Crowdsourcing for Reminiscence Chatbot Design
University of Trento（特伦托大学）；Tomsk Polytechnic University（托木斯克理工大学）；Politecnico di Milano（米兰理工大学）
在这篇正在进行的论文中，我们讨论了在确定有效的和可扩展的基于人群的策略，以设计针对老年人的回忆聊天机器人的内容，对话逻辑和有意义的指标方面所面临的挑战。我们正式的问题，并概述了主要的研究问题，推动研究议程的聊天机器人设计的回忆和一般的老年人的关系代理。
2018-05-31 cs.AI cs.HC
"If I were in Space": Understanding and Adapting to Social Isolation through Designing Collaborative Narratives
本文通过社交VR中的协作太空叙事设计，让隔离者以角色扮演方式表达适应策略，发现游戏化叙事比方案导向方法更能揭示人们应对社交隔离的方式。
2025-07-20 cs.HC
"From remembering to shaping": Narrating Shared Experiences by Co-Designing Cultural Heritage Artifacts in Collaborative VR
City University of Hong Kong（香港城市大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Singapore Management University（新加坡管理大学）
本文通过协作VR共同设计3D物品和环境，探索如何共享集体记忆，利用生成AI实现非物质记忆的具象化，揭示参与者在协作过程中如何整合提示和模型放置，以及如何通过空间操作表达个人经验和文化遗产体验。
2026-04-16 cs.HC
Competition and Collaboration in Crowdsourcing Communities: What happens when peers evaluate each other?
研究众包社区中同伴互评时竞争与协作动机的张力，发现高技能者会转向破坏直接竞争对手但对无威胁者宽容，且评价行为通过影响未来参与形成反馈循环，对众包设计与社区可持续性具重要意义。
2024-04-22 cs.GT cs.HC econ.GN
IRVO: an Interaction Model for designing Collaborative Mixed Reality systems
本文提出了一种适用于混合现实环境的交互模型IRVO（Interacting with Real and Virtual Objects）。IRVO旨在通过明确表示所涉及的对象和工具及其关系来建模一个或多个用户与混合现实系统之间的交互。IRVO涵盖了生存周期的设计阶段，并对系统的预期用途进行了建模。在第一部分中，我们提出了一个简短的回顾相关的人机交互模型。第二部分是专门的IRVO模型，它的符号和一些例子。在第三部分中，我们介绍了如何IRVO用于设计应用程序，特别是我们展示了如何将此模型集成到我们实验室目前设计的基于模型的方法（CoCSys）中。
2007-07-10 cs.HC
MR.Brick: Designing A Remote Mixed-reality Educational Game System for Promoting Children's Social & Collaborative Skills
儿童是受COVID-19相关社交距离影响最大的群体之一，缺乏与同龄人的接触会限制他们发展社交和协作技能的机会。然而，远程社交和协作作为一种替代方法，对儿童来说仍然是一个巨大的挑战。本文介绍了MR砖，混合现实（MR）教育游戏系统，帮助儿童适应远程协作。本研究以24名6 ~ 10岁儿童为研究对象，通过测量他们的社交和协作技能，分析他们的多模式游戏行为，比较MR.Brick和传统电子游戏。结果表明，《砖块先生》比传统电子游戏更有利于儿童的远程协作体验。鉴于缺乏为儿童设计的远程协作培训系统，本研究可能会启发相关领域的交互设计和教育研究。
2023-01-27 cs.HC
Towards a More Inclusive Metaverse via Designing Tools That Support Collaborative Virtual World Building by Users With and Without Disabilities
本文为立场论文，针对支持用户自创世界的社交VR场景，探讨了残障与非残障用户协作构建虚拟世界的相关研究要素及未来方向，旨在助力打造更具包容性的元宇宙。
2023-05-07 cs.HC
Designing AI Peers for Collaborative Mathematical Problem Solving with Middle School Students: A Participatory Design Study
William & Mary（威廉与玛丽学院）；George Mason University（乔治梅森大学）
本文通过参与式设计研究，探讨如何设计AI同伴以支持中学生协作数学问题解决，发现学生期望AI具备数学能力但保持谦逊，并通过逐步支架促进学习。
2026-01-28 cs.HC
Co-designing for the Triad: Design Considerations for Collaborative Decision-Making Technologies in Pediatric Chronic Care
University of Washington（华盛顿大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Seattle Children’s Hospital（西雅图儿童医院）
本文通过与6名慢性肾病儿童、6名监护人和7名医护人员的共设计工作坊，探讨如何利用数字技术支持儿童慢性病护理中的协作决策，识别了不同情境意识层级的障碍，并提出设计建议以促进共享理解。
2026-03-26 cs.HC
CRWIZ: A Framework for Crowdsourcing Real-Time Wizard-of-Oz Dialogues
Heriot-Watt University（赫瑞-瓦特大学）
基于任务和开放领域的会话对话的大型语料库在数据驱动的对话系统领域中具有巨大的价值。众包平台，如Amazon Mechanical Turk，是收集如此大量数据的有效方法。然而，当基于任务的对话需要专业领域知识或快速获取与领域相关的信息，如旅游数据库时，就会出现困难。随着对话系统越来越雄心勃勃，扩展到需要合作和前瞻性规划的高度复杂的任务，例如在我们的应急领域，这种情况将变得更加普遍。在本文中，我们提出了CRWIZ：一个框架，收集实时的【形】绿野仙踪对话，通过众包协作，复杂的任务。该框架使用半引导式对话来避免违反只有专家才知道的程序和流程的交互，同时能够捕获各种各样的交互。该框架可在https://github.com/JChiyah/crwiz上获得
2020-03-12 cs.CL cs.HC
Co-Designing Collaborative Generative AI Tools for Freelancers
Northeastern University（东北大学）；IBM Research（IBM研究院）；UNAM（墨西哥国立自治大学）
本文提出为自由职业者设计协作生成式AI工具，通过共同设计会议探讨如何支持其协作，强调保护创造力和身份的重要性。
2026-02-05 cs.HC
Designing for Collaborative Sensemaking: Using Expert & Non-Expert Crowd
犯罪解决是一个领域，解决方案的发现往往是偶然的。像Reddit这样通过群体解决犯罪的非结构化机制迄今为止都失败了。成功解决犯罪所需的机制、协作、工作流程和微观任务也可能因不同的犯罪而异。从认知上讲，虽然专家可能有更深的领域知识，但他们也可能成为偏见分析的牺牲品。非专家虽然缺乏正规培训，但可能会提出需要指导的非传统观点。分析过程本身就是一个反复的搜寻和意义建构过程。用户将探索扩大解决方案空间，并不断缩小到一个解决方案，直到确定全局最大值，而不是局部最大值。在这项提案中，我的研究旨在设计系统，以实现复杂的意义建构任务，这些任务需要远程非专家人群与专家人群之间的合作，以弥补他们的认知挑战和缺乏培训。这需要更好地理解成功合作所需的结构、工作流程和微任务。该提案建立在以前在实验室实验中远程合作伙伴之间的协作意义构建工作的基础上，并努力将其扩展到具有不同专业知识水平的多个团队成员。
2015-11-24 cs.HC
TeleAware Robot: Designing Awareness-augmented Telepresence Robot for Remote Collaborative Locomotion
针对远程共同参观中环境与伙伴感知不足的问题，本文构建协同移动感知框架并实现 TeleAware robot，实验证明其可降低负荷、增进社交亲近感、相互感知与社会临场感。
2024-04-06 cs.HC
NewsPad: Designing for Collaborative Storytelling in Neighborhoods
本文介绍了邻里协作讲故事的设计探索。我们专注于博客和公民新闻，这已被誉为一种手段，以满足当地小社区的报告需求。这些博客作者的能力有限，社交媒体的内容很少有新闻故事的背景或可读性。我们介绍了NewsPad，一个内容编辑器，可以帮助社区创建结构化的故事，实时的协作，招募贡献者，并联合编辑过程。我们在四个试点部署中评估了NewsPad，发现该设计有助于协作故事的创建。
2015-07-05 cs.CY cs.HC
OSINT Clinic: Co-designing AI-Augmented Collaborative OSINT Investigations for Vulnerability Assessment
本文提出 AI 增强的协作式 OSINT 诊所模式，通过与学生协同设计生成式 AI 与协作平台整合方案，支持小企业公开情报漏洞评估，并通过试点验证收益与局限。
2024-12-13 cs.HC
From Zero to The Hero: A Collaborative Market Aware Recommendation System for Crowd Workers
Stevens Institute of Technology（史蒂文斯理工学院）
软件众包的成功依赖于活跃和值得信赖的工人供应池。人群工作者行为的不确定性使得预测工作者的成功并相应地计划具有挑战性。在竞争激烈的众包市场中，对共享任务的成功竞争给众包工作者的决策过程增加了另一层不确定性。对软件工作者行为的初步分析显示，82.9%的任务丢失率令人震惊。这些因素导致需要一个自动化的推荐系统，以提高CSD工作人员在竞争中成功的可见性和可预测性。为此，本文提出了一个协同推荐系统的人群工作者。建议的推荐系统方法使用五个输入指标的基础上工人的合作历史，工人的喜好，在采取任务的奖金和持续时间，工人的专业，和工人的熟练程度。然后，所提出的方法建议最合适的任务，工人竞争的基础上，工人的成功概率的任务。对260名活跃人群工作者的实验结果表明，仅遵循任务推荐的前三个成功概率，工作者的成功率可达86%
2021-07-06 cs.HC cs.LG cs.SE
Collective Mind: cleaning up the research and experimentation mess in computer engineering using crowdsourcing, big data and machine learning
由于大量可用的设计和优化选择、所有软件和硬件组件之间的复杂交互以及对性能、功耗、尺寸、可靠性和成本的多个严格要求，HPC系统的软件和硬件协同设计和优化已经变得不可容忍地复杂、特别、耗时且容易出错。我们提出了我们的新的长期的整体和实用的解决方案，这个问题的基础上可定制的，基于插件的，无模式的，异构的，开源的集体思想存储库和基础设施，统一的Web界面和在线建议系统。该协作框架在许多参与者之间分配计算机系统的分析和多目标离线和在线自动调整，同时利用任何可用的智能电话、平板电脑、膝上型电脑、集群或数据中心，并连续观察、分类和建模它们的现实行为。使用共享数据挖掘和预测建模插件分析任何意外行为，或在cTuning.org上向社区公开，以进行协作解释，自上而下的复杂性降低，增量问题分解和相关程序，架构或运行时属性（功能）的检测。逐步增加优化知识有助于不断提高任何编译器的优化性能，预测新程序的优化，或根据最终用户的要求提出有效的运行时（在线）调优和自适应策略。我们决定在一个公共存储库中分享我们过去所有的研究成果，包括数百个代码片、数值应用程序、数据集、模型、通用实验分析和自动调优管道、基于自调优机器学习的Meta编译器，以及统一的统计分析和机器学习插件，以启动系统的、可复制的和协作的研究，开发和实验一个新的出版模式，实验和技术验证，排名和改进的社区。
2013-08-11 cs.HC cs.SE stat.ML
Crowdsourcing: A Framework for Usability Evaluation
本研究针对传统软件可用性评估成本高、耗时长的问题，通过系统映射研究、多组对比实验及案例研究，构建并验证了众包可用性检查框架，证明新手在启发式规则指导下可达到专家评估水平，为预算有限的软件公司提供了可行的可用性评估方案。
2024-08-13 cs.HC cs.SE
Designing a Web Application for Simple and Collaborative Video Annotation That Meets Teaching Routines and Educational Requirements
视频注释和分析是视听媒体产品教学的重要活动，因为它可以帮助学生学习如何识别媒体产品中的文本和形式联系。但是学校教师缺乏足够的工具来进行媒体教育中的视频注释和分析，这些工具易于使用，可以集成到既定的教学组织中，并支持快速的协作工作。为了应对这些挑战，我们遵循了基于设计的研究方法，并与教师进行了定性访谈，以开发TRAVIS GO，一个简单和协作的视频注释的网络应用程序。TRAVIS GO允许在既定的教学设置中快速轻松地使用。Web应用程序在可适应的工作空间中提供基本的分析功能。主要的教学功能包括标记和评论帖子，共享和导出项目，以及实时协作。教师可以根据年级、学习主题和班级规模创建作业。我们的工作为CSCW社区提供了关于如何将用户需求应用到开发教育工具中的进一步见解。
2021-05-09 cs.CY cs.HC
AIdeation: Designing a Human-AI Collaborative Ideation System for Concept Designers
本文针对概念设计师早期构思需求，基于形成性研究构建人机协作系统 AIdeation，并通过用户研究和工作室实地部署验证其在创造力、效率与满意度上的提升。
2025-02-20 cs.HC
A Technical Survey on Statistical Modelling and Design Methods for Crowdsourcing Quality Control
在线众包提供了一种可扩展且廉价的手段来收集关于各种类型的数据项（例如，文本、音频、视频）的知识（例如，标签）。然而，还已知的是，其导致记录的响应的质量的大的变化，这通常不能直接用于训练机器学习系统。为了解决这个问题，已经进行了大量的工作来控制响应质量，使得低质量的响应不会不利地影响机器学习系统的性能。这种工作被称为众包的质量控制。以往的质量控制研究可分为质量控制机制设计和统计模型两大分支。第一个分支侧重于为支付、游戏化、问题分配和影响工人行为的其他机制设计措施、阈值、界面和工作流程。第二个分支侧重于开发统计模型，以执行有效的响应汇总，从而推断出正确的响应。这两个分支作为统计模型连接在一起：（i）提供参数估计以支持测量和阈值计算，以及（ii）编码用于推导机制的（理论）性能保证的建模假设。每个分支都有调查，但缺乏关于另一个分支的技术细节。我们的调查是第一个将这两个分支联系起来的调查，它提供了关于它们如何在框架下协同工作的技术细节，这些框架系统地统一了由它们两个建模的众包方面，以确定响应质量。我们也是第一个提供基于建议框架的质量控制论文分类。最后，指出了目前质量控制研究的局限性和未来的发展方向。
2018-12-05 cs.HC stat.ML
Designing a Boundary Negotiating Artifact for Collaborative Socio-Technical Sense-Making in AI Regulatory Sandboxes
Luxembourg Institute of Science and Technology (LIST)（卢森堡科学技术研究院（LIST））；University of Luxembourg（卢森堡大学）
本文针对AI监管沙盒中社会技术意义建构的空白，设计了一种边界协商工件，通过研究型设计迭代开发协作工具，作为技术支柱促进利益相关者协作评估，并报告设计见解。
2026-09-30 cs.AI cs.HC
Designing Virtual Environments for Social Engagement in Older Adults
虚拟现实（VR）越来越多地被用作社交互动的平台，包括作为老年人保持参与的手段。然而，研究与老年人体验最相关的社交VR功能的研究有限。目前的研究旨在定性分析老年人在协作VR环境中的行为，并评估影响其参与结果的设计方面。我们将来自三个不同地理位置的36名60岁以上的参与者配对，并要求他们在协作VR模块中进行交互。基于视频的观察方法和专题分析被用来研究由此产生的相互作用。结果表明，VR中感知的空间存在与社会参与之间存在着密切的联系，同时也强调了个体个性和兼容性的重要性。这项研究为设计指南提供了新的见解，可以改善老年人的社交VR项目。
2022-10-06 cs.HC
Designing The Internet of Agents: A Framework for Trustworthy, Transparent, and Collaborative Human-Agent Interaction (HAX)
Outshift by Cisco（思科Outshift）；University of Technology of Compiegne（贡比涅技术大学）
HAX框架通过整合行为启发式、模式驱动SDK和行为代理概念，为信任、透明和协作的人机交互提供端到端解决方案。
2025-12-12 cs.AI cs.HC
VIVID: Human-AI Collaborative Authoring of Vicarious Dialogues from Lecture Videos
本文提出VIVID系统，支持教师与LLM协作将讲座视频讲稿创作、评估并修改为高质量替代式教学对话，实验表明其能提升对话选择与修订效率。
2024-04-10 cs.HC
CoSINT: Designing a Collaborative Capture the Flag Competition to Investigate Misinformation
本文设计了协作式夺旗竞赛（CoCTFs）及平台 CoSINT，通过融合竞争与协作优势，支持众包群体与专业调查人员合作快速识别和辟谣社交媒体虚假信息，并探讨了两者间的矛盾与设计启示。
2023-05-21 cs.CY cs.HC
Effects of Sensemaking Translucence on Distributed Collaborative Analysis
协作意义建构要求分析师相互分享他们的信息和见解，但这种分享过程有可能过早地将调查集中在特定的嫌疑人身上。为了解决这种紧张局势，我们提出并测试了一个合作犯罪分析的接口，旨在使分析师更了解他们的意义构建过程。我们比较了我们的意义建构的连贯性接口的标准接口，没有特殊的意义建构功能，在一个受控的实验室研究。我们发现，意义理解的连贯性界面显着提高线索发现和解决犯罪的性能，但分析师评级接口低于标准接口的主观措施。我们的结论是，设计分布式意义构建需要平衡任务性能与用户体验和实时信息共享与数据准确性。
2016-03-16 cs.HC
CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities
Stanford University（斯坦福大学）；Cornell University（康奈尔大学）
大语言模型（LM）为交互设计提供了前所未有的语言生成能力和令人兴奋的机会。然而，其高度依赖于背景的能力难以把握，往往被主观地解释。在本文中，我们认为，通过策划和分析大型交互数据集，人机交互社区可以促进更深刻的检查LM的生成能力。举例说明这种方法，我们提出了CoAuthor，旨在揭示GPT-3的能力，在协助创造性和论证性写作的数据集。CoAuthor在1445次写作会话中捕捉了63位作者和四个GPT-3实例之间的丰富互动。我们证明了CoAuthor可以解决有关GPT-3的语言，思维和协作能力的问题，并揭示了其作为良好协作的各种定义下的写作“协作者”的贡献。最后，我们将讨论如何这项工作可能会促进更原则性的讨论，围绕LM的承诺和陷阱的交互设计。数据集和用于重放书写会话的界面可在https://coauthor.stanford.edu公开获得。
2022-01-25 cs.CL cs.HC
Co-Designing Dynamic Mixed Reality Drill Positioning Widgets: A Collaborative Approach with Dentists in a Realistic Setup
本研究联合牙医与MR专家协同设计4款MR牙钻定位组件，经35名牙医在仿真环境中测试，发现动态组件精度更高但更耗时间与精力，可拓展至多领域高精度场景。
2024-09-16 cs.HC
Designing and Evaluating Next-Generation Learning Interfaces: Linking AI, HCI, and the Learning Sciences
Texas A&M University（德克萨斯农工大学）；Virginia Tech（弗吉尼亚理工大学）；North Carolina State University（北卡罗来纳州立大学）；Utah State University（犹他州立大学）；University of Auckland（奥克兰大学）；University of Oxford（牛津大学）；Carnegie Mellon University（卡内基梅隆大学）
本文探讨了通过跨学科对话设计技术稳健、以人为本的学习界面，以支持更有效的学习。
2026-04-28 cs.HC
Understanding Task Design Trade-offs in Crowdsourced Paraphrase Collection
University of Michigan（密歇根大学）
语言多样的数据集对于训练和评估强大的机器学习系统至关重要，但数据汇集是一个昂贵的过程，通常需要专家。众包释义生成过程是扩展自然语言数据集的有效手段，但对设计任务时出现的权衡分析有限。本文首次系统研究了众包释义收集的关键因素。我们考虑指令，激励措施，数据域和工作流程的变化。我们手动分析释义的正确性、语法性和语言多样性。我们的观察结果提供了新的洞察力的准确性和多样性之间的权衡，在人群的反应，作为任务设计的结果，为未来的释义生成程序提供指导。
2017-10-19 cs.CL cs.HC
Mitigating Ageism through Virtual Reality: Intergenerational Collaborative Escape Room Design
本研究针对VR代际协作中年龄歧视缓解研究的空白，通过28名参与者与模拟老年玩家协作VR密室逃脱的实验，证实该体验可显著降低年轻人的年龄歧视，并提出新型代际协作游戏机制，为相关沉浸式VR设计提供参考。
2024-03-06 cs.HC
An Experimental Study of Satisfaction Response: Evaluation of Online Collaborative Learning
本研究将thinkLets引入在线协作学习，通过113名北京高校学生的实验验证了产出转移理论，并发现使用thinkLets能显著提高学习者满意度。
2023-12-29 cs.HC
A Constructed Response: Designing and Choreographing Robot Arm Movements in Collaborative Dance Improvisation
Studio for Narrative Spaces, City University of Hong Kong（叙事空间工作室，香港城市大学）；D Design, Cranbrook Academy of Art（4D设计，克兰布鲁克艺术学院）；Information Science, Cornell Tech（信息科学，康奈尔科技）
研究舞者在即兴创作中与机械臂的互动，发现一对一场景下动作更流畅且连接感更强，三对一场景则将机器人视为背景并增加空间感知，为非拟人化智能体艺术协作提供设计见解。
2025-05-29 cs.HC cs.RO
Baba is Y'all 2.0: Design and Investigation of a Collaborative Mixed-Initiative System
本文介绍了一个新版本的混合主动协作水平设计系统：巴巴是Y'all，以及用户对该系统的研究结果。Baba is Y'all是与其他人合作的AI辅助游戏设计原型。更新后的版本包括一个更友好的用户界面，一个更好的水平进化和推荐系统，并扩展了网站功能。该系统通过用户研究进行了评估，参与者被要求从网站上播放先前提交的关卡，然后使用编辑器创建自己的关卡。他们报告了他们创建关卡的个人过程以及他们与网站交互的整体体验。结果显示了这种混合主动系统的好处和局限性，以及它如何帮助创造一个多样性的“巴巴是你”的水平，既有人类和人工智能设计，同时保持其质量。
2022-10-10 cs.HC
Designing Safe and Engaging AI Experiences for Children: Towards the Definition of Best Practices in UI/UX Design
该研讨会提案聚焦面向儿童的AI应用UI/UX设计最佳实践，强调安全性、参与度与伦理，旨在通过协作探讨设计策略与评估方法，推动CHI社区内负责任且以儿童为中心的AI设计实践。
2024-04-22 cs.HC
Don't Leave Me Out: Designing for Device Inclusivity in Mixed Reality Collaboration
本文针对混合现实跨设备协作中非沉浸式用户易被边缘化的问题，倡导以设备包容性为优先的设计思路，补偿常见非沉浸式设备的参与劣势。
2024-09-09 cs.HC
Bridging Learnersourcing and AI: Exploring the Dynamics of Student-AI Collaborative Feedback Generation
本研究通过72名硕士生的随机对照实验，对比独立撰写与修改GPT-4生成的提示两种模式，探索AI辅助学习者众包反馈的效果与价值，为相关学习活动设计提供参考。
2023-11-20 cs.HC
A Design Trajectory Map of Human-AI Collaborative Reinforcement Learning Systems: Survey and Taxonomy
本文针对人机协同强化学习领域缺乏系统性研究的问题，梳理近十年相关算法与框架，构建设计轨迹图作为建模与设计工具，总结共性挑战，为高效自然的人机协同方法设计提供系统化支撑。
2024-05-16 cs.HC
Considering Time in Designing Large-Scale Systems for Scientific Computing
几十年来，高性能计算（HPC）一直推动着协作科学发现。目前处于设计阶段的Exascale计算平台将在2022年左右部署。下一代超级计算机预计将利用完全不同的计算范式，这就需要科学用户群体如何最有效地利用这些强大的机器进行根本性的改变。然而，关于科学家如何使用exascale或接近exascale的HPC系统的研究很少。时间作为一个隐喻在HPC社区的计算讨论和评估中如此普遍，值得仔细研究。我们利用时间作为镜头进行人种学研究的科学家与HPC系统的互动。我们建立在最近的CSCW工作，考虑HPC社会技术生态系统内的时间节奏和集体时间，并为未来的系统设计提供考虑。
2015-10-21 cs.HC
Co-Designing with Multiple Stakeholders and Datasets: A Community-Centered Process to Understand Youth Deviance in the Italian City of Turin
Idiap Research Institute（Idiap 研究所）；EPFL（洛桑联邦理工学院）；Erasmus University Rotterdam（鹿特丹伊拉斯姆斯大学）
本文通过共同设计Sbocciamo Torino公民工具，整合数据仪表板和多利益相关者协作，以理解和应对都灵青少年越轨行为，发现包容性设计受重视但存在沟通与数据素养障碍，并强调政治支持的关键作用。
2025-10-24 cs.CY cs.HC
Designing Intent: A Multimodal Framework for Human-Robot Cooperation in Industrial Workspaces
Aalto University（阿alto大学）；TU Wien（维也纳技术大学）
本文提出一个基于SAT框架的多维设计空间，用于工业人机协作中意图沟通，涵盖内容、规划视野和模态，旨在指导多模态策略设计并奠定透明交互工具包基础。
2025-06-18 cs.HC cs.RO
ColVis: Collaborative Visualization Design Workshops for Diverse User Groups
了解不同类型的用户需求在当今的数据可视化领域中甚至更加重要，因为随着数据源数量的增加，新手用户的探索性可视化变得越来越普遍。数据驱动项目的复杂性需要跨学科专家和新手用户的投入。我们的研讨会框架有助于在不同层面上与专家和新手用户协作做出设计决策，例如概述用户和目标，确定任务，结构化数据以及创建数据可视化想法。我们为两个不同的数据可视化项目举办了研讨会。对于每个项目，我们都与项目涉众（领域专家）进行了一次研讨会，然后与新手用户进行了第二次研讨会。我们收集了参与者的反馈，并对过程进行了批判性反思。后来，我们创建了关于其他人如何使用此研讨会结构的建议。我们的主要贡献是，（1）设计数据可视化的研讨会框架，（2）描述多个研讨会的成果和经验教训。
2020-09-14 cs.CY cs.HC
Theoretical Modeling of the Iterative Properties of User Discovery in a Collaborative Filtering Recommender System
University of Louisville（路易斯维尔大学）
推荐系统中的闭环反馈是一种常见的设置，可能会导致不同类型的偏见。一些研究已经通过设计方法来减轻这些偏见对建议的影响来处理这些偏见。然而，大多数现有的研究没有考虑系统的迭代行为，其中闭环反馈回路在将不同的偏差纳入推荐步骤的几个部分中起着至关重要的作用。我们提出了一个理论框架来模拟渐进演化的不同组成部分的推荐系统内的反馈回路设置，并推导出理论界和收敛性能的量化措施的用户发现和盲点。我们还使用现实生活中的数据集验证了我们的理论研究结果，并在我们的理论框架内实证测试了基本探索策略的效率。我们的研究结果奠定了理论基础，量化反馈回路的影响和设计人工智能和机器学习算法，明确纳入反馈回路的迭代性质在机器学习和推荐过程。
2020-08-21 cs.AI cs.HC cs.IR
Collaborative Remote Control of Unmanned Ground Vehicles in Virtual Reality
Xi’an Jiaotong-Liverpool University（西交利物浦大学）
虚拟现实（VR）技术通常用于娱乐应用;然而，它也被部署在我们生活中更重要方面的实际应用中，例如安全。为了支持在危险行业工作的人们，VR可以确保操作员操作标准化任务，并协同工作以应对潜在风险。令人惊讶的是，很少有研究关注人们如何在VR环境中协同工作。很少有研究关注操作员在协作任务中的认知负荷。一旦任务需求变得复杂，许多研究人员就专注于优化交互界面的设计，以减少操作员的认知负荷。这种方法可能是有价值的;然而，它实际上可能使操作员承受更大的认知负荷，并可能导致更多的错误和合作失败。在本文中，我们提出了一个新的协作VR系统，支持两个遥控器在VR环境中工作，远程控制无人驾驶的地面车辆。我们使用了一个比较实验来评估协作VR系统，重点是任务所花费的时间和操作的总数。我们的研究结果表明，在操作过程中的过程总数和认知负荷显着低于两人组比单人组。我们的研究揭示了设计VR系统，以支持协作工作的远程操作员的工作流程，而不是简单地优化设计结果。
2022-08-24 cs.HC cs.RO
Exploring the Use of Collaborative Robots in Cinematography
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文通过访谈三位电影摄影师并演示原型机器人系统，识别了影响协作机器人应用于电影摄影的设计、采用与使用的关键因素，为后续协同设计研究奠定基础。
2023-04-16 cs.HC cs.RO
Prototyping with Prompts: Emerging Approaches and Challenges in Generative AI Design for Collaborative Software Teams
本研究通过设计研究探索协作软件团队中生成式AI原型设计的新兴实践与挑战，强调提示工程策略和内容特征在快速迭代中的关键作用。
2025-03-30 cs.HC cs.SE
Human-centered NLP Fact-checking: Co-Designing with Fact-checkers using Matchmaking for AI
School of Information, University of Texas at Austin（德克萨斯大学奥斯汀分校信息学院）；University of Washington（华盛顿大学）
针对NLP事实核查技术因与实践需求脱节而采用率低的问题，研究采用Matchmaking for AI协同设计方法，与22名专业核查员合作产出了11项整合核查员标准的设计创意，为以人为中心的事实核查及AI协同设计提供了新见解。
2024-10-14 cs.CL cs.CY cs.HC
Towards a Working Definition of Designing Generative User Interfaces
Expressive Computing Lab. Department of Design, UNIST（表达计算实验室，设计系，UNIST）
本研究采用文献综述、专家访谈、案例分析结合的多方法质性路径，确立生成式UI的工作定义，梳理其核心主题、设计模式与相关挑战，为该领域的理论与实践提供概念基础。
2025-05-21 cs.AI 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
Designing Effective AI Explanations for Misinformation Detection: A Comparative Study of Content, Social, and Combined Explanations
针对现有XAI多聚焦内容解释的局限，研究对比内容、社交及组合解释对错误信息检测的作用，通过两个领域的众包实验发现解释一致性、呈现顺序及领域差异均会影响检测效果，为AI解释设计提供参考。
2025-09-03 cs.HC cs.MM
Designing and Evaluating an AI-enhanced Immersive Multidisciplinary Simulation (AIMS) for Interprofessional Education
University of Florida（佛罗里达大学）；University of Georgia（佐治亚大学）；University of South Florida（南佛罗里达大学）；Augusta University（奥古斯塔大学）
AIMS通过整合AI和虚拟环境，为多专业教育提供沉浸式模拟，提升学生协作能力和临床推理能力。
2026-02-11 cs.AI cs.ET cs.HC
Incentive-Tuning: Understanding and Designing Incentives for Empirical Human-AI Decision-Making Studies
Delft University of Technology（代尔夫特理工大学）
本文提出激励调校框架，旨在帮助研究人员设计有效的激励方案以提升人类-人工智能决策研究的可靠性与可推广性。
2026-01-21 cs.AI cs.GT cs.HC
