跳到正文

机构与平台

ACM 最新动态

追踪ACM的体验研究、方法、产品与机构动态。

2 条精选近 30 天 2 条共收录 3 条

更新

ACM的精选

今天10月20日周二第 1–2 条
  1. arXiv73

    生成式AI重塑博物馆互动空间：一项关于从预制内容到情境生成的四波纵向研究

    生成式 AI 改变了互动表面和空间（ISS）的基本条件，即面向观众的内容可以在交互过程中产生，而非完全预先创作。针对这一变化，一项为期四年的纵向定性研究追踪了 23 名中国科学博物馆从业者的观点演变，揭示了机构在引入 AI 时面临的深层设计重构问题。研究发现，从业者的认知经历了从预期认识论和操作风险，到后台实验和面向观众的试点，最终走向情境化治理以及对博物馆互动目的重新审视的过程。随着时间推移，生成式 AI 重新配置了博物馆 ISS 的设计难题：生成内容出现在机构权威之下；推理延迟成为公众和身体可感知的体验；并发触摸、手势和语音创造了模糊的多用户意图；而生成后的编辑可能使策展人仅在 AI 定义的可能性空间中进行选择。这些观察促使研究将这种转变概念化为从“预制展示”到“情境生成”的移动，并提出了四项设计命题：展示时的来源追溯、空间上适当的回退机制、多意图协商以及生成前的策展控制。这些命题植根于从业者的实际叙述，而非对已实施解决方案的评估，为理解 AI 在实体文化空间中的嵌入提供了实证依据。该研究由 Yibo Meng, Xiujun Chen, Bingyi Liu, Xiaolan Ding 完成，发表于 ACM ISS 2026 PACMHCI，样本保留率从 23 人降至 19 人，采用反思性主题分析进行处理。

    推荐理由：纵向追踪博物馆从业者对生成式AI的适应过程，揭示从预制内容到情境生成转变中的治理挑战与设计命题。

10月14日周三
  1. ACM Transactions on Computer-Human Interaction62

    ACM TOCHI 发表智能家居设备用户对隐私期望确认的反应评估研究

    揭示智能家居设备实际数据处理方式会显著影响用户的信任感、满意度以及是否选择阻断设备通信等应对行为。当设备的数据处理实践与用户预期相符时，用户对数据实践的满意度提升，进而增强继续使用该设备的意愿；但当涉及防御性反应时，实地场景与实验环境下的驱动因素存在差异。 该研究以期望确认理论（Expectation-Confirmation Theory）为框架，采用两项互补的研究设计以平衡生态效度与实验控制。第一项为探索性的实地现场研究，样本量为35人，通过网络监控技术向参与者展示其设备真实的流量数据；第二项为在线实验，样本量为132人，向参与者呈现模拟报告，并操纵其中与广告相关的通信水平。 研究发现，在两项研究中，数据实践与用户期望的一致性均能正向预测满意度及持续使用意向。然而，对于“阻断设备通信”这一防御性行为，预测因子在不同情境下表现不同：在实地现场研究中，满意度是预测用户是否愿意阻断通信的主要指标；而在受控的在线实验中，对数据收集的担忧程度则是预测阻断行为的首要因素。这表明透明度重塑了现有智能家居用户的态度和行为，且期望确认在真实世界的持续使用场景中扮演关键角色。由于仅依据公开摘要，具体实验细节、统计方法及局限性未在此展开，但核心结论指向了隐私披露效果的情境依赖性。

    推荐理由：结合期望确认理论，通过实地监测与在线实验对比数据实践透明度对用户信任、满意度及防御性阻断行为的不同影响路径。