Exploring the Impact of AI-generated Image Tools on Professional and Non-professional Users in the Art and Design Fields
本文通过380人在线调查比较专业与非专业用户使用AI生成图像工具的模式、满意度、挑战与接受度，指出其民主化创作潜力及质量、成本和版权问题。
2024-06-15 cs.HC
MATE: Diagnosing Empathy Calibration Failures in Multi-Turn Human-LLM Interaction
Sogang University（西江大学）；Chung-Ang University（中央大学）
本研究探讨了渐进式自我表露、互惠性和自然度对人机亲密关系形成的影响，发现渐进式自我表露显著提升社会亲密感，自我批评方法能增强回复自然度并促进早期亲密感，而过度的共情表达可能破坏沉浸感。
2026-10-08 cs.HC
Transparent AI Disclosure Obligations: Who, What, When, Where, Why, How
针对生成式AI内容难以与人类创作区分的问题，本文基于欧洲AI法案第52条，通过参与式方法提出149个披露透明度问题，为法律解释和人机交互研究提供参考。
2024-03-13 cs.CY cs.HC
Video-Mediated Emotion Disclosure: Expressions of Fear, Sadness, and Joy by People with Schizophrenia on YouTube
本研究分析200个精神分裂症患者YouTube视频，提出视觉分析框架，发现视觉元素刻意构建能促进观众支持性回应，为关怀型视频平台设计提供依据。
2025-06-18 cs.CY cs.HC cs.MM
PrivacyMotiv: Vulnerability-Centered Persona Journeys for Empathic Privacy Reviews in UX Design
Northeastern University（东北大学）；Institute of Design (ID) at Illinois Tech（伊利诺伊理工学院设计学院）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Notre Dame（圣母大学）
提出PrivacyMotiv系统，通过LLM生成以脆弱性为中心的角色和旅程故事，结合低保真用户流提供可追溯的设计诊断，显著提升UX从业者的共情、内在动机和隐私问题识别能力。
2026-05-26 cs.CR cs.HC
Design Requirements for Patient-Centered Digital Health Applications: Supporting Patients' Values in Postoperative Delirium Prevention
本研究运用价值敏感设计与患者旅程访谈，识别支持老年患者参与术后谵妄预防的数字健康应用四项设计需求。
2025-05-12 cs.HC
Inclusive Practices for Child-Centered AI Design and Testing
University of California, Irvine（加利福尼亚大学欧文分校）
本文基于作者作为神经分歧个体的经验，提出面向神经分歧儿童的AI设计与测试包容性实践，强调纳入儿童意见并考虑其感觉敏感性，以完善儿童中心AI方法。
2024-04-09 cs.AI cs.HC
Human-Centered Design and Evaluation of a Workplace for the Remote Assistance of Highly Automated Vehicles
本文针对高度自动驾驶车辆的远程辅助，开发了新型以用户为中心的HMI工作场所原型，经34名符合德国法律专业背景的参与者测试，结果表明该原型在较高认知负荷下仍能保持良好的态势感知、可用性与接受度。
2023-08-04 cs.HC
The Self-Aware Body: A User-Centered Framework for Designing Therapeutic Sonic Interactions
Aalborg University（奥尔堡大学）
提出一个用于设计运动声音化治疗交互技术的框架，包括概念重构、设计平台和以用户为中心的方法，以促进临床采用。
2026-06-15 cs.HC
Caring Over Computing: An Ethical and Sociotechnical Perspective on Generative AI for Social Connectedness in Dementia Care
Eindhoven University of Technology（埃因霍温理工大学）
研究痴呆症护理中社会联系减少问题，通过与护理专业人员开展五次研讨会，发现促进社会联系需持续适应居民需求，技术在护理中处边缘地位，基于关怀伦理框架得出GenAI设计和定位的相关影响。
2026-07-22 cs.HC
In-Home Social Robots Design for Cognitive Stimulation Therapy in Dementia Care
本文针对家庭成员执行iCST依从性低的问题，采用以用户为中心的方法设计并评估了一款家用社交辅助机器人，验证了痴呆症患者对其长期使用的接受度，同时指出语音识别能力有待改进。
2025-07-17 cs.HC
Adhera: A Human-Centered Health Informatics Solution for Reducing Informal Caregiver Burden through Improved Medication Adherence
Adhera通过整合智能药盒和移动应用，帮助照护者减轻药物管理负担，提升依从性与照护者信心。
2025-12-03 cs.HC
Evaluation of Large Language Model-Driven AutoML in Data and Model Management from Human-Centered Perspective
本研究通过涉及15名专业人员的用户研究，评估了基于LLM的AutoML框架，发现其可提升93.34%用户的性能、缩短50%实现时间和73%错误解决时间，为自然语言界面在复杂系统中的应用提供了实证支持。
2025-07-08 cs.HC
Growing With the Condition: Co-Designing Pediatric Technologies that Adapt Across Developmental Stages
College of Design University of Minnesota Minneapolis, Minnesota USA；Medical School University of Minnesota Minneapolis, Minnesota USA；College of Design；University of Minnesota；Medical School
本文通过共设计工作坊，研究了不同发育阶段儿童管理慢性疾病的方式，提出了适应不同发育阶段的儿童健康技术设计方法。
2026-02-20 cs.HC
Understanding Codebase like a Professional! Human-AI Collaboration for Code Comprehension
Johns Hopkins University（约翰斯·霍普金斯大学）；Metatrust Labs（MetaTrust实验室）；Singapore Management University（新加坡管理大学）；Fudan University（复旦大学）；Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工学院研究联盟）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）；North Carolina State University（北卡罗来纳州立大学）
CodeMap通过动态信息提取和交互式可视化，提升代码理解的直观性和易用性，减少对LLM响应的依赖。
2026-02-12 cs.HC
Augmenting Coaching with GenAI: Insights into Use, Effectiveness, and Future Potential
Weizenbaum-Institute（魏曾鲍姆研究所）；Humboldt Universität zu Berlin（柏林洪堡大学）
本文通过对205名教练专业人士的调查，分析 GenAI 在教练工作中的使用场景、有效性、伦理关切与采用动因，指出其应作为人类教练的增强工具而非替代者。
2025-02-20 cs.HC
Flowy: Supporting UX Design Decisions Through AI-Driven Pattern Annotation in Multi-Screen User Flows
针对现有AI UX设计工具忽略跨屏交互体验的问题，研究开发了Flowy应用，结合大型多模态AI模型与高质量用户流数据集提供设计模式标注，支持UX设计构思，其设计思路可推广至其他创意任务。
2024-06-23 cs.HC
Judgment as Coordination: A Joint Systems View of Visualization Design Practice
本文从联合认知系统视角重构可视化设计判断，基于人种志与质性研究揭示设计连贯性依赖协调、调整与目标重构而非最优选择，为研究设计实践的持续机制提供新概念框架。
2025-07-01 cs.HC
Outlining the Design Space of Explainable Intelligent Systems for Medical Diagnosis
智能系统的采用为医疗工作带来了机遇和挑战。从积极的方面来看，智能系统有可能计算来自患者的复杂数据，并为医生生成自动诊断建议。然而，医疗专业人员通常将这种系统视为黑盒，因此，对依赖系统生成的结果来做出决策感到担忧。在本文中，我们有助于正在进行的讨论可解释的人工智能（XAI）从以人为中心的角度探索解释的概念。我们假设，如果系统被设计成像医生一样思考和行动，医疗专业人员会认为系统是可解释的。我们报告了一项初步的访谈研究，收集了六名医疗专业人员对他们如何与诊断和治疗目的的数据进行互动的反映。我们的数据揭示了医生何时以及如何在各种类型的数据中进行优先排序，作为其诊断过程的核心部分。基于这些发现，我们概述了未来的方向，在医疗方面的XAI系统的设计。
2019-02-16 cs.CY cs.HC
AutoDS: Towards Human-Centered Automation of Data Science
IBM Research（IBM研究院）
数据科学（DS）项目的生命周期通常由数据科学家和领域专家（例如，数据探索、模型训练等）。直到最近，机器学习（ML）研究人员才开发出有前途的自动化技术来帮助数据工作者完成这些任务。本文介绍了AutoDS，一个自动化的机器学习（AutoML）系统，旨在利用最新的ML自动化技术来支持数据科学项目。数据工作者只需上传数据集，系统就可以自动建议机器学习配置、预处理数据、选择算法和训练模型。这些建议经由基于web的图形用户界面和基于笔记本的编程用户界面呈现给用户。我们与30名专业数据科学家一起研究了AutoDS，其中一组使用AutoDS，另一组没有，以完成数据科学项目。正如预期的那样，AutoDS提高了生产力;然而，令人惊讶的是，我们发现AutoDS小组产生的模型具有更高的质量和更少的错误，但人类的信心得分较低。我们通过提出将自动化技术纳入数据科学生命周期中的人类工作的设计影响来反思这些发现。
2021-01-13 cs.HC cs.LG
Human-Centered Privacy Research in the Age of Large Language Models
Northeastern University（东北大学）；Carnegie Mellon University（卡内基梅隆大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）
针对大型语言模型引发的隐私问题，本文主张从以模型为中心转向以人为本的研究，聚焦用户披露行为、隐私控制设计及数据所有权，并倡议建立研究议程和跨领域合作。
2024-02-03 cs.AI cs.CR cs.HC
AI-Enhanced Sensemaking: Exploring the Design of a Generative AI-Based Assistant to Support Genetic Professionals
Drexel University（德雷塞尔大学）；Microsoft Research（微软研究院）；Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所）
本研究通过访谈与共同设计，探讨了如何设计生成式AI助手支持遗传学专业人士进行全基因组测序分析，提出了知识工作中AI辅助感知构建的设计考量。
2024-12-19 cs.AI 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
Human-Centered Autonomy for UAS Target Search
University of Colorado Boulder（科罗拉多大学博尔德分校）；Boulder Emergency Squad（博尔德应急小队）
针对无人机搜救需持续人工监督、搜索效率低的问题，提出以人为中心的自主框架，融合多类人工输入与地理数据生成偏好分布，增强POMDP规划器，仿真显示受害者发现量提升18%、引导效率达现有方法15倍。
2024-03-07 cs.HC cs.RO
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
Reflections and Recommendations on AI Adoption Practice from a Mixed-Ability Research Group
University of Michigan（密歇根大学）
能力混合研究团队对人工智能采用实践进行反思，通过对团队成员访谈的定性分析，探讨使用生成式人工智能的动机等，基于此提出平衡使用人工智能的建议及实验室实践建议，以促进工作流程采用并保持相关特性。
2026-07-28 cs.HC
Applying Ground Robot Fleets in Urban Search: Understanding Professionals' Operational Challenges and Design Opportunities
George Mason University（乔治·马歇尔大学）；Virginia Tech（弗吉尼亚理工学院）
本文探讨了在城市搜索中应用地面机器人队伍对公共安全专业人员操作挑战的影响，提出了减轻认知和体力负担的设计机会。
2026-02-04 cs.HC cs.RO
Generative AI Use in Professional Graduate Thesis Writing: Adoption, Perceived Outcomes, and the Role of a Research-Specialized Agent
Graduate School of Business and Finance, Waseda University（早稻田大学商学研究科）；Institute for Business and Finance, Waseda University（早稻田大学商经研究所）
研究探讨了生成AI在研究生论文写作中的应用现状、学生感知效果及研究专用代理的作用，发现AI使用广泛，学生普遍认为其提升了论文结构、修订质量和写作效率，但对输出准确性仍存顾虑。
2026-04-03 cs.CY cs.HC
A Human-Centered Approach to Identifying Promises, Risks, & Challenges of Text-to-Image Generative AI in Radiology
本文采用以人为中心的方法，让利益相关者参与评估一种新型文本到CT扫描生成式AI模型，揭示了其在医学教育、培训和实践中的潜力、技术挑战及领域特定风险。
2025-09-14 cs.AI cs.CY cs.HC
Human-Centered Explainable AI for TinyML Edge Devices: A Pareto-Based Selection Framework with LLM-Guided Design
School of Digital and Physical Sciences, University of Hull（赫尔大学数字与物理科学学院）
本研究提出一种整合LLM引导设计与帕累托优化的以人为中心XAI选择框架，用于TinyML边缘设备部署，经皮肤病变分类任务验证可识别帕累托有效权衡。
2026-08-10 cs.AI cs.HC
Human-Centered Evaluation of an LLM-Based Process Modeling Copilot: A Mixed-Methods Study with Domain Experts
Saarland University（萨尔兰大学）；German Research Institute for Artificial Intelligence（德国人工智能研究所）；Plus GmbH（5Plus公司）
本文通过混合方法研究，评估了基于LLM的过程建模助手，发现可用性与信任度之间存在矛盾，提出需人类中心评估补充自动基准测试。
2026-03-13 cs.AI 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
Human-Centered Editable Speech-to-Sign-Language Generation via Streaming Conformer-Transformer and Resampling Hook
针对现有手语动画系统自然度低且缺乏用户控制的问题，提出基于流式 Conformer-Transformer 的实时语音到手语框架，结合可编辑 JSON 表示与人在环优化，实现低延迟高表现力动画，显著提升用户体验与信任度。
2025-06-24 cs.AI cs.HC
Rethinking XAI Evaluation: A Human-Centered Audit of Shapley Benchmarks in High-Stakes Settings
University of Porto, Feedzai（波尔图大学，Feedzai）；University of Porto（波尔图大学）
本文通过统一框架评估八种Shapley变体，在低延迟约束下揭示其语义差异，发现传统量化指标与人类感知的清晰度和决策效用不一致，且解释增加决策信心，提示高风险场景下的自动化偏差风险。
2026-04-24 cs.AI cs.HC cs.LG
MITHOS: Interactive Mixed Reality Training to Support Professional Socio-Emotional Interactions at Schools
DFKI GmbH（德国人工智能研究中心）；Saarland University（萨尔大学）；FoBiD；TriCat GmbH（TriCat公司）；University of Augsburg（奥格斯堡大学）
MITHOS是一个混合现实系统，通过虚拟环境与智能体互动训练教师的冲突解决与情感调节技能，验证了场景真实性并提出了以人为中心的XR跨学科研究方法论。
2024-09-02 cs.AI cs.HC
The State of Human-centered NLP Technology for Fact-checking
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
错误信息通过促进对科学的不信任，改变公共卫生的叙述，加剧社会两极分化，破坏民主选举和金融市场以及无数其他社会危害来威胁现代社会。为了解决这个问题，越来越多的专业事实核查人员和记者对所谓的事实进行了高质量的调查。然而，这些主要是手工的努力一直在努力与问题的巨大规模相匹配。作为回应，越来越多的自然语言处理（NLP）技术被提出用于更可扩展的事实检查。然而，尽管这类研究取得了巨大的增长，但实际采用NLP技术进行事实检查仍然处于起步阶段。在这项工作中，我们回顾了当前NLP技术用于事实检查的能力和局限性。我们特别关注的是进一步绘制如何利用和改进这些技术的设计空间，以更好地满足人类事实核查人员的需求。为此，我们回顾了基于NLP的事实检查的关键方面：任务制定，数据集构建，建模和以人为本的策略，如可解释的模型和人在回路中的方法。接下来，我们将回顾应用基于NLP的事实检查工具来帮助人类事实检查员的有效性。我们建议未来的研究包括在NLP研究的早期与事实检查利益相关者的合作，以及在模型开发中纳入以人为本的设计实践，以进一步指导人类使用和实际采用的技术开发。最后，我们提倡更多的基准开发支持以人为本的事实检查技术的外在评价的研究。
2023-01-08 cs.AI cs.CL cs.CY
ArchiveGPT: A human-centered evaluation of using a vision language model for image cataloguing
University of Tübingen（图宾根大学）；Leibniz-Institut für Wissensmedien（莱布尼茨知识媒体研究所）；Leibniz-Zentrum für Archäologie（莱布尼茨考古中心）
本研究针对摄影藏品人工编目效率不足的问题，用InternVL2生成考古类照片编目描述并开展人本评估，发现需人工审核保障质量，提出AI辅助草稿、人工主导验证的协作编目模式。
2025-07-10 cs.AI cs.DL cs.HC
The Implications of Open Generative Models in Human-Centered Data Science Work: A Case Study with Fact-Checking Organizations
University of Washington（华盛顿大学）
本文访谈六大洲20家事实核查组织的24名专业人员，提出生成式AI介入数据科学流程的五环节模型，并分类比较其选择开放模型与专有模型的动机及限制。
2024-08-04 cs.AI cs.CL cs.CY
Artificial Intelligence Assisted Infrastructure Assessment Using Mixed Reality Systems
University of Central Florida（中佛罗里达大学）
传统的民用基础设施视觉评估方法存在一定的局限性，如采集数据的主观性、检测时间长、人工成本高等。虽然目前采用的一些新技术，即机器人技术，能够收集客观、量化的数据，但在许多情况下，视察员本身的专门知识仍然至关重要，因为这些技术的设计目的不是与人类视察员互动。本研究旨在创建一个智能的，以人为本的方法，为桥梁业主的基础设施检查，维护，管理实践和安全提供显着的贡献。通过开发智能混合现实框架，该框架可以集成到可穿戴全息耳机设备中，例如，桥梁检查员可以自动分析他或她在元件上看到的某种缺陷，例如裂缝，实时显示其尺寸信息以及状态。这种系统可以通过加速检查员的基本任务（例如缺陷测量、状况评估和管理系统的数据处理）来潜在地减少基础设施检查的时间和成本。以人为中心的人工智能将帮助检查员收集更多量化和客观的数据，同时结合检查员的专业判断。这项研究详细解释了所描述的系统和相关方法，将注意力引导的半监督深度学习实施到混合现实技术中，该技术在评估期间与人类检查员进行交互。因此，检查员和AI将协作或通信以改进视觉检查。
2018-12-09 cs.AI cs.CV cs.HC
Privacy and Safety Experiences and Concerns of U.S. Women Using Generative AI for Seeking Sexual and Reproductive Health Information
King's College London London United Kingdom；VRAIN, Universitat Politècnica de València \& University of Cambridge Valencia Spain Cambridge United Kingdom；King's College London；VRAIN, Universitat Politècnica de València \& University of Cambridge
研究探讨了美国女性使用生成式AI获取性与生殖健康信息时的隐私和安全问题，发现用户面临数据收集、政府监控等风险，提出针对性设计和政策建议。
2026-03-10 cs.AI cs.HC
Generative AI in Knowledge Work: Design Implications for Data Navigation and Decision-Making
University of California, Berkeley（加州大学伯克利分校）；University of Southern California（南加州大学）
该研究针对知识工作者整合多平台非结构化信息决策难的问题，开发Yodeai系统并通过16名产品经理的用户研究，明确生成式AI的需求与局限，提出以人为本的AI设计原则。
2025-03-24 cs.AI cs.ET cs.HC
