human–computer interaction
PulseAugur coverage of human–computer interaction — every cluster mentioning human–computer interaction across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
EDA数据中的伪迹去除未能改善VR平衡任务分类
一项新近发表在arXiv上的研究探讨了在虚拟现实平衡任务中，去除皮肤电活动（EDA）数据伪迹技术的有效性。研究人员发现，尽管伪迹去除提高了波形质量并减少了基准数据集中的错误，但并未提高VR任务中的下游分类准确性。该研究表明，预处理应根据其对最终决策过程的影响来评估，而不仅仅是波形改进，因为个体之间的差异有时会掩盖清理EDA信号的真正益处。
-
青少年人工智能安全：人机交互研究缺乏经过验证的对策
一篇新发表在arXiv上的论文系统性地回顾了100项关于青少年人工智能安全实证性人机交互（HCI）研究。该研究发现，在全面理解年轻人面临的AI风险、这些风险如何被解决以及拟议对策的有效性方面，文献存在不足。回顾发现，虽然许多风险都有相应的解决方案，但很少有被实施或评估，现有的评估往往侧重于技术性能而非实际免受伤害的保护。该论文呼吁人机交互研究在加强青少年人工智能安全方面提供具体方向。
-
提出新框架用于人机混合推理系统
提出了一种以人为中心的新型混合推理系统框架，旨在通过整合人工智能能力和人类指导来增强人类智能。该框架综合了改进人类推理的既定策略、侧重于预结论参与的人工智能设计方法，以及将推理视为可区分、可支持模式的概念。目标是创建能够广泛增强人类推理能力的系统，从详细的数据分析到更高级别的反思和智慧。
-
新框架ContextXR能够系统性地评估情境感知的XR界面
研究人员开发了ContextXR，一个旨在系统性评估扩展现实（XR）系统情境感知界面的新基准测试框架。该框架将XR应用表示为功能面的图，能够对适应性方法进行可重复的比较。ContextXR包含MineXR++，一个带有面级注释的数据集，并定义了三个用于情境感知建议的任务，以及基于达到期望功能效率的评分方法。
-
新研究设计干预措施以改进AI元认知监控
一篇新研究论文探讨了改进用户监控自身理解能力和ChatGPT等AI助手可靠性的方法。该研究提出了一个干预措施的设计空间，按时间、被评判的能力水平和监控线索的来源进行分类。一项涉及917名参与者的实验发现，可靠性卡片和对比回复减少了估计误差和过度自信，但并未显著提高任务表现。
-
人工智能界面中智能交互技术 (IIxTs) 的提案
一项新提案概述了智能交互技术 (IIxTs) 的开发，旨在增强超越当前基于聊天的 AI 交互的用户界面。该研究建议创建更具适应性的交互组件，允许在单个用户操作中无缝混合多种模式。这项进展旨在超越 20 世纪 80 年代的图形用户界面交互技术以及当今人工智能应用中常见的有限聊天界面，同时还考虑了安全、隐私和经济影响。
-
语音人工智能议程呼吁跨社区综合
一份新的立场文件提出了一项统一的语音人工智能议程，强调了技术自然语言处理 (NLP) 和社会技术人机交互 (HCI) 社区之间的脱节。该文件认为，当前的语音人工智能系统对沟通和身份的理解不完整，并且其指标未能捕捉到正确的构建。它提出了专注于为人类可变性进行设计、整合定量和定性研究方法以及改革场地结构以促进跨社区协作的解决方案。
-
研究揭示AI伴侣的设计挑战
一项发表在arXiv上的新研究探讨了AI伴侣的设计挑战，AI伴侣是专注于情感连接而非工具性任务的对话代理。该研究确定了九个设计原则领域，这些领域中来自相关领域（如可信赖和关系型AI系统）的现有建议不直接适用于AI伴侣。通过文献综述、共同分析和专家评估等多方法研究，该研究强调了伦理考量与用户体验之间复杂的联系，并强调了设计原则的上下文敏感应用的需求。
-
新策略优化自动驾驶汽车中主动式代理的沟通
研究人员开发了一种名为When2Talk的新沟通策略，用于自动驾驶汽车中的主动式车载代理。该策略旨在优化这些代理何时应就车辆行为与乘客沟通。一项涉及41名参与者在VR模拟中的研究表明，与每次事件都进行沟通的事件触发策略相比，情境感知的When2Talk策略显著减少了感知到的打扰，并提高了沟通的恰当性。研究结果表明，事件后果、乘客活动和信息价值等因素对于确定选择性车内沟通至关重要。
-
机器人艺术装置通过机器学习和数字进化探索适应性行为
研究人员开发了三个机器人艺术装置，它们利用具身机器学习和数字进化来创造动态、适应性强的生态系统。这些装置探索了实时学习、试错和人工环境内涌现行为的美学潜力。该项目研究了此类研究创作实践如何重新定义艺术家的角色，并探索适应性机器人领域中艺术与工程的交叉点。
-
Elsewise 工具增强了 AI 驱动的交互式叙事创作
研究人员开发了 Elsewise，这是一种新的创作工具，旨在帮助交互式叙事的创作者管理生成式 AI 带来的复杂性。该工具实现了一种新颖的“捆绑故事情节”概念，使作者能够可视化和理解玩家可能经历的不同叙事路径。一项用户研究表明，Elsewise 提高了作者预测玩家驱动结果的能力，从而增强了他们对叙事可能性空间的控制。
-
新框架OpenTI旨在统一表格洞察提取研究
一篇新研究论文介绍了一个名为Open Tabular Insight Extraction (OpenTI) 的框架，旨在统一从大型表格语料库中提取知识的碎片化研究工作。该论文通过定义所需的分析知识、从表格中推导这些知识的程序以及如何评估其有用性来正式化OpenTI。论文强调，当前系统主要关注分析，缺乏端到端能力，并且现有的基准测试不适合开放式评估。作者们提出了一个研究议程，以开发全面的OpenTI系统和交互范式。
-
新的MIVAIS平台简化了混合主动AI视觉分析的开发
研究人员开发了MIVAIS，一个旨在简化混合主动视觉分析系统的创建和评估的新平台。这些系统旨在通过整合人类直觉和智能软件代理来增强人机协作。MIVAIS提供了管理代理交互的计算基础设施和一个自动收集多模态数据（如应用程序状态、屏幕录制和音频）的研究环境，以促进用户研究和分析。该平台已通过复制三个现有系统和与人机交互研究人员进行的案例研究得到验证。
-
GazeFS系统通过轨迹预测增强注视交互
研究人员开发了GazeFS，一个旨在通过预测和稳定注视轨迹来改进以目标为中心的注视交互的新系统。GazeFS分析注视-头部历史记录，以预测下一个目标方向并估算搜索/焦点状态，而无需在推理过程中提供明确的目标信息。对30名参与者进行的、跨越数千次采集的实验表明，GazeFS显著减少了注视焦点的偏差、离散度和目标误差，其表现优于原始注视数据，并证明了历史注视模式除了明确的任务进展外，还提供了有价值的信息。
-
扩散模型为研究和生物识别生成逼真的眼动轨迹
研究人员开发了新的扩散模型来生成逼真的眼动轨迹，解决了数据收集成本高昂且受隐私限制的挑战。一个模型专注于生成原始二维注视点位置，在运动学特征和注视持续时间方面实现了高精度。另一个模型合成了高频注视速度序列，并以身份、任务和主观状态为条件，在眼动生物识别等应用中显示出前景。
-
新的人机交接方法协调系统日志和人类报告
研究人员开发了一种新的人机任务交接流程，该流程协调来自系统日志和人类报告的信息。这种方法创建了一个共享的、类型化的任务状态表示，对齐事实并识别冲突，以生成结构化的交接报告。在受控环境中的评估表明，与单独使用任一来源相比，该方法能保持更大的任务状态效用，同时比直接的LLM输出更有效地减少错误信息并保留效用。
-
生成式AI在学生沟通中的使用对技能形成和信任构成风险
一项针对十二名学生的研究表明，生成式AI经常被用于起草专业沟通内容，特别是在专业性要求最高的给教师和管理人员的电子邮件中。学生们利用AI完成从文本小幅修正到撰写完整消息的任务，并根据AI输出的感知人工痕迹和与其个人写作风格的一致性来评估其输出。这一委托过程绕过了技能发展通常涉及的学习循环，可能阻碍个人写作能力的形成，并侵蚀沟通中的信任和真实性。
-
新的SOPHIAS数据集捕捉带有传感器数据的学生演示
研究人员推出了SOPHIAS，一个新颖的多模态数据集，旨在利用各种传感器捕捉学生口头演示。这个12小时的数据集包含了马德里自治大学65名学生的录音，集成了来自网络摄像头、音频、眼动追踪、智能手表生理传感器和交互日志的数据。SOPHIAS还包含演示文稿幻灯片、教师和同伴的评估以及上下文注释，旨在促进自动化反馈和多模态学习分析的研究。
-
海事自主船舶安全综述：透明度、人为因素和监管
对100项关于海事自主水面船舶（MASS）自动化透明度的研究进行的全面综述，重点介绍了关键挑战和解决方案。该研究综合了关于态势感知、人为因素、界面设计和监管的发现，认为不透明的决策和人为不安全控制行为是重大障碍。该综述提出了一个自适应透明度框架，该框架整合了操作员状态估计和可解释的决策支持，以提高交接和紧急情况下的安全性和及时性。
-
智能眼镜被视为统一的第一人称智能平台
一篇新的调查论文提出了一个统一的框架，将智能眼镜理解为第一人称智能平台。该论文强调了智能眼镜从简单的捕捉设备演变为连接人类感知与数字或物理动作的集成系统。它讨论了与能源、散热、隐私和反馈限制相关的挑战，并引入了一个新的 L0-L5 框架来系统地评估这些设备在各种能力和应用中的表现，旨在提高研究的可比性和可重复性。