面向对话和按需隐喻的跨学科阅读

研究背景与问题

• 发现的问题或挑战: 作者指出，人机交互（Human-Computer Interaction, HCI）和科学技术研究（Science and Technology Studies, STS）等跨学科领域的交流具有挑战性。HCI研究者在阅读STS文献时通常因术语陌生、写作风格独特以及内容抽象而产生困难，这种困难可能导致兴趣下降、理解受阻，并最终影响跨学科协作。
• 重要性: 跨学科合作是解决复杂社会和技术问题的关键。然而，由于不同学科内部的规范（如写作风格、术语定义等）不同，跨学科交流通常受到阻碍。在面对全球性挑战时，跨学科思维尤为重要。
• 研究动机与相关工作: 之前的研究开发了一些工具（例如 Paper Plain 和 ScholarPhi）来帮助处理某些特定领域的文献阅读困难，但它们在面对不规则结构和社科术语方面效果有限。因此，作者希望探索通过隐喻帮助HCI研究者更好地理解STS文献，以减少这些障碍。

解决方案

• 提出的方法或解决方案: 作者结合对话模型的抽象隐喻和大语言模型（LLMs）的实时生成能力，提出通过隐喻促进STS与系统HCI之间的跨学科交流。研究提出了一个隐喻交换模型，用于生成并分析隐喻如何增加文献的可读性和吸引力。
• 创新之处:
  1. 使用LLMs生成“按需”的隐喻，这些隐喻经过微调以符合有效隐喻的四个核心特性：基于经验、独立于文本、不过度细化、保持一定模糊性以促进个人理解。
  2. 将隐喻的生成融入到动态对话模型中，强调接收方对隐喻的互动和反馈，以促进共享理解。
• 实施步骤与技术:
  1. 利用开放式问卷调查吸引48名HCI博士生参与研究，分析他们阅读STS文献的挑战。
  2. 提供LLM生成的隐喻作为补充说明，并收集参与者对隐喻的反应。
  3. 鼓励参与者重新解释原文并设计交互界面，以探索他们与隐喻互动的方式。

研究成果

• 具体成果:
  1. LLM生成的隐喻显著提高了参与者继续阅读STS文献的意愿。调查发现，在有隐喻帮助的情况下，参与者继续阅读的可能性从40.5%上升到56.3%。
  2. 参与者报告，通过隐喻对STS文本的理解有所改善，尤其是复杂术语和抽象概念的解析。
  3. 隐喻提供了更加具体和生动的场景，使参与者能更好地与抽象概念联系，甚至产生视觉化和图像化的理解。
• 与现有解决方案的优势: 与现有的文献辅助工具相比，此方法强调个性化和动态调整。通过结合隐喻的生成与对话模型，促进了用户的主动参与和理解。
• 实验或评估结果: 开放式问卷及描绘草图显示，参与者偏好灵活的隐喻生成机制，以及允许自己定制隐喻背景的功能。这些功能不仅改善了阅读体验，还为进一步的跨学科协作提供了指导。
• 局限性与未来方向:
  1. 局限性: 研究基于单一STS作者的文献，没有涉及其他著名STS学者的作品；分析主要依赖自我报告，未来可加入基于真实学习效果的客观测试。
  2. 未来方向: 考虑不同学科背景的隐喻交换，对不同细分领域的内容进行进一步探索；研究隐喻与其他解释方法（如总结或简化）的协同效果；探索开发基于对话的动态代理系统。

通过此研究方法，作者为减少跨学科阅读障碍提供了一种新颖的技术解决方案，同时也为隐喻在学术学习环境中的应用提供了重要的启示。