超越生产力:重新思考创造力支持工具的影响
生成式AI(文本、图像、音乐、视频)创意协作与反馈系统UI/UX 设计师HCI 研究员
创造力支持工具(CST)在各种创造性领域得到广泛应用,生成式AI最近提升了CST的能力。为了更好地理解CST的成功如何在文献中被确定,我们对CST评估中使用的outcome measures进行了综述。从ACM数字图书馆的173项CST评估中,我们确定了用于评估用户与CST交互的常用指标。我们的发现揭示了当前评估实践的 prevailing 趋势,同时揭示了可能拓宽未来研究范围的未被充分探索的措施。基于这些结果,我们主张采用更全面的方法来评估CST,鼓励HCI社区不仅考虑用户体验和生成输出的质量,还要将自我反思和幸福感等以用户为中心的方面作为评估的关键维度。我们还强调了需要专门适合评估CST中生成式AI的validated measures。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
VizCrit:视觉设计工具中计算反馈展示策略的探索
CHI '26· 生成式AI(文本、图像、音乐、视频) +1
- 100%
构建用于创意工作的人类-多智能体团队
CHI '26· 生成式AI(文本、图像、音乐、视频) +1
- 80%
我主导,你帮忙但只需提供足够的细节:理解与人工智能共同创作的用户体验
CHI '18· 生成式AI(文本、图像、音乐、视频) +2
- 80%
当团队拥抱AI时:创造性设计任务中生成性提示中的人机协作策略
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 80%
意图标记:探索微提示交互以支持细粒度的人类与生成式AI协同创作工作流程
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 80%
Iconix:在渐进式图标网格生成中控制语义与风格
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 80%
探索基于生成式AI的实时协作创意对话提示的潜力
C&C '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
理解人类与AI代理之间的非线性协作:创意设计的共同设计框架
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 67%
偏好引导的提示优化用于文生图生成
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 67%
减少重绘,多加探索:草图到图像的建议与补全
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
C&C
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、创意协作与反馈系统
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文