Documenting Deployment with Fabric: A Repository of Real-World AI Governance
本文提出公开资料库 Fabric，通过访谈从业者并共同绘制工作流，记录 20 个真实部署的 AI 用例及其监督与防护机制，以识别治理缺口并支持 AI 治理有效性研究。
2025-08-29 cs.AI cs.CY cs.HC
EqualMotion: Accessible Motion Capture for the Creative Industries
EqualMotion 提出了一种以残障为中心共创的身体不可知可穿戴动作捕捉系统，通过个性化校准、整合行动辅助工具及包容性视觉语言，支持多样化体型与运动风格，促进残障从业者在数字表演与原型设计中的公平参与。
2025-07-11 cs.HC
CoLyricist: Enhancing Lyric Writing with AI through Workflow-Aligned Support
University of California, Los Angeles（加州大学洛杉矶分校）
CoLyricist通过与工作流对齐的AI支持，提升歌词创作效率和体验，适用于不同技能水平的创作者。
2026-02-26 cs.AI cs.HC
Leveraging generative AI for human understanding: meta-requirements and design principles for Explanatory AI as an emerging paradigm
Ruhr University Bochum（波鸿鲁尔大学）；Ruhr West University of Applied Sciences（鲁尔西区应用科学大学）
本文提出解释性AI作为新范式，通过生成式AI能力帮助人类理解和决策，定义五个核心维度和十条设计原则。
2026-11-03 cs.AI cs.HC
Designing Rewards for Rewarding Designs: Demonstrating the Impact of Rewards on the Creative Design Process
Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物物理化学研究所）；Toyota Research Institute（丰田研究院）
本文通过3D参数化椅子设计任务探讨奖励对设计决策的影响，发现奖励能促进设计空间探索并提升目标一致性，同时提出有效反馈设计的指导原则。
2026-04-28 cs.HC
Fixation and Creativity in Data Visualization Design: Experiences and Perspectives of Practitioners
数据可视化设计往往需要创造力，需要研究来了解其性质和促进它的手段。目前关于创造力的可视化文献还没有很好地发展，特别是关于专业数据可视化设计师的经验。我们对15位数据可视化从业者进行了半结构化访谈，重点关注创造力的一个特定方面，即设计固定。当设计师盲目或过早地坚持一套限制创造性成果的想法时，就会出现固定。我们提出了从业者的经验和观点，从自己的设计实践，特别是集中在他们的意见（一）固定的性质，（二）鼓励固定的因素，（三）阻碍固定的因素。我们为未来的研究确定了与图表建议，灵感和数据可视化设计中的视角转变相关的机会。
2021-08-14 cs.HC
What We Risk Losing When Creating Gets Easy: Friction, Judgment, and Critical Reflective Practice with Generative AI in Creative Work
University of Toronto（多伦多大学）；University of Guelph（圭尔夫大学）；George Brown Polytechnic（乔治布朗理工学院）；University of Bergen（卑尔根大学）；Harvard Medical School（哈佛医学院）
本文探讨GenAI让创作变易时可能失去的创意核心，主张创作摩擦是构建判断的关键，呼吁开展批判性反思实践，并提出相关开放性问题供研究者等探索。
2026-08-11 cs.HC
Vibe Analysis: Exploring LLM Adoption by Data Visualization Practitioners
Northeastern University（东北大学）
本研究通过访谈数据可视化协会成员，发现从业者积极采用LLM，并提出了“氛围分析”这一新工作流程，同时识别了知识空白与图表验证等特有挑战。
2026-09-29 cs.AI cs.HC
Orchid: Orchestrating Context Across Creative Workflows with Generative AI
Tableau Research（Tableau 研究院）；Microsoft Research（微软研究院）
Orchid系统通过让用户指定、引用和监控创意工作流中的上下文，解决了生成式AI在多交互、多会话场景下的上下文漂移问题，实验证明其能提升创意成果的新颖性、可行性与用户控制感。
2025-08-27 cs.AI cs.HC
Generative artificial intelligence enhances creativity but reduces the diversity of novel content
UCL School of Management（伦敦大学学院管理学院）；University of Exeter（埃克塞特大学）
本研究通过在线实验发现，生成式人工智能能提升作家（尤其是低创造力者）的故事创意质量，但会导致内容同质化，提示过度依赖GenAI可能带来多样性下降的后果。
2024-03-14 cs.AI cs.HC econ.GN
Explainable AI Systems Must Be Contestable: Here's How to Make It Happen
Data Science Institute UTS Australia（UTS澳大利亚数据科学研究院）；IT:U Austria（奥地利IT:U学院）
本文首次给出可解释人工智能中可争议性的严格正式定义，提出涵盖设计时与事后机制的模块化框架及基于二十余项定量准则的可争议性评估量表，并通过多领域案例研究验证其推动系统改进的实用价值。
2025-06-02 cs.AI cs.CY cs.LG
De-skilling, Cognitive Offloading, and Misplaced Responsibilities: Potential Ironies of AI-Assisted Design
Purdue University（普渡大学）
通过分析120多篇UX社区讨论，研究揭示了AI辅助设计引发的技能退化、认知卸载等自动化讽刺，呼吁从业者批判性评估AI的长期影响。
2025-03-05 cs.AI cs.HC
C2Ideas: Supporting Creative Interior Color Design Ideation with Large Language Model
本文提出C2Ideas系统，通过意图对齐的领域大模型与三阶段色彩构思流程，帮助设计师生成、细化并理解符合设计原则的室内色彩方案。
2024-01-27 cs.HC
Where Does the Human End? Creative Agency with Generative AI across Five Years of Chinese Digital Painting
Cornell University（康奈尔大学）；University of Washington（华盛顿大学）；University of California San Diego（加州大学圣地亚哥分校）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究通过2021至2025年对17位中国数字画家的年度访谈，揭示生成式AI进入创作后人类能动性如何随时间被划分与重新协商，提出纵向能动性划分概念及设计启示。
2026-09-10 cs.HC
TherAIssist: Assisting Art Therapy Homework and Client-Practitioner Collaboration through Human-AI Interaction
本文提出TherAIssist系统，通过面向来访者的协同创作与对话智能体及面向治疗师的定制和历史工具支持艺术治疗家庭作业，30天实地研究验证其可促进反思与异步协作。
2025-02-20 cs.HC
Understanding Collaboration between Professional Designers and Decision-making AI: A Case Study in the Workplace
本文通过在线广告设计公司的案例与12名设计师访谈，考察专业设计师如何信任、依赖并应对预测广告效果的决策型AI，提出将其融入创意工作流的设计建议。
2025-09-29 cs.HC
LacAIDes: Generative AI-Supported Creative Interactive Circuits Crafting to Enliven Traditional Lacquerware
LacAIDes通过生成式AI支持创意互动电路设计，提升传统漆器制作的参与度和创造力。
2025-12-28 cs.HC
Towards Real-World Validity in Generative AI Benchmarks: Understanding and Designing Domain-Centered Evaluations for Journalism Practitioners
Northwestern University（西北大学）
本文通过人中心设计方法，针对新闻领域设计领域导向的评估指南，解决现有基准在生态效度和构念效度上的不足，提升评估的实用性与价值对齐性。
2026-04-28 cs.AI cs.HC
Characterizing Creativity in Data Visualization: Reflections and Future Directions
University of Iowa（爱荷华大学）；George Mason University（乔治梅森大学）；University of Toronto（多伦多大学）；Aarhus University（奥胡斯大学）
本文通过两项研究探讨创造力在可视化设计中的表现，发现创意过程常被低估，而创意瓶颈和组织限制影响创造力发展，提出未来需重新设计支持AI辅助可视化的框架和工具。
2026-10-05 cs.HC
Before the Vicious Cycle Starts: Preventing Burnout Across SOC Roles Through Flow-Aligned Design
Technische Universität Berlin（柏林工业大学）；Arizona State University（亚利桑那州立大学）
本文通过分析SOC职位描述，揭示了沟通技能和认证要求的现状，为流程对齐设计和防止职业倦怠提供实证基础。
2026-02-16 cs.CR cs.CY cs.HC
Designing Deep Reinforcement Learning for Human Parameter Exploration
STMS Lab, IRCAM–CNRS–Sorbonne Université（STMS实验室，声学/音乐研究与协调研究所–法国国家科学研究中心–索邦大学）；CNRS–LRI, Université Paris-Sud（法国国家科学研究中心–计算机科学基础实验室，巴黎南大学）
用于生成数字声音的软件工具通常向用户呈现高维、参数化的界面，这可能不利于探索不同的声音设计。在本文中，我们建议研究人工智能体，使用深度强化学习与用户合作探索参数空间进行声音设计。我们描述了一系列以用户为中心的研究，以探讨这些代理的创造性的好处，并适应他们的设计探索。初步研究观察用户的探索策略与参数化接口和测试不同的代理探索行为导致了一个功能齐全的原型，称为Co-Explorer的设计，我们在一个研讨会上与专业的声音设计师进行了评估。我们发现，共同探索者使一个新的创意工作流程集中在人机合作伙伴关系，这已被从业者积极接受。我们还强调了在与我们的系统合作的过程中各种用户探索行为。最后，我们框架的设计准则，使这种共同探索的工作流程在创造性的数字应用程序。
2021-01-28 cs.HC cs.LG cs.SD
MOONWALK: Mediating Operations with Intent-Evidence-Action Alignment Across Junior-Supervisor Review Workflows in Animation/VFX Pre-Production
National Taiwan University（国立台湾大学）；MoonShine Animation Studio（月光动画工作室）；Cornell Tech（康奈尔理工学院）；UCLA（加州大学洛杉矶分校）
MOONWALK提出意图-证据-行动对齐框架，通过结构化评审系统增强动画前期制作中初级-主管协作的意图对齐、决策可追溯性和清单可执行性，并验证其优于聊天机器人界面。
2026-09-10 cs.AI cs.GR cs.HC
GANSpiration: Balancing Targeted and Serendipitous Inspiration in User Interface Design with Style-Based Generative Adversarial Network
在用户界面设计的创作过程中，设计实例的启发起着至关重要的作用。然而，目前的工具和技术，支持灵感通常只集中在有限的用户控制或基于相似性的例子检索的例子浏览，导致不希望的设计结果，如焦点漂移和设计固定。为了解决这些问题，我们提出了GANSpencer方法，该方法利用基于风格的生成对抗网络，为有针对性的和偶然的灵感提供设计示例。定量评估表明，基于GANSpiration的示例建议方法的输出与输入设计相关，同时包括不同的实例。与专业UI/UX从业者的用户研究表明，我们的方法建议的例子作为整体设计概念和特定设计元素的灵感来源。总的来说，我们的工作铺平了道路，使用先进的生成机器学习技术在支持创新设计实践。
2022-03-08 cs.HC cs.SE
Boosting Mixed-Initiative Co-Creativity in Game Design: A Tutorial
本教程介绍了混合主动协同创造力（MI-CCy）在游戏设计中的应用指南，提出 MI-CCy Quantifier 框架评估协同创作工具水平，并指出了未来开发需解决的关键空白。
2025-08-14 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
Vidmento: Creating Video Stories Through Context-Aware Expansion With Generative Video
Harvard University（哈佛大学）；Adobe Research（Adobe研究）
Vidmento通过上下文感知扩展技术，结合捕捉和生成的媒体，帮助创作者实现更具表现力的视频叙事。
2026-02-06 cs.AI cs.HC cs.MM
The Alignment Floor: How Persona Customization Breaks Safety in Weakly-Aligned LLMs
AWS Generative AI Innovation Center（AWS生成式人工智能创新中心）；HSBC Holdings Plc., HSBC Technology Center, China（汇丰控股有限公司，汇丰技术中心，中国）
通过对比强对齐与弱对齐模型在不同角色条件下的谄媚率变化，定义对齐下限Δ_floor作为评估模型角色定制安全性的审计指标。
2026-05-28 cs.AI cs.CL cs.HC
A Novel Idea Generation Tool using a Structured Conversational AI (CAI) System
Indian Institute of Science (IISc)（印度科学学院）
针对新手设计师创意生成的初始延迟与瓶颈问题，提出集成大型语言模型的结构化对话式AI主动创意生成工具，通过试点研究验证其在创意流畅性、新颖性和多样性上的优势，证实生成式AI在设计早期阶段的潜力。
2024-09-09 cs.AI cs.HC
MindScratch: A Visual Programming Support Tool for Classroom Learning Based on Multimodal Generative AI
针对现有编程学习工具难契合课堂目标、指导不足等问题，本研究推出多模态GAI驱动的MindScratch可视化编程工具，平衡课堂任务与自由创作，经用户验证可有效提升项目质量与学生思维能力。
2024-12-12 cs.HC
Visual Embedding of Screen Sequences for User-Flow Search in Example-driven Communication
本文针对UX从业者难以检索示例用户流的问题，提出基于对比学习的屏幕视觉特征与用户流描述语义嵌入方法，实现更符合人类相关性感知的用户流检索。
2025-03-08 cs.HC
AI Rivalry as a Craft: How Resisting and Embracing Generative AI Reshape Writing Professions
Tandon School of Engineering New York University NYC NY USA；Stern School of Business New York University NYC NY USA；Tandon School of Engineering New York University；Stern School of Business New York University
本文通过25次半结构化访谈和Job Crafting视角，揭示写作专业人士通过抵制或拥抱GAI重塑角色、身份与协作方式的四类策略。
2025-03-12 cs.AI cs.HC
Protosampling: Enabling Free-Form Convergence of Sampling and Prototyping through Canvas-Driven Visual AI Generation
Autodesk Research（欧特克研究院）
通过画布驱动的视觉AI生成系统Atelier，实现采样与原型的融合，强调创作过程和想法的紧密交织。
2026-01-08 cs.HC
IntentTuner: An Interactive Framework for Integrating Human Intents in Fine-tuning Text-to-Image Generative Models
针对现有文生图微调忽略用户意图对齐的问题，提出交互式框架IntentTuner，在微调全流程融入人类意图，支持意图表达、自动数据增强与意图对齐评估，可简化流程、降低负担并提升模型效果。
2024-01-28 cs.HC
Workmanship of Learning: Embedding Craftsmanship Values in AI-Integrated Educational Tools
Eindhoven University of Technology（埃因霍温理工大学）
本文提出AI工艺框架，通过设计通过设计方法开发整合人工智能的创意编程工具，强调在交互和界面中嵌入工艺价值观，促进设计教育中的反思与责任学习。
2026-04-08 cs.HC
Qualitative Study for LLM-assisted Design Study Process: Strategies, Challenges, and Roles
本文通过多阶段定性研究，调查了30名研究人员利用LLMs辅助可视化设计研究的策略、挑战与角色，并提出了一个利用LLMs增强设计研究过程的框架。
2025-08-13 cs.HC
Beyond the Algorithm: Professional Experiences and Perceptions of AI Bias
University of the Cumberlands（坎伯兰大学）
通过质性多案例研究，探讨AI从业者如何感知和缓解算法偏见，发现偏见源于历史不公、排他性设计及组织压力，强调公平需要结构性问责、多元参与和认知意识。
2026-06-18 cs.CY cs.HC
Beyond Bias: Participatory and Reflective Approaches to Cultural AI
Royal College of Art（皇家艺术学院）；Goethe-Institut India（歌德学院印度）
该研究通过Beyond Bias项目，以参与式方法开展文化AI实践，经9场200余人参与的工作坊，开发相关工具与框架，揭示生成式AI可视化对文化表征的调节作用，为文化AI领域提供新路径。
2026-09-07 cs.HC
