解构简单表象：与当地企业家共同设计生成式AI入门工作坊

文献标题

Deconstructing the Veneer of Simplicity: Co-Designing Introductory Generative AI Workshops with Local Entrepreneurs

文献信息

• 主题领域: 人机交互 (HCI) 与生成式人工智能在社区创业中的应用
• 关键词: 生成式人工智能、创业、社区合作研究、人机交互、社会支持

研究背景与问题

• 作者发现了哪些问题或挑战？
  本研究探讨创业过程中使用生成式人工智能的潜力和现存问题。尽管工具如 ChatGPT 和 DALL-E 被设计得“简单易用”，但这些技术可能加剧数字鸿沟，并进一步使弱势社区的创业者处于不利地位。生成式人工智能的使用通常需要技术背景或较高教育水平，而许多地方创业者面临技术资源不足、教育领域的系统性不平等以及对生成式人工智能技术的认知差距。这导致科技包容性日益成为政策和研究的焦点。

• 为什么这个问题很重要？
  本研究聚焦于资源有限的社区，尤其是贫困和种族不平等地区的创业群体。这类群体因经济必要性不得不从事创业活动，但对科技工具的陌生感和不信任感加剧了他们维持和发展的困难。生成式人工智能，如 ChatGPT 和 DALL-E，能够显著提高工作效率和创造力，但确保社区公平、包容和支持的介入模式对弥补技术鸿沟至关重要。

• 研究动机与相关工作
  本研究受到低技术支持模型的启发，例如社区指导和技术帮助的长期实践。针对地方创业者的既往研究表明，构建非正式、非等级化的支持网络能够显著改善技术采纳率和信任度。例如，单对单的技术支持或共享经验的方式已被证明有效。然而，如何在快速变化的生成式人工智能领域中为这些用户构建支持模型仍然是一个未解的问题。本研究旨在填补这一空白。

解决方案

• 作者提出了哪些方法或解决方案？
  作者提出通过合作设计一系列生成式人工智能入门工作坊，帮助地方创业者抹去技术表面“简单易用”的误导性认知，同时克服他们的技术焦虑。研究团队与社区组织 Community Forge 合作，在五个月内举办了四场互动式工作坊，其中重点包括社区共同参与、动手体验和长期技术支持。

• 该解决方案的创新之处是什么？
  创新之处在于该工作坊不仅强调技术使用本身，还注重构建社区间的信任网络、支持技术非使用模式（non-use）并突出实际商业应用和伦理考量。工作坊形式以社区需求为核心，通过渐进式设计探索生成式人工智能在本地商业中的实用性。

• 实施步骤是什么？使用了哪些关键技术？

  1. 初步设计: 研究团队与社区领导共同制定目标，确定生成式人工智能在市场营销等领域的应用主题。
  2. 工作坊结构: 每次工作坊包括社区集会、设备和技术工具的实际演示、小组合作和实践练习。技术工具包括 ChatGPT、DALL-E2、Canva 和 Midjourney。
  3. 反馈与迭代: 在每场工作坊后收集创业者和技术提供者的反馈，通过调查问卷、问卷反馈和一对一访谈持续优化设计。
  4. 长期支持: 提供周例的 Tech Help Desk，一对一地帮助创业者解决具体技术问题，同时维系社区支持网络。

研究成果

• 取得了哪些具体成果？

  1. 创业者通过工作坊初步掌握生成式人工智能工具的实际应用，如网站文案、营销图像生成、产品描述改善。
  2. 揭示了创业者成功使用这些工具所需的基础技能，包括浏览器操作、文件存储与转换、图形设计、密码管理以及自我效能感的建立。
  3. 明确了创业者在使用生成式人工智能技术时的主要关切，包括知识产权问题、种族和性别偏见、真实性和技术依赖风险。

• 与现有解决方案相比，它有哪些优势？
  本研究提供了一种以社区为中心的技术介入方法，强调在实际应用中支持创业者“使用与非使用”的选择权，同时关注构建创业者的技术能力和推动社区资本发展。与传统技术推广不同，它关注创业者的心理和情感层面，同时设计了连贯的合作与支持框架。

• 实验或评估结果是什么？
  研究通过访谈和工作坊发现，除去生成式人工智能表面“简单”的定位，创业者在技术采纳过程中需要复杂的技能培训及支持体系。此外，创业者对技术的直觉性质疑反映了工具设计的局限性，同时暴露了如何通过社区资源补足数字鸿沟的必要性。

• 局限性与未来方向

  1. 局限性: 招募到的受访参与者倾向于积极参与工作坊，因此数据可能偏向正面反馈；此外，生成式人工智能使用评价尚未涵盖长期影响。
  2. 未来方向: 提高课程系统化和知识转移的有效性；设计支持“非使用”的研究方法；探索技术伦理教育以及快速变化的政策对创业者的影响；开发更广泛的社区支持体系以应对政策更新及技术挑战。