Cognitive Mirrors: Exploring the Diverse Functional Roles of Attention Heads in LLM Reasoning
The University of Melbourne（墨尔本大学）；The University of Sydney（悉尼大学）；Amazon（亚马逊公司）
本文提出认知镜像框架，通过CogQA数据集分析LLM中注意力头的功能专业化，揭示其在推理任务中的关键作用。
2025-12-03 cs.AI q-bio.NC
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
Words That Stick: Predicting Decision Making and Synonym Engagement Using Cognitive Biases and Computational Linguistics
State University of New York at Albany（纽约州立大学奥尔巴尼分校）；Google（谷歌公司）
本研究基于认知心理学和NLP技术，提出READ模型整合四种认知偏差，预测数字平台上的用户决策与同义词参与度，发现符合特定认知特征的同义词能显著提升用户参与度，为跨领域数字内容设计提供了新视角。
2023-07-26 cs.AI cs.CL cs.HC
Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art
Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；NVIDIA（英伟达公司）；Tallinn University（塔林大学）
本研究提出Alien Recombination方法，利用微调大型语言模型对抗人类可用性偏差，生成超越人类认知可用性的视觉艺术概念组合，证明认知不可用性是优化艺术新颖性的有效指标。
2024-11-18 cs.AI cs.CY cs.LG
Unveiling the Impact of Multi-Modal Interactions on User Engagement: A Comprehensive Evaluation in AI-driven Conversations
Zhejiang University（浙江大学）；Westlake University（西湖大学）；Westlake Xinchen Technology Co. Ltd（西湖鑫辰科技有限公司）
本研究针对纯文本聊天机器人用户参与度潜力不足的问题，通过多类聊天机器人和真实用户数据验证，发现多模态交互（含文本、图像、音频）可显著提升用户参与度，为AI聊天机器人设计提供参考。
2024-06-21 cs.AI 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
Leveraging Prompts in LLMs to Overcome Imbalances in Complex Educational Text Data
North Carolina State University（北卡罗来纳州立大学）
本文提出通过 Iterative - ICL PE Design Process 将断言融入 LLM 提示，以缓解教育开放回答中认知参与类别不平衡问题，并证明其相较传统 ML 的 F1 显著提升。
2024-04-28 cs.AI cs.CL cs.CY
More AI Assistance Reduces Cognitive Engagement: Examining the AI Assistance Dilemma in AI-Supported Note-Taking
本研究针对AI辅助笔记场景下的AI辅助困境，通过30人受试者内实验发现中级AI辅助的认知收益最高，但用户更偏好高辅助的自动化AI，为适度AI辅助的认知任务设计提供参考。
2025-09-03 cs.HC
"I'm Not Reading All of That": Understanding Software Engineers' Level of Cognitive Engagement with Agentic Coding Assistants
York University（约克大学）
研究探讨软件工程师在使用代理编码助手时的认知参与度变化，指出当前设计缺乏反思和验证机制，提出通过更丰富的交互方式和认知强制机制来提升深度思考。
2026-03-18 cs.AI cs.HC cs.SE
Eye-Tracking and Biometric Feedback in UX Research: Measuring User Engagement and Cognitive Load
本研究探讨眼动追踪和生物特征反馈在UX研究中的应用，通过测量注视行为和身体反应客观评估用户参与度与认知负荷，为传统定性方法提供补充，并分析2023-2025年的实验数据、方法论及伦理挑战，推动复杂数字环境下的UX设计。
2025-05-28 cs.HC
n-Gage: Predicting in-class Emotional, Behavioural and Cognitive Engagement in the Wild
学生参与度的研究吸引了越来越多的兴趣，以解决诸如学习成绩低，不满，辍学率高等问题。衡量学生参与度的现有方法通常依赖于基于调查的工具。这些办法虽然有效，但费时费力。同时，调查的答复率和质量通常都很差。作为一种替代方案，在本文中，我们研究了我们是否可以推断和预测在多个维度的参与，只是使用传感器。我们假设多维的学生参与可以转化为课堂上的生理反应和活动变化，也受到环境变化的影响。因此，我们的目标是探索以下问题：我们可以测量高中生的学习参与的多个维度，包括情感，行为和认知参与感测数据在野外？我们能否推导出影响学生参与度不同维度的活动、生理和环境因素？如果是，哪些传感器在区分参与的每个维度方面最有用？然后，我们在一所高中进行了为期4周的11门课程的144个班级的23名学生和6名教师的现场研究。我们提出了n-Gage，一个学生参与感测系统，使用可穿戴设备和环境中的传感器组合来自动检测学生在课堂上的多维学习参与。实验结果表明，n-Gage可以准确地预测多维学生参与在现实世界中的场景与平均MAE为0.788和RMSE为0.975使用所有的传感器。我们还展示了一组有趣的发现，不同的因素（例如，传感器组合、学校科目、CO2水平）影响学生学习参与度的每个维度。
2020-07-23 cs.HC
Integrating AI for Enhanced Feedback in Translation Revision- A Mixed-Methods Investigation of Student Engagement
The Hong Kong Polytechnic University（香港理工大学）
本研究采用混合方法，探讨翻译专业硕士生在修改过程中对ChatGPT生成反馈的参与度，揭示认知、情感和行为维度的复杂关系，为AI反馈在翻译教学中的应用提供新见解。
2024-10-11 cs.AI cs.HC
Using a Nature-based Virtual Reality Environment for Improving Mood States and Cognitive Engagement in Older Adults: A Mixed-method Feasibility Study
参与自然环境和自然的表征已被证明可以改善老年人的情绪状态并减少认知能力下降。目前的研究评估了使用虚拟现实（VR）呈现沉浸式360度的自然视频和数字设计的互动花园，为此目的。招募了50名具有不同认知和身体能力的参与者（年龄60岁以上）。通过干预前/后调查，干预期间的标准化观察，干预后半结构化访谈收集数据。结果表明，对VR的态度以及情绪和参与的某些方面都有显着改善。不同认知能力的参与者对环境的反应没有显着差异;然而，与无残疾的参与者相比，身体残疾的参与者在某些指标上表现出更强的积极反应。几乎没有负面影响（晕电脑，任务挫折）被发现。在采访中，一些参与者表示抵制技术，特别是数字花园，表示它感觉卡通或没有吸引力，它不能代替真实的自然。然而，大多数人认为，在现实世界中与自然接触并不立即可行的情况下，VR体验可能是一种有益的活动。
2022-01-09 cs.HC
Quantifying the Engagement Effectiveness of Cyber Cognitive Attacks: A Behavioral Metric for Disinformation Campaigns
本文提出一种加权交互度量框架，量化虚假信息认知攻击的参与有效性，捕捉用户参与的行为深度，为评估和对抗恶意影响提供工具。
2025-10-17 cs.CY cs.HC cs.IT
Thinking Less, Trusting More: GenAI's Impacts on Students' Cognitive Habits
Oregon State University（俄勒冈州立大学）
研究探讨生成式AI对学生在STEM课程中的认知习惯影响，发现高技术动机学生更易出现认知脱节，提示需改进课程与AI系统设计以促进认知参与。
2026-04-10 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
A Predictive Model of Digital Information Engagement: Forecasting User Engagement With English Words by Incorporating Cognitive Biases, Computational Linguistics and Natural Language Processing
State University of New York at Albany（纽约州立大学奥尔巴尼分校）；Google（谷歌公司）
本研究提出READ模型，结合认知偏差、计算语言学和自然语言处理预测数字信息参与度，通过大规模调查验证，以84%准确率区分同义词参与度，具有跨领域应用潜力。
2023-07-26 cs.CL cs.HC cs.LG
ExpresSense: Exploring a Standalone Smartphone to Sense Engagement of Users from Facial Expressions Using Acoustic Sensing
面部表情被认为是反映一个人对任务的参与的度量。虽然表情检测方法的发展是必然的，但其基础主要仍然是受遮挡、环境光和隐私问题影响的图像处理技术。在本文中，我们提出了ExpresSense，一个轻量级的应用程序，独立的智能手机，依赖于近超声波声学信号检测用户的面部表情。ExpresSense已经在实验室规模和大规模研究中对不同用户进行了测试，包括姿势和自然表情。通过在各种基本表达上实现~75%的分类准确度，我们讨论了独立智能手机通过声学传感来感知表达的潜力。
2023-01-17 cs.HC
Machine Learning for Motor Learning: EEG-based Continuous Assessment of Cognitive Engagement for Adaptive Rehabilitation Robots
Rutgers University（罗格斯大学）
虽然认知参与（CE）对于运动学习至关重要，但它在康复机器人中仍然没有得到充分利用，部分原因是其评估目前依赖于间歇性的主观和粗略测量。在这里，我们提出了一个端到端的计算框架，实时评估CE，使用脑电图（EEG）信号作为客观的测量。该框架包括：i）一个深度卷积神经网络（CNN），它提取任务区分时空EEG来预测两个类别的CE水平-认知参与与脱离; ii）一种新的滑动窗口方法，它实时预测CE的连续水平。我们使用内部Go/No-Go实验对8名受试者评估了我们的框架，该实验调整了游戏参数以诱导认知疲劳。提出的CNN的平均留一法准确率为88.13%. CE预测与基于每5分钟进行一次的自我报告的常用行为指标相关性良好（$ρ$ =0.93）。我们的研究结果客观CE的实时和铺平了道路，使用CE作为康复参数定制机器人治疗每个病人的需求和技能。
2020-02-19 cs.HC cs.NE cs.RO
From Passive Consumption to Active Interaction: Exploring Interactive LLM Scaffolding to Support Learning Engagement
The Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）；University of British Columbia（不列颠哥伦比亚大学）
本文探讨在LLM生成的支架中嵌入轻量级交互组件，以促进学习参与并提高短期学习效果。
2026-03-07 cs.HC
Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents
Tufts University（塔夫茨大学）
本研究用扩展7点ICAP框架测量协作对话认知投入度，对比人类标注、ICL及反思型LLM智能体，发现人类标注信度更高，智能体方法具潜力，需强化人类标注与LLM方法的交互。
2026-08-03 cs.CL cs.CY cs.HC
"Here Comes the Makeup Tutorial You Asked For!": Exploring Communication Strategies and Viewer Engagement in Beauty Videos on Rednote
本研究通过编码小红书352个美妆视频，提出创作者沟通策略分类法，计算分类六类评论，并经回归分析揭示沟通策略对观众参与度的影响，为美妆知识传播提供见解。
2025-08-14 cs.HC
Cognitive Engagement for STEM+C Education: Investigating Serious Game Impact on Graph Structure Learning with fNIRS
本研究通过fNIRS对比游戏化与视频化两种图结构学习方式，发现游戏化学习的氧合血红蛋白水平、外侧前额叶皮层活动及知识增益更高，为教育游戏设计与认知参与研究提供参考。
2024-03-07 cs.HC
Exploring the Impact of Non-Verbal Virtual Agent Behavior on User Engagement in Argumentative Dialogues
本研究通过56人参与的实验室实验，探讨了非言语智能体行为（特别是伴随言语手势）对论证性对话中用户参与度的影响，发现该手势能显著提升用户参与度、兴趣及系统整体感知，为未来合作性论证虚拟智能体的设计提供了重要见解。
2024-11-17 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
Multi-Modal Multi-Agent Robotic Cognitive Alignment enabled by Non-Invasive Consumer Brain Computer Interfaces: A Proof of Concept Exploration
GOOGLE（谷歌）；Paradigms of Intelligence（智能范式）；Cambridge, MA, United States（马萨诸塞州剑桥市，美国）；Mountain View, CA, United States（加利福尼亚州山景城，美国）
提出一种框架，利用消费级脑机接口监测脑电信号，在高认知负荷时延迟智能体通信，实现认知对齐的多智能体交互，初步验证了实时信号处理、大语言模型与机器人结合的可行性。
2026-06-12 cs.HC cs.RO
Exploring Mixed Reality for Engagement in Robotics: A Comparison of Robot Control Methods
UTS Robotics Institute, University of Technology Sydney（悉尼科技大学机器人研究所）
本文提出结合TurtleBot与虚拟照料动物活动的MR机器人体验，对比三种控制方法的效果，发现操纵杆受多数人偏好，信心提升显著，为MR机器人入门设计提供参考。
2026-10-16 cs.HC
Simon Says: Exploring the Importance of Notification Design Formats on User Engagement
本文通过应用原型记录用户对通知的接受、关闭或忽略行为并结合调查，发现通知颜色会显著影响接受率与感知重要性。
2024-11-30 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
Human-in-the-Loop Annotation for Image-Based Engagement Estimation: Assessing the Impact of Model Reliability on Annotation Accuracy
RPTU Kaiserslautern-Landau（科隆-拉森-兰道大学）；Osaka Metropolitan University（大阪市立大学）
本文将高性能图像情绪模型集成至 HITL 标注框架，通过 29 人参与的三种场景实验，揭示模型可靠性与认知框架对信任、认知负荷及标注一致性的影响。
2025-06-09 cs.AI cs.CV cs.HC
Robots in the Danger Zone: Exploring Public Perception through Engagement
Heriot-Watt University（赫瑞-瓦特大学）；University of Edinburgh（爱丁堡大学）；University of Liverpool（利物浦大学）；Imperial College（帝国理工学院）；NTB University of Applied Sciences in Technology（NTB应用科学技术大学）
公众对机器人技术和人工智能（RAI）的看法在接受、吸收、政府监管和研究资助这项技术方面非常重要。最近的研究表明，公众对RAI的理解可能是负面的或不准确的。我们相信，有效的公众参与有助于确保公众舆论更好地了解情况。在本文中，我们描述了我们的第一次迭代的高吞吐量的人的公众参与活动。我们描述了一个轻触问答式调查工具的使用，将野外研究参与整合到参与中，使我们能够探索我们的参与策略的有效性，以及公众对机器人和人类在危险环境中工作的未来角色的看法，例如在海上能源部门。我们批评我们的方法，并分享有趣的结果，以反映公众对危险环境中机器人和人工智能未来的看法。这些发现包括，老年人对机器人在危险环境中的未来的看法并没有受到我们展览的影响，而年轻人的看法受到我们展览的影响，这使我们在未来仔细考虑如何更有效地与老年人互动并为他们提供信息。
2020-04-01 cs.AI cs.CY cs.HC
How College Students Use AI to Navigate Course Readings: Evidence from an Eight-Week Study
University of Washington（华盛顿大学）；University of Copenhagen（哥本哈根大学）；Aalborg University（奥胡斯大学）
本研究探讨了AI支持下学生自主阅读的认知过程，发现学生在阅读中表现出从理解到推理的认知发展，但受效率驱动，倾向于使用AI生成摘要来筛选阅读内容。
2026-07-28 cs.AI cs.CY cs.HC
EEG-Based Analysis of Brain Responses in Multi-Modal Human-Robot Interaction: Modulating Engagement
针对传统机器人康复系统难维持用户参与度的问题，本文提出整合多任务的新型多模态机器人交互方案，通过对比试验发现其能显著提升用户参与度并维持稳定性，首次以客观神经响应证实该综合干预对健康受试者的益处。
2024-11-27 cs.HC eess.SP q-bio.NC
Community Animation: Exploring a design space that leverages geosocial networking to increase community engagement
本文探讨了一个智能手机的设计研究，使会议应用程序，旨在激发社区创新的参与。共同工作空间、孵化器和创客空间等社区中心吸引了具有不同兴趣的社区成员。本文将这些空间作为一个应用程序的设计机会，帮助在智能和互联的社区中举办以社区为中心的聚会。我们的设计研究探讨了三种使用场景，灵感来自以前的文献，用于组织会议，并通过调查潜在用户进行比较。根据我们的调查结果，我们提出了几个设计的影响，并实现它们在社区动画地理社交网络应用程序，它确定附近的个人愿意聊天或执行以社区为中心的活动。我们提出了我们的调查和我们的原型的结果，讨论我们的设计目标，并提供设计的意义，公民意识，地理社交网络应用程序。我们在这项工作中的贡献是开发过程，提出了一个移动应用程序的设计，以支持以社区为中心的会议，以及对未来工作的见解。
2019-02-07 cs.CY cs.HC
Exploring 3D Glyph Physicalizations for Public Engagement through River Health
King’s College London（伦敦国王学院）；University of Oxford（牛津大学）
本文提出一个3D字形实体化工具包，以伦敦河流健康数据为案例，通过回收材料制作实体化作品，促进公众参与、认知反思和环境意识提升。
2026-10-15 cs.HC
Linking Facial Recognition of Emotions and Socially Shared Regulation in Medical Simulation
该研究利用跨模态分析比较医学模拟中新手与专家的面部情绪和SSRL互动，揭示二者调节策略差异，并为面向新手的定制化支持提供依据。
2025-10-18 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
Needs, Passions and Loot Boxes -- Exploring Reasons for Problem Behaviour in Relation to Loot Box Engagement
本文基于自我决定理论和激情的二元模型，从心理需求满足与受挫的角度解释强迫性激情的形成，进而阐明战利品箱参与与问题赌博、问题游戏之间关联的潜在机制。
2023-07-10 cs.HC
The Cognitive Trajectory Laboratory: Modeling the Creative Process Through Time in Art Therapy
Enactive AI Consulting
提出基于能动动力学的框架，通过分析创作互动的时间动态来量化和理解艺术治疗中的认知变化，并引入认知轨迹实验室（CTL）作为测量工具。
2026-06-23 cs.HC
Unpacking the Layers: Exploring Self-Disclosure Norms, Engagement Dynamics, and Privacy Implications
本文刻画Reddit用户11种自我披露行为，发现半数用户在至少10%的帖子中披露信息且半数帖子含多种披露类型，不同披露类型参与度各异，特定子版块互动促进未来披露，隐私风险波及亲友，并开发了披露标记插件。
2025-02-15 cs.HC cs.SI
Hint-Writing with Deferred AI Assistance: Fostering Critical Engagement in Data Science Education
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Michigan（密歇根大学）；Learning Data Insights（学习数据洞察）；KAIST（韩国科学技术院）
本研究探讨了三种个性化、可扩展且反思性的提示写作活动设计，发现延迟AI辅助能产生最高质量的提示，帮助学生识别更多错误，提升调试和批判性思考能力。
2026-04-21 cs.HC
Exploring the impact of virtual reality user engagement on tourist behavioral response integrated an environment concern of touristic travel perspective: A new hybrid machine learning approach
本研究基于HCI和叙事传输理论，提出FRPSA混合机器学习方法，探究了COVID-19期间VR用户参与对游客意象和实地旅游意向的影响，发现环境关注的调节作用及意象的中介作用。
2024-10-16 cs.HC cs.LG
Exploring Learners' Expectations and Engagement When Collaborating with Constructively Controversial Peer Agents
University of British Columbia（不列颠哥伦比亚大学）；NAVER AI Lab（NAVER AI实验室）
本研究探讨基于LLM的同伴代理在建设性争议环境下的学习者互动，发现学习者价值观影响代理行为选择，并揭示设计透明度对学习者感知的影响。
2026-01-20 cs.HC
Supporting Students' Reading and Cognition with AI
University of Washington（华盛顿大学）；Information School（信息学院）
本研究通过分析124次学生与AI工具的会话，发现用户随时间趋于被动阅读，并提出结构化支架和主动提示等设计建议，以促进高阶思维。
2025-04-07 cs.AI cs.CY cs.HC
Exploring Gender and Racial/Ethnic Bias Against Video Game Streamers: Comparing Perceived Gameplay Skill and Viewer Engagement
本文通过被试间调查实验，让200名参与者对同一段游戏录像评分，仅改变主播姓名，发现观众对游戏技能和参与度的评价未因主播性别或种族/族裔产生统计显著差异。
2024-07-08 cs.HC
Informal Learning Emerges in Everyday Human-LLM Interaction
Microsoft Research Asia（微软亚洲研究院）；Johns Hopkins University（约翰斯·霍普金斯大学）；The Hong Kong University of Science and Technology（香港科技大学）
研究日常人类与大语言模型交互中的非正式学习，通过分析大规模对话，将学习科学结构转化为行为特征，发现认知与建设性参与情况及相关因素，表明交互含非正式学习特征，转变了AI评估方向。
2026-07-27 cs.CY cs.HC
Towards Recommender Systems LLMs Playground (RecSysLLMsP): Exploring Polarization and Engagement in Simulated Social Networks
Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研究与发展研究所）；University of Belgrade（贝尔格莱德大学）；Polytechnic University of Bari（巴里理工大学）；University of Kragujevac（克拉古耶瓦茨大学）
本文提出基于LLM的模拟框架RecSysLLMsP，通过构建多样化AI智能体在三种场景下评估推荐系统对用户参与度和极化的影响，发现相似性场景提升参与度但易致回音室，强调需平衡设计以缓解社会极化。
2025-01-29 cs.AI cs.CY 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
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
A Comparative Study on the Impact of Traditional Learning and Interactive Learning on Students' Academic Performance and Emotional Well-Being
Taylor’s University, School of Computer Science, Subang Jaya, Malaysia（塔里尔大学计算机科学学院，Subang Jaya, 马来西亚）
本研究比较传统与互动学习对大学计算机入侵检测课程学生学业成绩、参与度和情感幸福感的影响，发现互动学习在学业表现和情感状态上显著优于传统学习。
2026-03-10 cs.AI cs.HC
Exploring Mental Health Communications among Instagram Coaches
使用在线社交网络（OSN）来支持遇到心理健康问题的人已经有了显着的扩展。本文研究了专门指导有心理健康问题的人的Instagram影响者的作用。使用97k帖子的数据集，我们描述了这些用户的语言和行为特征。我们将探讨这些观察结果如何影响受众参与度（通过喜欢来衡量）。我们发现，这些帐户提供的支持根据他们自我宣称的专业身份而有所不同。例如，宣称自己为作者的Instagram帐户提供的支持比将自己标记为教练的帐户少。我们发现，在一般通信中增加信息支持对用户参与度有积极影响。然而，词汇对参与度的影响在Instagram帐户类型中并不一致。我们的研究结果揭示了这个未充分研究的主题，并指导心理健康从业者如何改善外展。
2022-11-11 cs.HC cs.SI
You Can't Spot a Deepfake?And Neither Can Your Brain Nor Eyes: A Neurophysiological Framework for Deepfake Exploitation of Cognitive Engagement and Implicit Visual Evaluation
Yozgat Bozok University（约加特博佐克大学）；Texas A&M University（德克萨斯农工大学）
针对深度伪造难以被人类识破的问题，提出DECEIVE框架，通过EEG和眼动实验发现神经生理层面无显著差异，但行为上26.68%的伪造被接受，为防御评估提供基准。
2026-09-29 cs.CR cs.HC
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
