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
Exploring Multiview UI Layouts and Placement Strategies for Collaborative Sensemaking in Virtual Reality
Shahjalal University of Science and Technology（贾拉勒巴德科技大学）；BRAC University（布拉格大学）
研究探讨了虚拟现实中多视图界面布局与放置策略，通过用户研究发现半圆形布局在协作中常见，图像+文本文档降低比较任务负荷，图表降低分类任务负荷，并提出设计指南支持VR协作。
2025-11-22 cs.HC
Study Protocol: Shared Achievements: Exploring the Design of Gameful Collaborative Elements and Fostering Social Relatedness through Team Effort Contributions in a Social Physical Activity App
本文提出一项两周实验方案，通过 Shared Achievements 比较绝对步数与团队目标相对百分比两种贡献方式，考察游戏化协作如何借助社会关联感提升运动动机与坚持度。
2025-03-17 cs.HC
Marvista: Exploring the Design of a Human-AI Collaborative News Reading Tool
Marvista是一种人机协同新闻阅读工具，通过NLP模型提供端到端支持，包括阅读前规划、阅读中反思和阅读后生成可解释摘要，以内容感知指导整个阅读过程。
2023-06-23 cs.HC
Exploring Proactive Interventions toward Harmful Behavior in Embodied Virtual Spaces
本研究聚焦 Zoom 与 VR 等具身虚拟空间中的伤害风险，分析沉浸体验、虚实边界及 AI 算法带来的心理、伦理与社会问题，为主动干预有害行为奠定问题基础。
2024-04-23 cs.HC
Ink and Algorithm: Exploring Temporal Dynamics in Human-AI Collaborative Writing
本研究针对人机协同写作中交互动态与学习支持机制不明的问题，采用动态时间规整聚类和认知网络分析，识别出四种AI使用时间模式并揭示其与写作认知行为的关联，为教育场景下的GAI学习支持设计提供依据。
2024-06-21 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
Exploring Collaborative Immersive Visualization & Analytics for High-Dimensional Scientific Data through Domain Expert Perspectives
George Mason University（乔治梅森大学）；MIT Media Lab, MIT（麻省理工学院媒体实验室）；National Institute of Standards and Technology（美国国家标准与技术研究院）
通过访谈领域专家，研究探讨了多用户协作在高维科学数据可视化与分析中的挑战与机遇，提出设计改进以提升协作效率与公平性。
2026-02-04 cs.HC
Exploring Avatar-Based Representations of Desktop Analytical Workflows for Asymmetric Collaborative Visual Analytics
Texas A&M University（德克萨斯农工大学）；Georgia Tech（佐治亚理工学院）
本文提出Desk2Avatar，探索VR中基于虚拟形象的桌面分析工作流表示，通过远距离与具身化两种策略提升协作者感知与注意力引导，并讨论了平衡存在感与可读性的设计启示。
2026-09-15 cs.HC
Exploring the Impact of AI Value Alignment in Collaborative Ideation: Effects on Perception, Ownership, and Output
本研究探讨AI价值对齐对协作构思的影响，发现AI价值观影响生成想法和用户所有权感受，但对想法质量和智能体感知无显著差异，为AI构思工具设计提供启示。
2024-04-22 cs.HC
Exploring Users' Perception of Collaborative Explanation Styles
协同过滤系统在很大程度上依赖于用户的反馈表示的产品评级选择和排名项目推荐。在这项研究中，我们探讨了用户如何价值不同的合作解释风格的用户为基础的或项目为基础的范式。此外，我们探讨这些评级总结的特点，如总评分和平均评分值，影响在线用户的决定。结果，基于选择为基础的联合实验设计，表明平均指标有较高的影响相比，总的收视率。最后，我们讨论了这些实证结果可以作为一个输入开发算法，培养项目，因此，更高的概率选择的基础上，他们的评级总结或他们的解释，由于这些评级时排名建议。
2018-05-02 cs.HC cs.IR
"It Felt a Bit Eerie": Exploring Humanlike Interactions During Collaborative Writing with an Artificial Agent
University of British Columbia（不列颠哥伦比亚大学）；Aalborg University（奥尔堡大学）
通过构建三种不同类人程度的AI辅助编辑器并开展用户研究，探讨协作的时间与视觉维度如何影响写作体验及人机社会连接。
2026-05-23 cs.HC
Drawing with AI -- Exploring Collaborative Inking Experiences Based on Mid-air Pointing and Reinforcement Learning
数字化正在改变专业和非专业环境中艺术实践中使用的工具和材料的性质。例如，如今，即使是儿童也经常通过在平板电脑上绘制数字画布来表达他们的想法并探索他们的创造力。虽然有许多基于软件的工具，类似于传统的工具，如各种形式的虚拟画笔，橡皮擦等，与传统材料相比，有潜力增强基于软件的工具和数字画布与人工智能。好奇它会感觉如何与数字画布，这将是在对比传统的画布动态，响应，并可能能够不断适应其用户的输入，我们开发了一个绘图应用程序，并进行了定性研究与14个用户。在本文中，我们描述了我们的设计过程的细节，这导致使用k臂强盗作为强化学习的一种简单形式和LeapMotion传感器，让来自各行各业的人，老人和年轻人都能在无处不在的显示器上画画，小的和大的，位置近或远。
2020-10-10 cs.HC
Exploring the Effects of Level of Control in the Initialization of Shared Whiteboarding Sessions in Collaborative Augmented Reality
通过VR模拟AR环境，研究比较了MANUAL、DISCRETE CHOICE和AUTOMATIC三种白板会话初始化方法的控制水平，发现多数用户尽管面临额外工作量仍偏好直接控制。
2025-02-02 cs.HC
"Excuse me, may I say something..." CoLabScience, A Proactive AI Assistant for Biomedical Discovery and LLM-Expert Collaborations
Worcester Polytechnic Institute（沃斯特理工大学）；University of California, Davis（加州大学戴维斯分校）；Jiangsu University（江苏大学）
本文提出CoLabScience，一种主动AI助手，通过及时的上下文感知干预提升生物医学领域AI与人类专家的协作效率，PULI框架在流式科学讨论中实现精准干预，实验表明其在干预精度和协作任务实用性上优于现有基线。
2026-04-16 cs.AI cs.CL cs.HC
Exploring the Effect of Viewing Attributes of Mobile AR Interfaces on Remote Collaborative and Competitive Tasks
本文研究了移动AR界面中目标观看角度、同步方式和辅助小屏幕等观看属性对远程协作与竞争任务的影响，提出五种技术并通过用户研究证明，允许在小屏幕上异步观看对象操作的技术能实现最佳表现和用户偏好，为MAR远程任务设计提供了新方案与建议。
2025-11-03 cs.HC
TeamPortal: Exploring Virtual Reality Collaboration Through Shared and Manipulating Parallel Views
本文提出 TeamPortal 以支持 VR 协作中的平行视图共享与操纵，通过两项 72 人参与的用户研究证明其能显著提升协作效率、社交存在感，并进一步评估了三种变体，提出了未来 VR 协作系统的设计启示。
2025-01-29 cs.HC
Exploring the Effects of Different Asymmetric Game Designs on User Experience in Collaborative Virtual Reality
本研究通过四个版本的VR实验，探讨非对称游戏设计中环境共享与玩家依赖对协作VR用户体验的影响，发现设计变化显著影响可用性、UX质量、沉浸控制及动机，且玩家依赖程度是关键因素。
2025-10-16 cs.HC
IntentLint: Supporting Intent Scaffolding and Prompt-time Linting in Human-AI Collaborative Data Analysis
School of Computer Science, University of Waterloo（滑铁卢大学计算机科学学院）
研究针对人机协同数据分析中意图对齐差等问题，提出含意图支架和提示时 linting 的 IntentLint 系统，经16名分析师验证可提升意图感知与策略反思，为相关设计提供启示。
2026-08-06 cs.HC
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
Exploring Bichronous Collaboration in Virtual Environments
本文提出双时态协作概念，将同步与异步信息整合到虚拟环境实时会话中，并通过用户研究验证其对信息处理的益处及对交互行为的影响。
2025-09-21 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
Exploring Remote Collaborative Tasks: The Impact of Avatar Representation on Dyadic Haptic Interactions in Shared Virtual Environments
IEEE Publication Technology Group（IEEE出版技术组）
本文通过四种化身表征条件的双人触觉协作实验，发现伙伴化身能显著提升社会临场感，但化身不影响任务绩效与用力，凸显视觉与触觉融合对远程协作的价值。
2025-05-28 cs.HC cs.RO
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
From Passive Tool to Socio-cognitive Teammate: A Conceptual Framework for Agentic AI in Human-AI Collaborative Learning
School of Education, Tsinghua University（清华大学教育学院）；Centre for Learning Analytics, Monash University（墨尔本大学学习分析中心）
本文针对教育中AI向主动参与者转变但缺乏概念框架的问题，提出APCP框架及四级智能体模型，以社会文化理论为基础分析人机角色责任，探讨协作哲学基础并得出AI可成为功能性协作者的结论，对教育相关领域有重要意义。
2025-08-20 cs.AI cs.HC
Exploring Collaborative GenAI Agents in Synchronous Group Settings: Eliciting Team Perceptions and Design Considerations for the Future of Work
University of Michigan（密歇根大学）；Tsinghua University（清华大学）
本文探讨了协作生成式人工智能代理在同步小组环境中的应用，通过实证研究揭示了团队感知和设计考虑，旨在提升团队协作与问题解决能力。
2025-04-21 cs.AI cs.HC
Exploring the Collaborative Co-Creation Process with AI: A Case Study in Novice Music Production
Information School, University of Washington（华盛顿大学信息学院）
本研究通过9名本科生10周内用AI创作音乐的案例，揭示了AI对创意工作流、群体动态及角色分工的影响，并提出Human-AI Co-Creation Stage Model和Human-AI Agency Model。
2025-06-24 cs.AI cs.HC
Exploring Author Gender in Book Rating and Recommendation
协同过滤算法在评级和消费数据中发现有用的模式，并利用这些模式来引导用户选择好的项目。评级数据集中的许多模式反映了数据中不同用户和项目之间的重要现实差异;其他模式可能与社会或道德原因无关或可能不受欢迎，特别是如果它们反映了不受欢迎的歧视，例如出版或购买时对女性或少数民族作者的歧视。在这项工作中，我们研究了协同过滤推荐算法的响应，他们的输入数据的分布方面的社会关注的一个方面，即内容创建者的性别。使用公开的图书评级数据，我们测量了用户评级配置文件和推荐列表中图书作者的性别分布。我们发现，常见的协同过滤算法不同的性别分布的推荐列表，并在输出分布的关系，用户简档分布。
2020-07-25 cs.HC cs.IR
Evaluating the Effectiveness of Large Language Models in Solving Simple Programming Tasks: A User-Centered Study
Pine View School
本研究通过15名高中生的受试者内实验，比较ChatGPT-4o的被动、主动和协作三种交互风格，发现协作式交互能显著提升简单编程任务完成时间、用户满意度与感知有用性，强调LLM设计应超越功能正确性，支持以用户为中心的交互体验。
2025-07-05 cs.AI cs.HC
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
Exploring the Dynamics between Cobot's Production Rhythm, Locus of Control and Emotional State in a Collaborative Assembly Scenario
CNR（意大利国家研究委员会）；Catholic University of the Sacred Heart（圣心天主教大学）；University of Bologna（博洛尼亚大学）；University of Augsburg（奥格斯堡大学）
本研究通过31名参与者的协作装配实验，考察协作机器人不同生产节奏对体验性控制点和情绪状态的影响，发现需结合个体心理特征才能实现最优人机交互体验。
2024-06-28 cs.AI cs.HC cs.RO
Treadstone: A Social-Media-Inspired Platform for Multi-Agent Collaborative Data Analysis
Soongsil University（崇实大学）；Pohang University of Science and Technology（浦项科技大学）；Sogang University（西江大学）；Aarhus University（奥胡斯大学）
Treadstone提出受社交媒体启发的多智能体协作数据分析平台，通过共享协调流平衡机器自主与人类控制，定性研究显示其促进协作并保留人类分析能动性。
2026-09-18 cs.HC
Exploring Convergence in Relation using Association Rules Mining: A Case Study in Collaborative Knowledge Production
本文以开放公民科学平台为案例，运用ARM分析标签关联与时间演化，并提出基于Mann-Kendall检验的趋同测量算法，验证了非专家协作中的意识形态趋同。
2024-05-13 cs.HC stat.AP stat.ME
Exploring Human-robot Interaction by Simulating Robots
TU Wien（维也纳工业大学）
随着协作机器人进入工业车间、物流和制造业，快速灵活地评估人机交互变得更加重要。虚拟和增强现实的消费者头戴式耳机的可用性降低了虚拟环境的进入门槛。在本文中，我们探讨了不同的方面，使用这样的环境来模拟机器人在用户研究，并提出了第一个发现，从我们自己的研究工作。最后，我们建议方向的应用和使用模拟在人机交互。
2022-09-20 cs.HC cs.RO
Towards Uncertainty Aware Task Delegation and Human-AI Collaborative Decision-Making
Singapore Management University（新加坡管理大学）
本研究提出基于距离的不确定性分数用于任务委派，并通过嵌入可视化支持人机协作决策，实验表明其优于概率方法，显著提升决策准确率与适当依赖。
2025-05-23 cs.AI cs.HC cs.LG
Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing
University of Waterloo（滑铁卢大学）；Stratford School of Interaction Design and Business（斯特拉特福交互设计与商业学院）
本文批判性审视生成式AI在学术写作中的协作应用，通过对比Gemini和ChatGPT在提示词设计下的表现，揭示其能力与局限，为人机交互领域提供有效提示策略与模型比较分析。
2024-04-23 cs.AI cs.HC
Exploring Communication Strategies for Collaborative LLM Agents in Mathematical Problem-Solving
Institute for Intelligent Systems, University of Memphis, Memphis, TN, USA（智能系统研究所，密苏里大学）；Department of Electrical and Computer Engineering, University of Memphis, Memphis, TN, USA（电气与计算机工程系，密苏里大学）；AI4STEM Education Center, University of Georgia, Athens, GA, USA（AI4STEM教育中心，佐治亚大学）；National GENIUS Center, Athens, GA, USA（国家GENIUS中心）；Department of Mathematics, Science, and Social Studies Education, University of Georgia, Athens, GA, USA（数学、科学与社会科学教育系，佐治亚大学）；Faculty of Education, The University of Hong Kong, Hong Kong, PR China（教育学院，香港大学）；Educational Testing Service, Princeton, NJ, USA（教育测评服务）；Department of Applied Social Sciences, Hong Kong Polytechnic University, Hong Kong, PR China（应用社会科学系，香港理工大学）；Department of Psychology, University of Memphis, Memphis, TN, USA（心理学系，密苏里大学）
该研究使用 GPT-4o 在 MATH 数据集上比较双智能体数学解题的四种沟通模式，发现同伴协作准确率最高，并表明有效对话行为是提升 AI 教育协作解题的关键。
2025-05-02 cs.AI cs.CL cs.CY
LLM Bazaar: A Service Design for Supporting Collaborative Learning with an LLM-Powered Multi-Party Collaboration Infrastructure
Carnegie Mellon University（卡内基梅隆大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
本研究基于开源协作支持架构Bazaar集成LLM智能体外壳，构建LLM Bazaar服务，为小组学习提供实时上下文敏感的LLM协作支持，助力探索LLM赋能环境对协作学习的重塑作用。
2025-09-12 cs.AI cs.HC
TeamLLM: Exploring the Capabilities of LLMs for Multimodal Group Interaction Prediction
University of California, Irvine（加州大学尔湾分校）
本文研究LLMs在多模态传感器数据中预测群体协调模式的能力，发现LLMs在语言基础行为上比LSTM基线提升3.2倍，细调准确率达96%。同时揭示了文本模型在多模态交互中的局限性及模拟模式的脆弱性。
2026-04-09 cs.ET cs.HC
Design Generative AI for Practitioners: Exploring Interaction Approaches Aligned with Creative Practice
LISN Université Paris-Saclay, CNRS, Inria（LISN 巴黎-萨克雷大学，法国国家科学研究中心，法国国家信息与自动化技术研究所）；UMR 9189 CRIStAL Univ. Lille, Inria, CNRS, Centrale Lille（UMR 9189 CRIStAL 利摩日大学，法国国家信息与自动化技术研究所，法国国家科学研究中心，利摩日中央理工大学）
本文提出三种交互方法，帮助设计师在不同阶段引导生成式AI与创意实践对齐，强调动态协商与主动/被动角色的适应性。
2026-03-03 cs.AI cs.HC
Exploring Temporal Dependencies in Multimodal Referring Expressions with Mixed Reality
KTH Royal Institute of Technology（瑞典皇家理工学院）；Aalto University（阿尔托大学）
在协作任务中，人们同时依靠语言和非语言线索来相互沟通。为了使人机交互流畅自然地运行，机器人应该具有鲁棒地消除指代表达的歧义的能力。在这项工作中，我们提出了一个模型，可以消除歧义的多模态提取请求使用的方式，如头部运动，手势和语音。我们分析了从混合现实实验中获得的数据，并提出了一个假设，即在这三种模式中对事件的时间依赖性进行建模可以提高模型的预测能力。我们评估了我们的模型的贝叶斯框架来解释所指的表达和不利用时间先验。
2019-02-04 cs.HC cs.RO
Working with Agentic `Teammates': When a New Organizational Actor Collides with the Human Ecosystem of Work
Google Research（谷歌研究院）；Google DeepMind（谷歌DeepMind）
本研究通过实地定性调查，揭示企业AI“队友”部署引发的人机协作边界变动，提出保留人类能动性的研究、设计与组织议程。
2026-09-25 cs.AI cs.HC
Exploring the Human-LLM Synergy in Advancing Theory-driven Qualitative Analysis
Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学）；Amazon Research, Amazon.com Inc（亚马逊研究，亚马逊公司）；Department of Social Work, National University of Singapore（社会工作系，国立新加坡大学）
本文提出CHALET方法，通过人与大语言模型的协同合作，推动理论驱动的定性分析，揭示心理健康污名的潜在主题。
2025-11-27 cs.CL cs.CY cs.HC
Friend or Foe? Exploring the Implications of Large Language Models on the Science System
HIIG（HIIG（德国柏林高等研究所））
本研究通过72位专家参与的Delphi研究，探究大型语言模型对科学系统的多方面影响，指出其变革潜力的同时也提出需应对相关风险，为生成式AI在科学领域的讨论提供参考。
2023-06-16 cs.AI cs.CY cs.HC
Autonomous Agents for Collaborative Task under Information Asymmetry
Tsinghua University（清华大学）；Peng Cheng Laboratory（鹏城实验室）
提出iAgents多智能体范式及InfoNav推理机制，通过映射社交网络并组织混合记忆克服信息不对称，在InformativeBench基准上实现大规模社交网络中的高效协作与信息检索。
2024-10-17 cs.AI cs.CL cs.HC
