human–computer interaction
PulseAugur coverage of human–computer interaction — every cluster mentioning human–computer interaction across labs, papers, and developer communities, ranked by signal.
- instance of Influence Flower 70%
- instance of alphaXiv 60%
- authored by ScienceCast 60%
- authored by Gotit.pub 60%
- instance of Gotit.pub 60%
- instance of CORE Recommender 60%
- instance of CatalyzeX Code Finder for Papers 60%
- used by CORE Recommender 60%
- instance of Litmaps 60%
- instance of scite Smart Citations 60%
- affiliated with alphaXiv 50%
- instance of ScienceCast 50%
7 天有情绪数据
-
新方法ALIGN增强高风险AI的控制与问责制
研究人员开发了ALIGN,这是一种新的基于场景的方法,旨在改善高风险AI系统的开发和实施中的治理和利益相关者参与。该方法旨在提高对社会技术系统中控制与问责制潜在不一致的认识,提供一种结构化的方法来评估这些一致性并支持缓解AI风险的设计决策。ALIGN通过在复杂的铁路用例中借鉴专家访谈和参与式观察的见解进行迭代开发和评估,强调了在整个AI生命周期中控制-问责制一致性的重要性。
-
个性化数据分析揭示日常情绪健康变化
本研究论文通过分析包括情绪状态和背景信息在内的个性化数据,探讨了日常情绪健康。研究发现,情绪健康高度个体化且因日而异,个性化方法比通用模型更有效。研究使用了机器学习技术来识别区分一个人日常情绪健康类型的每日背景信号。
-
AI在研究中的作用:我们能信任AI生成的摘要吗?
人机交互先驱 Clarisse Sieckenius de Souza 在 ACM Multimedia 2026 的主题演讲中,讨论了AI在学术研究中的影响。她强调了像ChatGPT和Claude这样的AI工具可以总结论文,但对研究人员在依赖AI进行文献综述时如何保持其“认识论权威”表示担忧。De Souza 强调研究人员需要保留审查AI生成内容、追溯其来源的能力,并最终对他们产生的知识负责。
-
EvoDesign框架通过演进的专业知识实现可编辑图表创建
研究人员开发了EvoDesign,一个用于创建可编辑图表的代理框架。该系统使用协调的代理生成图表清单,然后在验证环境中进行渲染和评估。EvoDesign通过局部调整和长期的设计专业知识演进机制来优化图表,该机制将成功的优化策略提炼成记忆层。还引入了一个新的基准测试CanvasBench,用于在内容、视觉和认知维度上评估图表,EvoDesign在该基准测试中表现出色。
-
当文本证据缺失时,LLM的“记忆捷径”可能导致标注无效
一篇新的研究论文探讨了大型语言模型(LLM)在标注文本时出现的“记忆捷径”现象。研究发现,虽然LLM通常不会在现有知识与文本证据冲突时用现有知识替代文本证据,但它们在证据缺失时确实会表现出这种捷径。这可能导致标注在事实层面与主题相关,但却得不到所提供文本的支持,从而可能使研究无效。该论文建议,值得信赖的LLM标注需要进行审计,以测试证据缺失情况,考虑标注指令的激励因素,并评估缓解措施的权衡。
-
新综述探讨生成式AI对人类认知资本的影响
一篇新发表在arXiv上的综述文章探讨了在生成式AI日益融入知识工作背景下的“认知资本”概念。该文区分了人机系统的能力与个体及组织内保留的知识、技能和判断力。文章提出了AI互动可能影响认知资本的四种机制,包括实践替代、支架式学习、元认知校准和组织聚合,并概述了七项基于现有证据的原则。
-
新算法MoViD运用光子学原理实现实时视频运动检测
一种名为MoViD(Motion estimation via Virtual dispersion and phase Detection)的新算法已被开发出来,其灵感来源于光子时域拉伸技术。这种基于物理学的方法将视频像素视为光时间序列,通过分析光谱展宽和诱导的相位偏移来检测运动。MoViD直接在宽带视频信号上运行,处理速度远超传统的(光流法)或基于学习的方法,能够实现高分辨率的实时运动分析。
-
新框架提出神经自适应接口以提供个性化通信支持
研究人员提出了一个用于创建神经自适应通信接口的框架,该接口可以为个体用户提供个性化的语音和语言支持。该系统旨在根据用户的能力和正在进行的交互来调整语言呈现,超越了可能不适合所有人的固定辅助工具。该框架将消息访问与用户需求估计和支持选择分开,并结合行为反馈和脑电图作为适应的信息来源。计划进行分阶段评估,以比较固定、行为自适应和神经自适应接口,重点关注神经信息是否能在强大的行为基线之上提高理解力和通信效率。
-
机器人与人工智能增强养老服务:挑战与解决方案
一篇新发表在arXiv上的章节探讨了将机器人系统和环境智能集成到改善老年人在住宅和私人家庭中的护理。它将这些环境视为人机交互(HRI)的挑战性环境,强调需要能够满足多样化居民需求和有限技术支持的设计。该章节详细介绍了交互设计的考量,重点关注低数字素养用户的可访问性,并通过实际策略以及与AI和隐私法规的对齐,解决了隐私、信任和可接受性等关键问题。最后,它确定了可扩展、符合法规部署的开放性研究挑战,以促进有尊严和独立的衰老。
-
新系统改进AI生成的编程反馈验证
研究人员开发了ValiAssist系统,旨在帮助教师更有效地验证AI生成的编程反馈。该系统采用基于演示的方法,从教师对AI反馈的修改中推断验证逻辑。在一项涉及16名教师的研究中,ValiAssist显著提高了AI反馈与教学目标的契合度,并将纠正问题标准的准确性提高了一倍多。
-
印度学生应对教育和就业中的AI · 跟踪2个来源
一项新研究考察了印度的工程专业学生如何在很大程度上排斥AI工具的教育和招聘体系下,为日益受到生成式AI影响的就业市场做准备。研究人员采访了23名学生和近期毕业生,以了解他们在课程作业、考试和工作申请中使用AI的情况,揭示了关于AI优先工作场所与无AI招聘筛选、教师执行以及学生对准备情况的担忧等主题。该研究借鉴了信号理论,认为随着AI辅助学术工作的产出,成绩等传统指标可能需要重新评估,并为雇主、机构和AI工具开发者提供建议。
-
新方法将特征可理解性整合到AI解释中
arXiv上发表的一项新研究探讨了将特征可理解性整合到表格数据解释的特征选择中。研究人员收集了特征的可理解性分数,并开发了一种算法来选择既有信息量又易于理解的特征。虽然对解释的直接评估未显示出统计学上的显著改进,但比较评估表明,用户比预期更频繁地偏好这些解释。
-
新的人机交互 (HCI) 综述探讨了 AI 对自我的影响
一篇发表在 arXiv 上的新的范围界定综述分析了 102 篇论文,探讨了人工智能如何影响对自我的理解和体验。该综述将“AI 介导的自我”定义为一个概念框架,连接了 AI 在教育、工作、健康和创意实践等各个领域的角色。它还引入了“AI-自我包容框架”来描绘 AI-自我关系,并确定了四个关键的伦理风险:能动性/自主性、身份/作者身份、关系能力和意义构建。
-
新的基准旨在衡量和提升LLM的创造力
两篇新的研究论文提出了评估大型语言模型(LLM)创造力的新颖方法。第一篇论文介绍了一个侧重于长尾性能的框架,认为创造力最好通过模型生成不常见但高质量输出的能力来衡量。第二篇论文提出了一个专门针对UI设计的基准,揭示了虽然LLM是合适的,但其输出比人类设计更具重复性。两项研究都强调了需要更好的指标来评估和提升LLM的创造力。
-
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。