MindScope: Exploring cognitive biases in large language models through Multi-Agent Systems
School of Computer Science and Technology, East China Normal University(华东师范大学计算机科学与技术学院);School of Computer Science, Fudan University(复旦大学计算机学院)
针对现有大语言模型认知偏差检测方法能力不完善、覆盖偏差类型有限的问题,本研究提出整合静动态元素的MindScope数据集及融合RAG、辩论与强化学习决策的多智能体检测方法,检测准确率较GPT-4最高提升35.10%。
2024-10-06 cs.AI cs.CL
Exploring Applications of Transfer-State Large Language Models: Cognitive Profiling and Socratic AI Tutoring
Hitachi High-Tech Corporation(日立高新技术公司)
本文探讨迁移态LLM在认知画像和苏格拉底式AI辅导中的应用,通过初步调查和实验发现迁移态在辅导表现指标上显著优于非迁移态,提出迁移态作为操作性状态的实用价值。
2026-05-01 cs.CL
Exploring the LLM Journey from Cognition to Expression with Linear Representations
Baichuan AI(百川智能);Tsinghua University(清华大学)
本文通过线性表示方法,研究Baichuan系列大语言模型中认知与表达能力的发展与关联,发现认知能力主要在预训练阶段建立,表达能力在微调与强化学习阶段提升,并探讨了少样本学习等策略以弥合两者差距。
2024-11-08 cs.AI cs.CL
How Deep is Love in LLMs' Hearts? Exploring Semantic Size in Human-like Cognition
Shanghai Jiao Tong University(上海交通大学);Shanghai Key Laboratory of Trusted Data Circulation and Governance in Web3(上海Web3可信数据流通与治理重点实验室);Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering(上海市教委智能交互与认知工程重点实验室)
本研究通过语义大小概念,结合隐喻推理、内部表征分析和真实网络购物场景,探讨LLMs在认知上与人类的相似性,发现多模态训练对LLMs实现类人理解至关重要,但也可能引入决策偏见。
2025-03-01 cs.CL
Comprehensive systematic review into combinations of artificial intelligence, human factors, and automation
Tehran University(德黑兰大学)
基于人工智能(AI)的模型用于改善包括医疗保健和金融在内的不同领域。AI的优势之一是自动化。然而,在人工智能在自动化中的应用中,考虑人为因素很重要。本文报告了一个系统的审查已发表的研究,用于调查应用AI在PM。本综合系统性综述使用ScienceDirect识别相关文章。在发现的422篇文章中,40篇符合纳入和排除标准,并用于综述。根据人为因素和应用领域的类别对所选文章进行分类。结果表明,人工智能在自动化中的应用,就人的因素,可分为三个领域的物理工效学,认知工效学和组织工效学。物理和认知工效学的主要应用领域包括交通、用户体验和人机交互。
2021-04-09 cs.AI cs.HC
Exploring Coding Spot: Understanding Parametric Contributions to LLM Coding Performance
Korea University(高丽大学)
本文提出并识别 LLM 中负责编码能力的专门参数区域 Coding Spot,证明定向修改该区域会显著影响代码任务表现且基本不损害非编码能力。
2024-12-10 cs.CL
Exploring the Impact of Occupational Personas on Domain-Specific QA
Hankuk University of Foreign Studies(韩国外国语大学)
本研究引入基于职业和基于职业人格的两类角色,发现前者略微提升特定领域问答准确率,后者则常导致性能下降,表明角色相关性不能保证有效知识利用。
2025-05-30 cs.CL
Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
Northeastern University(东北大学);Rice University(里士满大学);University of Notre Dame(诺特难大学);ETH Zurich(苏黎世联邦理工学院)
本文提出一个可配置的研究平台,用于探索人类与大语言模型代理之间的协作,通过三个案例研究验证了平台在人机协作研究中的有效性。
2026-02-16 cs.AI cs.CL cs.HC
Exploring Large Language Models to generate Easy to Read content
Computer Science and Engineering Department Universidad Carlos III de Madrid(计算机科学与工程系卡洛斯三世大学)
本文探索利用大型语言模型将西班牙语文本系统简化为易读格式,构建了西班牙语易读平行语料库,并通过微调Llama2模型及专家定性评估验证了该方法在提升认知障碍人群文本可访问性方面的有效性。
2024-07-29 cs.CL cs.HC
Cognitive Modeling with Scaffolded LLMs: A Case Study of Referential Expression Generation
University of Tübingen(蒂宾根大学);University of Amsterdam(阿姆斯特丹大学)
本研究探索指称表达生成算法认知模型的神经符号实现,结合符号模块与gpt-3.5-turbo构建支架式混合模型,在A3DS数据集上验证了其认知合理性与复杂语境下的良好性能。
2024-07-08 cs.CL
"What's my model inside of?": Exploring the role of environments for grounded natural language understanding
Hebrew University of Jerusalem(耶路撒冷希伯来大学);Allen Institute for Artificial Intelligence(艾伦人工智能研究所)
本论文采用生态学方法研究具身自然语言理解,探索环境设计在数据收集、模型开发中的作用,提出了基于文本游戏环境的训练标注方法、Breakpoint Transformers模型及具身NLP研究路线图,并设计了AI增强的社会思维环境。
2024-02-04 cs.AI cs.CL cs.SI
LLMs as Writing Assistants: Exploring Perspectives on Sense of Ownership and Reasoning
Shahjalal University of Science and Technology(沙贾拉勒科技大学);Independent University(独立大学);BRAC University(BRAC大学)
本文通过简短调查探讨了使用 LLMs 作为写作助手时引发的所有权意识困境与认知过程,旨在深入了解写作中的人机交互以改进写作辅助系统。
2024-10-02 cs.AI cs.CL cs.CY
Exploring Extrinsic and Intrinsic Properties for Effective Reasoning with Code Interpreter
Vidyasirimedhi Institute of Science and Technology(维达亚希米科技学院);Kasetsart University(科琼大学);SCB 10X;King Mongkut’s University of Technology Thonburi(朱拉隆功技术大学泰竹分校);Department of Computer Engineering Chulalongkorn Univesity(朱拉隆功大学计算机工程系);Cohere;AI Singapore(AI新加坡)
本文从外在属性(关键token)和内在属性(代码特定认知行为)两个角度研究代码解释器推理,发现强模型更频繁出现关键token和验证、回溯等行为,并利用这些属性在推理和训练中提升性能。
2026-06-16 cs.CL cs.LG
An Online Framework for Cognitive Load Assessment in Assembly Tasks
Istituto Italiano di Tecnologia(意大利技术研究院);Politecnico di Milano(米兰理工大学)
工业4.0的发展趋势已经彻底改变了普通工作场所,深刻改变了人类在生产链中所扮演的角色。人机工程学在工业环境中的研究主要集中在减少操作人员的身体疲劳和不适,以提高吞吐量和避免安全隐患。然而,随着生产复杂性的增加,认知资源的需求和心理负荷可能会损害操作员的性能和车间工作场所的效率。认知科学中最先进的方法离线工作和/或涉及难以在工业环境中部署的庞大设备。本文提出了一种新的方法,在线评估的认知负荷的制造业,主要是装配,通过检测人体运动的模式直接从立体摄像机的输入图像。头部姿态估计和骨骼跟踪被用来调查工人的注意力,并评估多动和不可预见的运动。试点实验表明,我们的因素评估工具提供了显着的洞察工人的心理工作量,甚至证实了与生理和性能测量的相关性。根据这项研究中收集的数据,基于视觉的认知负荷评估有可能被整合到机电一体化系统的开发中,以提高制造业的认知人机工程学。
2021-10-19 cs.HC cs.RO
An Ergonomic Role Allocation Framework for Dynamic Human-Robot Collaborative Tasks
Istituto Italiano di Tecnologia(意大利技术研究院);University of Genoa(热那亚大学);Politecnico di Milano(米兰理工大学)
通过将人机工程学原理纳入任务分配过程,人机协作(HRC)框架可以有利于预防与工作相关的肌肉骨骼疾病(WMSDs)。在这种情况下,现有的离线方法不考虑人类的行动和状态的变化,因此,规划和动态分配的角色在人类机器人团队仍然是一个未解决的challenge.This研究的目的是创建一个符合人体工程学的角色分配框架,优化的HRC,考虑到任务的特点和人类状态的测量。该框架由两个主要模块组成:第一个模块提供了HRC任务模型,利用与或图(AOG)来解决分配问题;第二个模块通过风险指标描述了任务执行过程中的人机工程学风险评估,并更新AOG相关变量以影响未来的任务分配。建议的框架可以与任何随时间变化的人体工程学风险指标,评估人类的认知和身体负担。在这项工作中,我们测试了我们的框架在装配场景中,引入了一个名为运动磨损的风险指数。任务分配结果和主观评价,通过问卷调查进行测量,表明高风险的行动被正确识别,而不是分配给人类,减少了协作任务中的疲劳和挫折感。
2023-01-19 cs.HC cs.MA cs.RO
Technological Competence is a Precondition for Effective Implementation of Virtual Reality Head Mounted Displays in Human Neuroscience: A Technological Review and Meta-analysis
沉浸式虚拟现实(VR)作为一种有前途的研究和临床工具出现。然而,一些研究表明,VR引起的不良症状和影响(VRISE)可能会破坏健康和安全标准,以及科学结果的可靠性。在当前的文献综述中,研究了不良关节炎的技术原因,为在认知神经科学中实施VR盔装显示器(HMD)系统提供建议和技术知识。技术系统文献指出了研究人员应考虑的与显示、声音、运动跟踪、导航、人体工程学交互、用户体验和计算机硬件相关的特征。随后,对44项涉及VR HMD系统的神经科学或神经心理学研究进行了荟萃分析。VR研究的荟萃分析表明,新一代HMD诱导的VRISE显著减少,脱落率略低。重要的是,具有人体工程学交互作用的新一代HMD的商业版本的不良反应和脱落率为零。等同于或大于当代HMD的商业版本的HMD伴随有人体工程学交互,适合于在认知神经科学中实施。总之,研究人员的技术能力,以及与软件,硬件和VRISE相关的细致方法和报告,对于确保健康和安全标准以及神经科学结果的可靠性至关重要。
2021-01-20 cs.CY cs.HC cs.MM
Are LLMs the Master of All Trades? : Exploring Domain-Agnostic Reasoning Skills of LLMs
University of Pennsylvania(宾夕法尼亚大学)
大语言模型(LLM)像人类一样推理的潜力一直是机器学习社区中备受争议的话题。然而,人类的推理能力是多方面的,可以以各种形式出现,包括类比,空间和道德推理等。这一事实提出了一个问题,即LLM是否可以在所有这些不同的领域中表现同样出色。本研究旨在通过直接使用或借鉴现有类比和空间推理数据集的实验,研究LLM在不同推理任务中的表现。此外,为了评估LLM像人类一样推理的能力,他们的表现是在更开放的自然语言问题上进行评估的。我的研究结果表明,法学硕士擅长类比和道德推理,但在空间推理任务上表现得很熟练。我相信这些实验对于为LLM的未来发展提供信息至关重要,特别是在需要多样化推理专业知识的背景下。通过揭示LLM的推理能力,这项研究旨在推动我们对它们如何更好地模仿人类认知能力的理解。
2023-03-22 cs.AI cs.CL
When Agents "Misremember" Collectively: Exploring the Mandela Effect in LLM-based Multi-Agent Systems
Zhejiang University(浙江大学);University of California, Los Angeles(加州大学洛杉矶分校);Palo Alto Networks(帕洛阿尔托网络公司);OPPO Research Institute(OPPO研究院);Zhejiang Key Laboratory of Decision Intelligence(浙江决策智能重点实验室)
本文研究了基于大语言模型的多智能体系统中的曼德拉效应,提出MANBENCH基准并提出缓解策略,实现74.40%的效应减少。
2026-03-01 cs.AI cs.CL cs.CR
Reclaiming human machine nature
通过人工制品生产来扩展和改变他的生活领域是人类的主要特征之一。从第一个原始人类使用木棍或石头来伸展上肢并增强手势力量,到目前使用技术来增强人类认知,感知和行动的系统工程师,扩展人体能力仍然是一个大问题。五十多年来,控制论、计算机和认知科学只提出了一种人类机器系统的简化模型:认知系统。受哲学、行为主义心理学和信息处理隐喻的启发,认知系统范式要求对人类系统设计过程进行功能观和功能分析。在这种设计方法中,人在一种新的二元论中被还原为他的形而上学和功能属性。人体的要求已经留给物理工效学或“生理学”。随着多学科的融合,“人机”系统和“人工制品”的问题也在演变。人类有机体与交互和信息物理人工制品之间的生物和社会边界的丧失对认知系统的当前工程方法和人机工程设计提出了质疑。随着重症监护、人类空间活动或生物工程系统人机系统的新发展,需要将人类系统设计建立在新的认识论框架之上,以建立未来的人类系统模型和基于证据的“生物工程”。在这种背景下,回收人的因素,增强人和人的机器本质是必要的
2014-09-29 cs.HC
Exploring the Cognitive Dynamics of Artificial Intelligence in the Post-COVID-19 and Learning 3.0 Era: A Case Study of ChatGPT
Case Western Reserve University(凯斯西储大学);East Carolina University(东卡罗来纳大学)
人工智能的出现引发了人类活动领域的范式转变,ChatGPT成为各种既定领域转型的催化剂,包括但不限于教育、新闻、安全和道德。在后疫情时代,远程工作的广泛采用促使教育部门重新评估传统教学方法。本文将仔细研究ChatGPT的潜在心理学原理,深入研究吸引用户注意力的因素,并揭示其对学习未来的影响。本研究的最终目的是激发关于教育技术进步与人类学习模式演变之间相互作用的学术话语,提出技术是否推动人类进化或反之亦然的问题。
2023-02-03 cs.CL cs.CY cs.HC
Blind Spots and Biases: Exploring the Role of Annotator Cognitive Biases in NLP
Pennsylvania State University(宾夕法尼亚州立大学);Information Sciences and Technology(信息科学与技术学院)
本文系统回顾了自然语言处理中标注者认知偏差的研究方法,探讨人类参与对AI偏差的双重影响,为理解标注属性如何导致偏差提供基础。
2024-04-29 cs.CL cs.HC
Emotional Design
情感化设计在人因学和人机工程学领域得到了广泛的认可。在本章中,我们回顾了情感化设计的相关模型和方法。我们鼓励情感设计师在研究这些模型和方法时采取多个视角。在此基础上,提出了情感化设计的系统流程,包括情感认知需求的获取、情感认知需求的分析和情感认知需求的满足,以支持情感化设计。在每一步中,我们都对代表性方法进行了更新,以支持情感设计并提供进一步的指导。我们希望研究人员和业界从业员能采取系统的方法,仔细考虑框架中的每一步。最后,对挑战和未来方向的推测可能有助于不同领域的研究人员进一步推进情感设计。
2020-10-06 cs.HC
Rushed by Discomfort, Trapped by Immersion: Users' Experiences and Responses to Privacy Deceptive Design in Commercial VR Applications
Stratford School of Interaction Design and Business, University of Waterloo(滑铁卢大学斯特拉特福德交互设计与商业学院)
研究探讨了商业VR应用中隐私欺骗设计对用户的影响,发现VR设计通过认知漏洞和身体疲劳引发用户接受侵入性数据披露,强调了体感因素在隐私保护VR设计中的重要性。
2026-05-09 cs.HC
Exploring Conversational Agents as an Effective Tool for Measuring Cognitive Biases in Decision-Making
University College Dublin(都柏林大学学院)
本文研究利用对话智能体自动测量决策中的认知偏差,提出融合现有实验设计的偏差测量机制,并通过初步实验验证其在测量框架效应和损失厌恶偏差上的有效性。
2024-01-08 cs.AI cs.HC
ATIM: An ACT-R-Based Task Interface Model for Predicting Operator Action Time in Digital Nuclear Control Rooms
Institute of Nuclear and New Energy Technology, Tsinghua University(清华大学核能与新技术研究院);National Key Laboratory of Human Factors Engineering(人机工程国家重点实验室);Korea Advanced Institute of Science and Technology(韩国科学技术院)
提出ATIM模型,结合视觉搜索理论、菲茨定律和认知架构,从界面特征直接预测操作员动作时间,在数字核控制室数据集上验证,平均绝对误差3.17秒。
2026-06-18 cs.HC
Enhancing Communication in Speech Therapy: Exploring the Cognitive Synergy Between Gesture and Speech
De Vinci Research Center, De Vinci Higher Education(德·文西研究中心,德·文西高等教育)
本文研究将基于节奏的界面从手部康复改编至言语治疗,通过手指敲击控制合成语音,利用手势与言语的认知协同,经访谈和试点测试发现其能提升动机和治疗效果。
2026-09-09 cs.HC
Exploring Eye Tracking to Detect Cognitive Load in Complex Virtual Reality Training
Northeastern University(东北大学)
本文研究在复杂VR训练中利用眼动追踪和机器学习检测认知负荷,通过冷喷涂VR系统实验验证了MLP与随机森林基于瞳孔扩张和注视时长的预测可行性。
2024-11-18 cs.HC cs.LG
Exploring the Impact of an LLM-Powered Teachable Agent on Learning Gains and Cognitive Load in Music Education
本研究基于LBT教学法引入LLM驱动的可教代理,通过28名大学生的在线实验发现,该代理显著提升了学生的音乐理论后测成绩并降低了认知负荷,验证了AI脚手架在音乐教育中的应用潜力。
2025-04-01 cs.HC
Organize, Then Vote: Exploring Cognitive Load in Quadratic Survey Interfaces
针对二次型调查认知负荷高阻碍其应用的问题,提出“先整理后投票”两阶段界面,实验证实其能降低认知过载、提升偏好构建深度,为集体决策偏好获取工具的人本设计提供参考。
2025-05-16 cs.HC
Exploring the Optimal Time Window for Predicting Cognitive Load Using Physiological Sensor Data
本研究针对生理信号预测认知负荷缺乏最优时间窗口指导的问题,实证测试60-210秒窗口,发现最优窗口多超90秒,且不同分类器最优窗口有差异,为教育技术开发提供新依据。
2024-06-19 cs.HC
Visual Attention Based Cognitive Human-Robot Collaboration for Pedicle Screw Placement in Robot-Assisted Orthopedic Surgery
Tsinghua University(清华大学);Harbin Institute of Technology(哈尔滨工业大学);Midea Corporate Research Center(美的集团企业研究中心);Midea Group(美的集团)
针对骨科椎弓根螺钉置入仍需人工操作且自动化风险高的问题,本文提出融合AR触觉界面、视觉注意外科医生模型和共享交互控制的认知型人机协作框架,实验证明其在安全性与人机工程学上优于全机器人或全人工控制。
2025-01-31 cs.HC cs.RO
Exploring Augmentation and Cognitive Strategies for AI based Synthetic Personae
Simon Fraser University(西蒙弗雷泽大学)
针对大语言模型构建合成角色时的黑箱与幻觉问题,本研究提出将其用作数据增强系统并构建认知记忆框架,初步验证相关技术可提升合成角色可靠性,拓展HCI研究路径。
2024-04-16 cs.AI cs.HC cs.IR
Mind & Motion: Opportunities and Applications of Integrating Biomechanics and Cognitive Models in HCI
本文探讨在HCI中整合认知模型与生物力学仿真,以构建具身用户仿真,从而更准确地预测用户意图、策略和动作,并为界面基准测试与自适应系统设计提供支持。
2025-08-19 cs.HC
Exploring the Impact of Explainable AI and Cognitive Capabilities on Users' Decisions
Organization(机构)
本研究探讨了在贷款场景中AI信息呈现方式与解释风格及认知需求(NFC)对用户决策的影响,发现高AI置信度与反事实解释能提升准确率并降低认知负荷,且高低NFC个体间无显著差异,强调了XAI界面需结合多样解释风格与用户特征进行个性化设计。
2025-05-02 cs.AI cs.HC
Shifting Focus with HCEye: Exploring the Dynamics of Visual Highlighting and Cognitive Load on User Attention and Saliency Prediction
Saarland University(萨尔大学)
本文通过 HCEye 眼动实验研究视觉高亮与认知负荷对用户注意力的联合影响,发现动态高亮在认知负荷下仍能吸引注意力,并证明考虑认知负荷可提升显著性模型性能。
2024-05-02 cs.AI cs.HC
Can You Keep a Secret? Exploring AI for Care Coordination in Cognitive Decline
Carnegie Mellon University(卡内基梅隆大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Maryland(马里兰大学)
本文探讨人工智能如何通过搭便车策略帮助认知衰退老年人协调护理,以减少照护负担并延长其在家中生活的可能性。
2025-12-14 cs.AI cs.HC
Chatbots for Mental Health Support: Exploring the Impact of Emohaa on Reducing Mental Distress in China
Tsinghua University(清华大学);Beijing Normal University(北京师范大学)
对心理健康支持的需求日益增长,凸显了对话代理作为全球和中国人类支持者的重要性。这些药物可以增加心理健康支持的可用性并降低其相对成本。所提供的支持可分为两大类:认知支持和情感支持。现有的工作主要集中在构建代理,采用认知行为疗法(CBT)的原则。这种代理基于预定义的模板和练习来操作,以提供认知支持。然而,研究情绪支持使用这样的代理是有限的。此外,大多数被构建的代理人使用英语进行操作,这突出了在中国进行此类研究的重要性。在这项研究中,我们分析了Escherhaa在减少精神痛苦症状方面的有效性。Rehhaa是一个会话代理,通过基于CBT的练习和引导对话提供认知支持。它还通过使用户能够发泄他们想要的情绪问题来在情感上支持用户。该研究包括134名参与者,分为三组:Eschhaa(基于CBT),Eschhaa(完全)和对照组。实验结果表明,与对照组相比,使用Escherhaa的参与者在精神痛苦症状方面有了更显著的改善。我们还发现,添加情绪支持剂对这些改善有补充作用,主要是抑郁和失眠。根据所获得的结果和参与者对平台的满意度,我们得出结论,Escherhaa是减少精神痛苦的实用有效工具。
2022-09-21 cs.CL cs.HC
Unremarkable to Remarkable AI Agent: Exploring Boundaries of Agent Intervention for Adults With and Without Cognitive Impairment
本研究针对老年认知支持需求,通过故事板速配研究揭示不同认知状态老年人及照护者对AI智能体的接受边界,提出智能体从不起眼到引人瞩目的转型设计方向与未来研究思路。
2025-05-20 cs.HC
Exploring Effectiveness of Explanations for Appropriate Trust: Lessons from Cognitive Psychology
Delft University of Technology(代尔夫特理工大学);TNO(荷兰应用科学研究组织);Leiden University(莱顿大学)
人工智能(AI)的快速发展要求AI系统的开发人员和设计人员关注人与机器之间的协作。人工智能对系统行为和推理的解释对于有效协作至关重要,可以培养适当的信任,确保理解,并解决公平和偏见问题。然而,各种上下文和主观因素会影响AI系统解释的有效性。这项工作从认知心理学的发现中汲取灵感,以了解如何设计有效的解释。我们确定了四个组成部分,解释设计师可以特别注意:感知,语义,意图,用户和上下文。我们举例说明了这四个解释组件的使用,通过结合文本与视觉效果,概率与范例,以及与用户和上下文的意图沟通来估计食物卡路里。我们提出,有效的人工智能解释的重大挑战是使用不产生可解释解释的解释和解释沟通的算法生成解释之间的额外步骤。我们相信,仔细考虑我们工作中概述的四个解释组件将有助于这一额外步骤,这可以积极影响解释的有效性。
2022-10-05 cs.AI cs.HC
Exploring the Design Space of Cognitive Engagement Techniques with AI-Generated Code for Enhanced Learning
University of Toronto(多伦多大学);Carnegie Mellon University(卡内基梅隆大学)
针对新手依赖LLM生成代码导致浅层学习的问题,本文开发并评估了七种认知参与技术,发现引导学习者通过交互式对话逐步解决问题最为有效。
2024-10-11 cs.AI cs.HC
Exploring crossmodal perceptual enhancement and integration in a sequence-reproducing task with cognitive priming
利用横截面对应的感知现象已被证明有助于人们的信息处理并改善感觉运动性能。然而,对于目标导向的交互任务,如何增强特定跨通道信息的感知,以及跨通道信息整合如何在交互过程中发生的问题仍然不清楚。本文报道了两个实验调查这些问题。实验一采用认知启动技术,分别在两种条件下增强两种跨通道刺激的知觉,观察其对感觉-运动操作的影响。在此基础上,实验二将两种跨通道刺激以对应一致性互斥的方式组合在同一界面中。同样的启动技术被用作操纵因素来观察跨模态整合过程。结果表明:(1)启动技术可以促进交互过程中的跨通道整合,但效果因跨通道刺激组合和启动材料类型而异。此外,人们对启动类型的主观评价与他们的客观行为数据是矛盾的。第二,当两个交叉模态序列同时被感知时,结果表明不同被试具有不同的感知权重,并且感知增强效应只在占主导地位的音高-仰角上观察到。此外,跨通道整合倾向于在没有启动的情况下以选择性的方式整合。这些结果有助于多感官反馈和无意识计算的设计影响。
2020-02-16 cs.HC
Beyond the Winding Path of Learning: Exploring Affective, Cognitive, and Action-Oriented Prompts for Communication Skills
本研究在自主学习情境下比较情感型、认知型和行动导向型三种GenAI生成消息风格对沟通技能学习感知的影响,通过主题分析提炼设计启示以提升参与度和学习成果。
2025-04-09 cs.HC
Exploring the Role of Theory of Mind in Human Decision Making: Cognitive, Spatial, and Emotional Influences in the Adversarial Rock-Paper-Scissors Game
University of Dayton(代顿大学);Carnegie Mellon University(卡内基梅隆大学)
本文以石头剪刀布游戏为平台,结合心理理论测试与因子分析、结构方程建模,揭示递归思维、情绪感知和空间推理等潜在因子对人类对抗性决策的影响,为人机协作系统设计提供依据。
2025-11-07 cs.HC
SIM2VR: Towards Automated Biomechanical Testing in VR
SIM2VR通过建立模拟器与VR应用之间的连续闭环,首次让模拟用户直接在真实VR应用中训练,从而预测用户在动态街机游戏中的表现、人体工学与策略差异,推动自动化生物力学测试发展。
2024-08-06 cs.HC
Exploring the Design of GenAI-Based Systems to Support Socially Shared Metacognition
King’s College London(伦敦国王学院);Technical University of Munich(慕尼黑工业大学)
本文探讨了基于生成式人工智能的群体意识工具设计,旨在支持协作工作和学习中的自主社会共享元认知。
2026-03-11 cs.HC
"The Only Thing Certain About This is Uncertainty": Exploring Informal Care Coordination Practices Among Older Adults with Mild Cognitive Impairment
Georgia Institute of Technology(佐治亚理工学院);Northeastern University(东北大学)
本研究通过访谈分析,揭示轻度认知障碍老年人非正式照护协调的复杂性,强调其作为关系性过程,并指出需设计支持自主性、适应性和协作的照护系统。
2026-09-14 cs.HC
Exploring Artificial Intelligence and Culture: Methodology for a comparative study of AI's impact on norms, trust, and problem-solving across academic and business environments
Deggendorf Institute of Technology - European Campus Rottal-Inn(德根多夫应用技术大学-罗塔尔因欧洲校区)
本文提出一个严谨的纵向研究框架,考察AI与人类认知、问题解决及文化适应在学术和商业环境中的双向关系,揭示不同情境下的信任曲线与采纳策略,为以人为本的AI策略和治理提供基础。
2025-10-13 cs.CY cs.HC
Exploring the Potential of Metacognitive Support Agents for Human-AI Co-Creation
Carnegie Mellon University(卡内基梅隆大学);Autodesk Research(Autodesk研究)
针对设计师难将生成式AI融入工作流的认知挑战,提出元认知支持智能体构想,经20名机械设计师参与的奥兹向导研究验证,该智能体可提升设计可行性,为未来AI设计工具提供参考。
2025-06-15 cs.AI cs.HC
Factually: Exploring Wearable Fact-Checking for Augmented Truth Discernment
本文提出Factually,一种集成于可穿戴设备的主动式事实核查系统,通过振动反馈实时提醒错误信息,以增强用户的批判性思维和真相辨别能力。
2025-04-24 cs.ET cs.HC
ProMemAssist: Exploring Timely Proactive Assistance Through Working Memory Modeling in Multi-Modal Wearable Devices
University of Toronto(多伦多大学);Meta Reality Labs(Meta现实实验室)
该研究提出可穿戴智能眼镜系统ProMemAssist,通过多模态传感器实时建模用户工作记忆,平衡辅助价值与中断成本,实现更及时精准的主动辅助,在用户研究中表现优于LLM基线系统。
2025-07-28 cs.AI cs.HC
Exploring The Interaction-Outcome Paradox: Seemingly Richer and More Self-Aware Interactions with LLMs May Not Yet Lead to Better Learning
Bentley University(本特利大学)
针对LLM虽能带来更丰富、更具自我意识的学习交互却未提升学习成果的“交互-结果悖论”,通过受控研究(N=20)比较LLM与搜索界面,提出认知转变概念解释该现象,为教育技术评估提供新视角。
2025-11-12 cs.HC
Shaping Opinion: Quantifying the Psychological Impact of Autonomous Multi-Agent LLM Interactions
Universidad de La Laguna(拉各纳大学);French National Centre for Scientific Research (CNRS)(法国国家科学研究中心);Toulouse Institute of Computer Science Research (IRIT)(图卢兹计算机科学研究所以);Centre for European Policy Studies(欧洲政策研究中心)
本研究提出FORMS低延迟多智能体对话架构,通过实验发现高能力系统引发认知失稳与监管觉醒,并揭示真实性悖论,证明其能重塑人类信息处理。
2026-09-30 cs.HC
Exploring AI-assisted Ideation and Prototyping for Choreography
本文提出一种基于AI的编舞支持系统,利用生成式AI模型生成多样舞蹈序列以促进快速创意构思,并通过交互式Web界面支持迭代数字舞蹈原型制作,经六位编舞者评估验证了其优势与局限。
2024-02-20 cs.HC
Exploring the Social Context of Collaborative Driving
驾驶任务的自动化影响主要驾驶任务和汽车用户界面。用户界面空间的解放和驾驶员的认知负荷允许以新的方式思考驾驶。相关研究表明,睡觉、看电视或工作等活动在未来将变得更加普遍。然而,根据马斯洛的需求层次的社会方面尚未考虑。我们提供了一个焦点小组的见解,该小组有N=5名汽车用户体验专家,揭示了当前的实践,例如旅程中的社交需求满足和通过信使分享实践,以及一项用户研究,该研究有N=12名参与者,第一个原型在各种自动化水平下支持这些需求,显示出良好的可用性和改善用户体验的高潜力。
2022-01-26 cs.HC