Implementation of interactive tools for investigating fundamental frequency response of voiced sounds to auditory stimulation
Wakayama University(和歌山大学);Toyohashi University of Technology(丰桥技术科学大学);Waseda University(早稻田大学);Health Science University of Hokkaido(北海道医疗大学);Kyoto City University of Arts(京都造形艺术大学);Meiji University(明治大学)
本文介绍了一种对调频听觉刺激的嗓音基频不自主反应的测量方法。这种无意识反应在语音基频控制中起着重要的作用,但由于技术上的困难,研究较少。本文介绍了一个互动和实时的工具,调查这种反应和支持工具,采用我们的新的测量方法。该方法能够同时测量多个系统属性的基础上,一组新的扩展的时间拉伸脉冲结合正交化。我们将这些工具的MATLAB实现作为开源存储库提供。本文还提供了详细的测量程序,使用交互式工具,然后离线测量工具进行主观实验和统计分析。它还提供了组成信号处理子系统的技术说明作为附录。该应用程序作为一个例子,采用我们的方法对生物系统的分析。
2021-09-23 cs.HC cs.SD eess.AS
Chronodes: Interactive Multi-focus Exploration of Event Sequences
移动医疗技术的出现提出了新的挑战,现有的可视化,交互式工具和算法尚未设计支持。在处理传感器数据和高维生理记录中的不确定性时,我们必须寻求改进当前的工具,这些工具从基于事件的趋势发现的传统角度来理解健康数据。Chronodes是一个旨在帮助研究人员收集、解释和建模移动健康(mHealth)数据的系统,我们使用了一系列交互技术,这些技术可以实现理解和探索基于事件的数据的新方法。Chronodes从大量不连续的移动健康数据流中发现并可视化频繁的事件序列,这些事件序列揭示了参与者和日期之间的常见时间顺序模式。然后,通过将这些序列作为互动元素进行推广,Chronodes提供了寻找、定义和比较表现出特定行为的参与者群体的机会。我们将Chronodes应用于一个真实的40GB mHealth数据集,捕获了大约400小时的数据。通过我们与20位行为和生物医学健康专家的试点研究,我们深入了解了Chronodes的功效,局限性以及对各种医疗保健场景的潜在适用性。
2016-09-27 cs.HC
ComViewer: An Interactive Visual Tool to Help Viewers Seek Social Support in Online Mental Health Communities
针对在线心理健康社区浏览者寻找支持内容的挑战,提出交互式可视化工具ComViewer,通过主题过滤、关键词适配的圆形打包组件及LLM驱动的内容交互功能,提升支持寻求体验并给出设计启示。
2024-11-28 cs.HC
Preprint: Bigdata Oriented Multimedia Mobile Health Applications
这是我们关于JOMS的论文的预印本。本文介绍了两个移动健康应用,它们可以作为基于大数据的健康服务的终端,为电子病历(EMR)收集信息。第一个是通过3D立体虚拟现实眼镜和沉浸式感知来改善高压氧舱中的用户体验的混合系统。已经测试和比较了几种HMD。第二个应用程序是一个语音交互式的严重的游戏,作为一个可能的解决方案,为治疗师提供辅助康复工具。通过对患者嗓音记录仪的分析,可以对患者的长期康复效果进行评价,进而预测康复进程。
2016-03-20 cs.HC
A Voice-Interactive Multi-Agent System for Smart Operating Rooms: Architecture Design and Key Technologies
Wuhan United Imaging Surgical Co., Ltd. (UIS)(武汉联影外科医疗科技有限公司(UIS))
本文提出SurgicalRoomAgent,一种基于大语言模型的智能手术室语音交互多智能体系统,通过分层架构实现自然语言理解与设备控制,并采用KV缓存前缀预热、流式部分JSON解析和渐进式技能提示三项关键技术降低延迟、提升效率,实验验证满足实时性要求。
2026-09-15 cs.AI cs.CL cs.HC
An Edge Computing Robot Experience for Automatic Elderly Mental Health Care Based on Voice
我们需要由专家驱动的开放平台,在这个平台上,可以创建和长期收集查询,并根据严格的临床随访进行诊断。在这项工作中,我们开发了一个多语言机器人界面,通过问题互动来帮助评估老年人的心理健康。专家可以提出问题,并以文本形式接收用户的答案。机器人可以使用适当的语言自动与用户交互。它可以处理答案,并在专家的指导下,问题和答案可以朝向所需的治疗方向。该原型是在用于边缘计算的嵌入式设备上实现的,因此它能够过滤环境噪声,并可以放置在家中的任何地方。专家现在可以通过基于Web的界面创建查询和答案。
2019-09-06 cs.HC eess.AS
A Voice Interactive Multilingual Student Support System using IBM Watson
School of Computing(计算机学院)
由人工智能驱动的系统正在开发中,通过以逐步人性化的对话方式与用户进行交流,使其更加用户友好。聊天机器人,也称为对话系统、交互式对话代理或虚拟代理,是在从商业领域的客户支持到医疗保健领域的陪伴的各种应用中使用的这种系统的示例。开发能够最好地响应用户个性化需求的聊天机器人变得越来越重要,以便它们能够以真正的人类方式尽可能地帮助用户。本文研究并比较了三种流行的现有聊天机器人API产品,然后提出并开发了一种语音交互式多语言聊天机器人,可以使用IBM Watson Assistant,Tone Analyzer和Language Translator有效地响应用户的情绪,音调和语言。该聊天机器人是使用一个用例进行评估的,该用例的目标是根据使用Google Forms生成的大学生调查数据来响应用户对考试压力的需求。测量聊天机器人在分析有关考试压力的反应时的有效性的结果表明,聊天机器人对用户关于他们对考试的感觉的询问做出了适当的反应,占76.5%。聊天机器人还可以适用于其他应用领域,如学生信息中心,政府信息亭和心理健康支持系统。
2019-12-20 cs.AI cs.CL cs.HC
Beyond Functionality: Co-Designing Voice User Interfaces for Older Adults' Well-being
针对当前语音用户界面设计过度重功能、忽视老年人心理与社交需求的问题,研究通过共情协同设计方法发掘非功能性需求,为面向老年人福祉的VUIs设计提供参考。
2024-09-13 cs.HC
Examining Humanness as a Metaphor to Design Voice User Interfaces
本文通过240人实验比较健康与金融场景中的人类及非人类 VUI 隐喻,发现偏好具有情境依赖性,且是否披露隐喻会影响采纳意愿。
2024-05-13 cs.HC
Vocalize: Lead Acquisition and User Engagement through Gamified Voice Competitions
本文提出端到端系统 Vocalize,利用音频处理与 LLM 构建游戏化语音比赛,并经 4 场现场活动验证其可显著提升用户参与和获客效果。
2025-07-28 cs.HC cs.MM
Voice-based AI Agents: Filling the Economic Gaps in Digital Health Delivery
1 Digital Health, IBM T.J. Watson Research Center, Yorktown Heights, NY USA 2 AI Cloud Platform, IBM T.J. Watson Research Center, Yorktown Heights, NY USA 3 Nova School of Business;Economics, Carcavelos, Portugal 4 Gastroenterology, Morehouse School of Medicine, Atlanta, GA USA 5 Inflammation
本文基于Agent PULSE试点与经济模型,展示LLM语音智能体如何以低成本支持患者监测,提升医疗可及性、效率与患者参与。
2025-07-22 cs.AI cs.CY cs.ET
Intelligent interactive technologies for mental health and well-being
Singidunum University(辛吉杜努姆大学);Institute of Mental Health(心理健康研究所);Faculty of Medicine, University of Belgrade(贝尔格莱德大学医学院)
交互技术和人工智能给心理健康带来了许多好处。各种干预措施已成功地使用智能技术来自动评估和评价心理治疗和心理健康和功能。这些技术包括不同类型的机器人、视频游戏和对话代理。本文批判性地分析了现有的解决方案,并展望了其未来。我们尤其:i)概述精神健康技术,ii)根据拟议标准批判性地分析技术,iii)提供这些技术的设计前景。
2021-05-11 cs.AI cs.HC
A Voice-Enabled Virtual Patient System for Interactive Training in Standardized Clinical Assessment
Brooklyn Health(布鲁克林健康);Columbia University(哥伦比亚大学);University of New South Wales(新南威尔士大学);Yale University School of Medicine(耶鲁大学医学院)
本文提出一种基于大型语言模型的语音启用虚拟患者系统,用于提升临床人员标准化评估训练的实效性与可扩展性。
2025-12-28 cs.AI cs.HC
VOICE: Visual Oracle for Interaction, Conversation, and Explanation
King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学);TU Wien(维也纳工业大学);Linköping University(林雪平大学);Umeå University(于默奥大学)
本文提出VOICE,一种将大语言模型的对话能力与交互式探索可视化相结合的科学传播新方法,通过多机器人系统实现任务分配、指令提取和内容生成,结合文本到可视化方法和自然语言交互,实现实时3D模型导航和操控,并在分子可视化领域验证其有效性。
2024-01-22 cs.GR cs.HC
Exploring Customizable Interactive Tools for Therapeutic Homework Support in Mental Health Counseling
William & Mary(威廉与玛丽学院)
TheraTrack是一款可定制的治疗师工具,利用大型语言模型整合多维数据,优化治疗作业跟踪,减少认知负荷并提高数据验证效率。
2026-01-26 cs.HC
AmarDoctor: An AI-Driven, Multilingual, Voice-Interactive Digital Health Application for Primary Care Triage and Patient Management to Bridge the Digital Health Divide for Bengali Speakers
MedAi Bangladesh Limited(MedAi孟加拉有限公司);Central Police Hospital, Dhaka, Bangladesh(达卡警察医院);University of Birmingham, UK(英国伯明翰大学)
本研究推出面向孟加拉语使用者的多语种语音交互数字健康应用AmarDoctor,通过双界面系统、自适应分诊算法和AI临床决策支持弥合数字健康鸿沟,经临床病例验证其诊断与专科推荐准确率均显著高于医生平均水平。
2025-09-28 cs.AI cs.CL cs.CY
MIST: Multimodal Interactive Speech-based Tool-calling Conversational Assistants for Smart Homes
Columbia University(哥伦比亚大学);Seoul National University(首尔国立大学)
本文提出MIST数据集,用于研究具备物理世界约束推理能力的多模态语音助手,发现开放和闭源多模态LLM在该任务上存在显著差距。
2026-05-07 cs.AI cs.CL cs.HC
Towards Automatic & Personalised Mobile Health Interventions: An Interactive Machine Learning Perspective
University of Trento(特伦托大学);University of Konstanz(康斯坦茨大学)
机器学习(ML)是计算机科学和医疗保健领域发展最快的领域,为改善医疗诊断、疾病分析和预防提供了未来的好处。在本文中,我们介绍了交互式机器学习(iML)在远程医疗系统中的应用,使自动和个性化的干预,促进生活方式。我们首先提出了系统的高层次架构和组成的整体架构。然后,我们说明了交互式机器学习过程设计。预计预测模型将通过参与者的个人资料、活动表现和来自护理人员的反馈进行训练。最后,我们展示了系统实现过程中的一些初步结果,并讨论了未来的发展方向。我们预期建议的系统会以数码方式推行,并从行为设计上披索健康的生活方式和活动,从而防止使用者患上慢性疾病。
2018-03-03 cs.AI cs.CY cs.HC
Large Language User Interfaces: Voice Interactive User Interfaces powered by LLMs
Ontario Tech University(安大略理工大学);Faculty of Science(理学院)
本文提出由 LLM 驱动的语音交互 UI 框架,通过 UI 组件的文本语义映射与智能体提示引擎理解用户意图、选择应用并预测操作,从而将静态界面转变为动态自适应界面。
2024-04-16 cs.AI cs.CL cs.HC
Towards Visualization of Time-Series Ecological Momentary Assessment (EMA) Data on Standalone Voice-First Virtual Assistants
人口老龄化是21世纪医疗保健的一个越来越重要的考虑因素,继续访问数字健康信息并与之互动是老龄化人口面临的一个关键挑战。基于语音的智能虚拟助理(IVAs)有望改善老年人的生活质量(QoL),并与生态瞬时评估(EMA)相结合,它们可以有效地收集老年人的重要健康信息,特别是在涉及重复的时间事件时。然而,老年人很难获得相同的EMA数据:尽管最新的IVA配备了显示器,但尚未探索在独立IVA上可视化基于时间序列的EMA数据的有效性。为了研究在独立IVA上可视化基于时间序列的EMA数据的潜在机会,我们设计了一个原型系统,老年人可以在Amazon Echo Show上查询和检查时间序列EMA数据-这是一种广泛使用的商用独立屏幕IVA。我们对一位老年病学家和一位老年人进行了初步的半结构化访谈,并确定了在设计这种可视化时应该仔细考虑的三个发现。
2022-07-30 cs.CY cs.HC
Collaboration with Conversational AI Assistants for UX Evaluation: Questions and How to Ask them (Voice vs. Text)
Rochester Institute of Technology(罗切斯特理工学院);University of Waterloo(滑铁卢大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学)
人工智能在帮助用户体验评估人员分析可用性测试方面很有前途,但其判断通常以非交互式可视化的形式呈现。评估人员可能对测试记录有疑问,但无法询问。交互式会话助理提供可以提高分析效率和评估者自主性的Q&A动态。为了了解与分析相关的所有问题,我们对20名通过文本或语音与模拟AI助手进行交互的参与者进行了一项绿野仙踪设计探索研究。我们发现,参与者询问了五类信息:用户操作、用户心理模型、人工智能助手的帮助、产品和任务信息以及用户人口统计数据。那些使用文本助手的人问了更多的问题,但问题长度相似。文本助理被认为效率更高,但两者在满意度和信任度方面的评分相同。我们还为未来的对话式AI助手提供设计考虑,以进行UX评估。
2023-03-07 cs.AI cs.HC
EpistAid: Interactive Interface for Document Filtering in Evidence-based Health Care
循证医疗是一种重要的医学实践,它试图提供系统的科学证据来回答临床问题。在这种情况下,Epistemonikos(www.epistemonikos.org)是该领域最早也是最重要的在线系统之一,提供了一个界面,支持用户搜索和过滤科学文章,以实践EBHC。如今,该系统需要大量的专家人力,其中近500名医生手动整理要在平台中使用的文章。为了扩大大量和连续的数据,以保持系统更新,我们引入了EpistAid,这是一个交互式智能界面,支持临床医生在称为证据矩阵的论文列表中为Epistemonikos策划文档的过程。我们介绍了我们的解决方案的特点,设计和算法,以及原型实现和案例研究,以展示我们的解决方案如何解决这一领域的信息过载问题。
2016-11-07 cs.HC cs.IR
Examining Potential Usability and Health Beliefs Among Young Adults Using a Conversational Agent for HPV Vaccine Counseling
人乳头瘤病毒(HPV)疫苗是预防HPV相关癌症的最有效方法。整合提供者疫苗咨询对提高HPV疫苗完成率至关重要。通过对话代理自动化咨询体验可以帮助提高HPV疫苗覆盖率,并减轻提供者的疫苗咨询负担。在以前的一项研究中,我们测试了一种模拟对话代理,该代理使用向导OZ协议为父母提供HPV疫苗咨询。在目前的研究中,我们评估了年轻大学生(n=24)中的对话剂,这一人群在建议接种疫苗时可能在青春期错过了HPV疫苗。我们还对系统和语音可用性以及有关HPV疫苗的健康信念进行了调查。参与者认为该代理具有较高的可用性,比其他语音交互界面稍好或相当,并且有证据表明该代理影响了他们对HPV疫苗的危害,不确定性和风险否认的信念。总的来说,这项研究表明,对话代理是一个有影响力的工具,为健康促进工作的潜力。
2020-01-07 cs.HC
Learning on Health Fairness and Environmental Justice via Interactive Visualization
本文介绍了一个带有机器学习共识分析的交互式可视化界面,使研究人员能够通过采用多个递归图神经网络来探索大气和社会经济因素对COVID-19临床严重程度的影响。我们设计并实现了一个可视化界面,该界面利用协调的多视图来支持对住院和其他社会地理变量进行多维度的探索性和预测性分析。通过利用几何深度学习的优势,我们构建了一个共识机器学习模型,以包含来自县级记录的知识,并调查全球传染病,环境和社会正义之间的复杂相互关系。此外,我们还利用了美国宇航局独特的卫星观测数据,这些数据在气候正义应用方面没有得到广泛使用。我们目前的互动界面集中在美国三个州(加利福尼亚州,宾夕法尼亚州和得克萨斯州),以证明其科学价值,并提出了三个案例研究,使定性评估。
2022-11-18 cs.CY cs.HC
Interactive Example-based Explanations to Improve Health Professionals' Onboarding with AI for Human-AI Collaborative Decision Making
Singapore Management University(新加坡管理大学);Singapore General Hospital(新加坡综合医院)
提出交互式基于示例的解释方法,通过呈现最近邻样本协助健康专业人员入门AI,实验证明该方法能优化人员对AI的依赖并提高正确决策比例,降低错误决策比例。
2024-09-24 cs.AI cs.HC cs.LG
IVACS: Intelligent Voice Assistant for Coronavirus Disease (COVID-19) Self-Assessment
在撰写本文时,全球约有1100万例COVID-19病例,科学上称为严重急性呼吸系统综合征冠状病毒2(SARS-COV-2)。各种卫生组织倡导的预防这种传染病传播的流行关键步骤之一是自我评估症状。多个组织已经率先开发了用于COVID-19自我评估的移动和基于网络的应用程序,以减少这一全球大流行病的传播。我们提出了一种基于语音的智能助手,用于COVID-19自我评估(IVACS)。这个互动助手是为了使用疾病控制和预防中心(CDC)和世界卫生组织(WHO)提供的指南诊断与COVID-19相关的症状而构建的。该应用程序的实证测试已与22名人类受试者,所有志愿者,使用美国宇航局的任务负荷指数(TLX),和主题的性能准确性进行了测量。结果表明,IVACS是有益的用户。然而,它仍然需要额外的研究和开发,以促进其广泛应用。
2020-09-06 cs.CY cs.HC
ParcoursVis: Visualization of Electronic Health Record Sequences at Scale
Univ. Paris-Saclay(巴黎萨克雷大学);Inria(法国国家信息与自动化研究所)
ParcoursVis通过渐进式聚合算法和PVA架构,突破现有工具约2万患者的交互限制,实现对数百万患者电子健康记录序列的可扩展交互式可视化。
2025-09-21 cs.HC
Distinguishing Engagement Facets: An Essential Component for AI-based Interactive Healthcare
New York University Abu Dhabi(纽约大学阿布扎比分校)
人机交互中的参与是参与交互的实体建立、维持和结束其感知连接的过程。在各种基于人工智能的交互式医疗保健模式中,监测患者的参与状态至关重要。这包括改变社会行为的医疗条件,如自闭症谱系障碍(ASD)或注意力缺陷/多动症(ADHD)。投入是一个多方面的结构,由行为、情感和心理组成。以往的研究忽视了敬业度的多面性,而集中于敬业度水平或二元敬业度标签的检测。在本文中,提出了一个系统来区分这些方面使用上下文和关系的功能。这可以促进进一步的细粒度分析。几个机器学习分类器,包括传统的和深度学习模型进行了比较。在具有基于神经网络的分类的22242个实例的平衡数据集上获得了0.74的F分数。建议的框架应作为进一步研究的参与方面识别的基线,其集成是社会辅助机器人应用。
2023-03-02 cs.AI cs.HC cs.RO
Patterns of Social Vulnerability -- An Interactive Dashboard to Explore Risks to Public Health on the US County Level
社会脆弱性是指一个社区容易受到自然灾害和公共卫生紧急情况的不利影响,如干旱、地震、洪水、病毒爆发等。气候变化是近期许多自然灾害的根源,而COVID-19疫情仍是一个活跃的威胁。社会脆弱性也指弹性,或从此类不良事件中恢复的能力。为了衡量社会脆弱性的许多方面,美国疾病控制中心(CDC)将社会脆弱性细分为不同的主题,如社会经济地位,家庭组成等。了解社区的社会脆弱性可以帮助决策者和应对者认识到社区健康面临的风险,为可能的危害做好准备,或从灾害中恢复。在本文中,我们研究了美国县一级的社会脆弱性,目前的研究表明,有一定的组合,或模式,社会脆弱性指标,美国县可以分组。然后,我们提出了一个交互式仪表板,允许分析师以各种方式探索这些模式。我们使用COVID-19死亡率作为风险来展示我们的方法,并表明我们确定的模式对大流行的本地影响具有很高的预测能力。
2023-01-07 cs.HC cs.SI physics.soc-ph
Temporal and Spatial Elements in Interactive Epidemiological Maps
自流行病学和公共卫生学科诞生以来,地图就在这些学科中发挥了重要作用。随着地理信息系统和先进的信息可视化技术的出现,交互式地图已成为分析疾病发病率和流行率的地理模式以及传播公共卫生知识的重要工具,COVID-19大流行期间基于网络的地图和疾病监测"仪表板“的激增引人注目地说明了这一点。虽然这种交互式地图在支持静态空间分析方面通常是有效的,但支持空间流行病学可视化和涉及分布式和动态数据源的建模,以及支持分析疾病传播的时间方面,已证明更具挑战性。将这两个方面结合起来,对于互动地图在流行病学和公共卫生工作中的应用至关重要。在本文中,我们讨论了这些问题的背景下,支持疾病监测在偏远地区,包括分布式数据收集,模拟和分析工具,并使多学科合作。
2022-06-13 cs.HC q-bio.PE stat.ME
Interactive tools for making temporally variable, multiple-attributes, and multiple-instances morphing accessible: Flexible manipulation of divergent speech instances for explorational research and education
本文提出交互式工具扩展,使时间可变、多属性、多实例的语音变形算法更易用,支持探索性研究与教育,并在研究生课程中验证成功。
2024-04-20 cs.HC eess.AS
Interactive Sonification for Health and Energy using ChucK and Unity
University of Victoria(维多利亚大学)
本研究构建了基于ChucK、Unity和Chunity的通用交互式声音化框架,新增离散事件支持、多流交错播放、FM合成等功能,通过健康与能源领域两个公开数据集的案例验证了其对声音化体验的提升作用。
2024-04-12 cs.HC cs.SD eess.AS
Interactive health communication and the construction of the identity of the person with low vision in social media
随着巴西的绿藤运动对数字环境的使用和占用,健康中的信息特征是一个中心的话语资源,并且充满了关于低视力者的思维、感觉和行为的特征方式的(自我)概念。这项工作旨在探讨社会媒体中低视力者关于自己社会身份的话语。根据互动健康交流,对Youtube和Facebook上的视频以及Stargardt虚拟团体的Instagram帖子进行了调查,Stargardt是一个由视力低下和患有Stargardt病的人组成的虚拟社区。从摘录的选择和编码中,识别出42个身份特征,并将其分为08类:(T1)我们视力低下,我们使用绿色手杖;(T2)我们对光敏感,我们戴太阳镜;(T3)我们在日常生活中有困难,但我们使用辅助策略和技术;(T4)我们是PCD(T5)我们寻求了解我们的疾病,我们是它的代言人;(T6)我们有视力障碍,但我们不仅仅是这样;(T7)我们生活在我们看待事物的方式的冲突和矛盾中,以及;(T8)我们承认作为一个社区。这些特征是通过基于同意、不同意和幽默的时刻的构建而交互构建的。论述的方向是巩固适当的身份,与盲人不同,但在视力障碍者的法律框架中相似。
2019-06-15 cs.CY cs.HC cs.SI
How to Make Museums More Interactive? Case Study of Artistic Chatbot
本文提出语音到语音的 RAG 系统 Artistic Chatbot,并在华沙美术学院现场艺术展中部署,验证其可基于226份领域文档以波兰语回答参观者提问并增强博物馆互动。
2025-08-30 cs.HC cs.IR
Experiential Benefits of Interactive Conflict Negotiation Practices in Computer-Supported Shift Planning
轮班计划对医护人员的健康和福祉起着关键作用。它决定了他们什么时候工作,什么时候可以休假恢复或从事社会活动。目前,轮班计划中的计算机支持通常是从管理的角度设计的,重点是流程效率,长期目标是完全自动化。这意味着自动解决情绪化的日程安排冲突。在本研究中,我们测量了这样一个全自动化的过程对工人的幸福感,公平性和团队精神的影响,并将其与直接涉及工人决策的更具互动性的过程进行了比较。在我们的实验性在线研究(n = 94)中,我们发现更多的互动过程对所有措施的积极影响。我们的研究结果表明,从工人的角度来看,完全自动化可能是不可取的。最后,我们提出了具体的建议,通过优化工人控制,考虑工人的经验,并将轮班计划嵌入更广泛的工作环境中,来设计更多以工人为中心的混合轮班计划系统。
2022-09-26 cs.CY cs.HC
Developing A Visual-Interactive Interface for Electronic Health Record Labeling: An Explainable Machine Learning Approach
Sriphat Medical Center, Faculty of Medicine, Chiang Mai University(清迈大学医学院诗里帕医院)
本文提出可视化交互标注工具 XLabel,利用可解释提升机 EBM 分类并展示解释热力图,辅助电子健康记录的 NCD 标注,实验证明其可减少操作、保持高准确率并具备强抗错误标注能力。
2023-06-02 cs.HC cs.LG stat.AP
Mic Drop or Data Flop? Evaluating the Fitness for Purpose of AI Voice Interviewers for Data Collection within Quantitative & Qualitative Research Contexts
VKL Research, Inc.(VKL研究公司);Old Dominion University(旧 Dominion 大学)
该立场论文从输入输出性能与言语推理维度评估AI语音访谈员和IVR系统,发现AI访谈员数据收集能力已超IVR,但定性场景下的应用仍受转录误差、情绪检测等问题限制需依场景而定。
2025-09-01 cs.AI cs.CL cs.HC
Better Adherence, Richer Context: A Field Evaluation of LLM-Powered Conversational Voice Diaries for Sleep
The Johns Hopkins University(约翰霍普金斯大学);Department of Psychiatry and Behavioral Sciences, The Johns Hopkins University School of Medicine(精神病学与行为科学系,约翰霍普金斯大学医学院)
通过现场实验评估基于LLM的对话式语音睡眠日记,发现相比文本日记,语音日记提高了依从性并收集了更详细的上下文信息,但结构化字段完整性较低。
2026-06-18 cs.AI cs.HC
Development and Evaluation of HopeBot: an LLM-based chatbot for structured and interactive PHQ-9 depression screening
Lancashire and South Cumbria NHS Foundation Trust(兰开夏和南坎布里亚国民保健服务基金会信托);Victor Babeș University of Medicine and Pharmacy, Timișoara(蒂米什瓦拉维克多·巴贝什医药大学)
HopeBot利用大语言模型实现结构化和互动的PHQ-9抑郁筛查,展示出作为可扩展筛查工具的可行性。
2026-01-14 cs.AI cs.CL cs.HC
Exploring the Role of Common Model of Cognition in Designing Adaptive Coaching Interactions for Health Behavior Change
Palo Alto Research Center(帕洛阿尔托研究中心)
我们的研究旨在开发具有人类意识的智能协作代理-它们可以对人类伙伴的生理,认知和情感状态进行建模,学习和推理。在本文中,我们研究了如何设计适应性教练互动,以帮助人们发展可持续的健康行为。我们利用认知的共同模型- CMC [26] -作为统一几种行为改变理论的框架,这些理论在人-人教练中是有用的。我们激励一套互动系统desiderata基于CMC的行为改变的观点。然后,我们提出PARCoach -一个交互式系统,解决了desiderata。PARCoach帮助学员选择相关的健康目标,设定实施意图,并跟踪他们的行为。在此过程中,学员识别特定的目标导向行为以及他们将执行该行为的情境背景。PARCcoach使用此信息向学员发送通知,提醒他们选择的行为和背景。我们报告的结果,从4周的部署与60名参与者。我们的研究结果支持CMC为基础的行为改变的观点,并表明,所提出的交互式系统设计的desiderata是有用的,在产生行为改变。
2020-09-11 cs.AI cs.CY cs.HC
HealthGenie: Empowering Users with Healthy Dietary Guidance through Knowledge Graph and Large Language Models
The University of Tokyo(东京大学);Duke-NUS Medical School(杜克-新加坡国立大学医学院);Smartor Inc.(Smartor公司);MIT Media Lab(麻省理工学院媒体实验室);Korea University(韩国大学)
HealthGenie结合知识图谱与大语言模型,提供个性化饮食推荐和可视化概览,通过交互调整减少用户认知负担,实验证明其有效支持健康决策。
2025-04-20 cs.AI cs.CL cs.HC
FormBharo: Designing and Evaluating a Voice Agent for Conversational Form Filling in Rural India
该研究针对印度农村无法读写的人群开发了语音助手FormBharo,结合LLMs与规则控制完成表单填写,发布了相关基准数据集,通过端到端评估确定最优模型配置以平衡准确性、成本与延迟。
2026-08-07 cs.AI cs.CL cs.HC
Thousand Voices of Trauma: A Large-Scale Synthetic Dataset for Modeling Prolonged Exposure Therapy Conversations
College of Information Sciences and Technology, Penn State University(宾夕法尼亚州立大学信息科学与技术学院);Department of Psychiatry and Behavioral Sciences, Emory University(埃默里大学精神病学与行为科学系);School of Interactive Computing, Georgia Tech(佐治亚理工学院交互计算学院);School of Psychology, Georgia Tech(佐治亚理工学院心理学学院)
针对创伤治疗对话数据匮乏的问题,研究团队构建了含3000段PTSD延长暴露疗法对话的合成基准数据集,覆盖多样人口特征与创伤类型,经临床专家验证保真度,还配套情绪轨迹评估基准,为心理健康AI与临床培训提供隐私安全的数据源。
2025-05-16 cs.AI cs.CL cs.CY