实现这些目标。代码库中的每个类都表示为一个类似于3D房间的结构。类的组成部分(变量、成员函数等)被布置在墙上,类似于语法感知的“墙纸”。用户可以使用概览和第一人称查看器模式与代码库进行交互。我们进行了两项用户研究,以评估Code Park的可用性和组织现有项目的适用性。我们的研究结果表明,代码公园很容易熟悉,并显着帮助代码理解相比,传统的IDE。此外,用户一致认为Code Park是一个有趣的工具。
2017-08-07 cs.HC cs.SE
On the Usability (In)Security of In-App Browsing Interfaces in Mobile Apps
由于在各种应用场景中频繁遇到web URL(例如,聊天和电子邮件阅读),许多移动应用构建其应用内浏览界面(IABI)以提供无缝的用户体验。虽然这通过避免主题应用程序和系统内置浏览器应用程序之间的不断切换实现了用户友好性,但我们发现,如果没有良好的设计或定制,IABI可能会导致可用性安全风险。在本文中,我们对Android和iOS应用程序中应用内浏览界面的可用性(不)安全性进行了首次实证研究。具体来说,我们从包含IABI的五个常见应用程序类别(包括Facebook和Gmail)中收集了25个知名移动应用程序的数据集,并进行了系统分析(但不是最终用户研究),其中包括八个精心设计的安全测试,并涵盖了打开,显示和导航应用程序内网页的整个过程。在这个过程中,我们得到了三个主要的安全发现:(1)大约30%的测试应用无法提供足够的URL信息,让用户在打开URL时做出明智的决定;(2)几乎所有的自定义IABI都存在各种问题,无法提供足够的指示器来忠实地向用户显示应用内页面,而基于Chrome自定义标签和SFSafariViewController的十个IABI通常是安全的;以及(3)只有少数IABI会发出警告,提醒用户在导航(可能是网络钓鱼)登录页面期间输入密码的风险。大多数开发人员已经承认了我们的发现,但他们修复可用性问题的意愿和准备程度与修复技术漏洞相比相当低,这是可用性安全研究中的一个难题。…
2022-09-04 cs.CR cs.HC
Nighthawk: Fully Automated Localizing UI Display Issues via Visual Understanding
图形用户界面(GUI)在软件应用程序和最终用户之间提供了一个可视化的桥梁,通过它,他们可以相互交互。随着移动设备的升级和审美的发展,GUI的视觉效果越来越吸引人,用户也越来越关注应用程序的可访问性和可用性。然而,这样的GUI复杂性对GUI实现提出了很大的挑战。根据我们对众测错误报告的初步研究,由于软件或硬件兼容性的原因,在不同设备上进行GUI渲染时,总会出现文本重叠、组件遮挡、图像丢失等显示问题。它们会对应用程序的可用性产生负面影响,导致用户体验不佳。为了检测这些问题,我们提出了一种基于深度学习的全自动方法Nighthawk,用于对GUI屏幕截图的视觉信息进行建模。Nighthawk可以检测具有显示问题的GUI,并在给定的GUI中定位问题的详细区域,以指导开发人员修复错误。同时,训练模型需要大量带标签的错误截图,这需要大量的手动工作来准备它们。因此,我们提出了一种基于几何的训练数据自动生成方法来自动生成标记的训练数据。评估表明,我们的Nighthawk在检测UI显示问题时可以达到平均0.84的精确度和0.84的召回率,在定位这些问题时平均0.59 AP和0.60 AR。我们还使用Google Play和F-Droid上流行的Android应用程序对Nighthawk进行了评估,并成功发现了151个以前未检测到的UI显示问题,其中75个已经得到确认或修复。
2022-05-27 cs.HC cs.SE
Qualitative Evaluation of LLM-Designed GUI
Warsaw University of Technology(华沙理工大学)
本文评估了LLM在设计GUI时的可用性和适应性,发现其在结构布局方面有效,但在可访问性和交互功能上存在挑战,需人类干预以确保用户体验。
2026-01-30 cs.AI cs.HC cs.SE
Balancing Usability and Compliance in AI Smart Devices: A Privacy-by-Design Audit of Google Home, Alexa, and Siri
Vancouver Island University(温哥华岛大学)
本文通过隐私设计审计评估Google Home、Alexa和Siri的隐私与易用性,发现易用性与合规性之间存在权衡,需提升透明度和政策一致性以保护年轻用户隐私。
2026-02-28 cs.AI cs.CY cs.HC
Teaching Data Science Students to Sketch Privacy Designs through Heuristics (Extended Technical Report)
University of California, San Diego(加利福尼亚大学圣迭戈分校);Virginia Tech(弗吉尼亚理工大学)
本研究通过需求发现和以人为中心的设计,提出三条文本启发式规则,实验证明其能提升数据科学学生隐私草图的覆盖度、降低认知负担并改善可读性。
2025-10-10 cs.CR cs.CY cs.HC