GraftMind:通过AI介导的想法共享促进小组 ideation
大语言模型(LLM)的人机协作创意协作与反馈系统协作学习与同伴教学UI/UX 设计师AI/ML 研究员与工程师HCI 研究员
文献标题
GraftMind: Facilitating Group Ideation with AI-Mediated Idea Sharing
出版信息
- 主题领域: 基于人工智能的系统,用于增强群体创意生成
- 关键词: 群体头脑风暴、个体创意生成、AI调解器、协同效应、评价顾虑、创意激发、主动辅助、创意共享、语义图谱、双路径理论
背景与问题
- 问题/挑战: 传统的群体头脑风暴会引发评价顾虑,从而抑制创造力,而个体头脑风暴则缺乏协同效应。现有的混合方法在两种模式之间交替,但未能同时整合两者的优势。
- 意义: 结合群体和个体头脑风暴的优势可以增强创造力,减少社会抑制,并改善创意生成的结果。
- 动机与相关研究: 先前研究探索了AI创意伙伴和调解器,但尚未解决个体头脑风暴期间的实时创意共享问题。本文基于创意激发的双路径理论提出了一种新的创意生成设置。
解决方案
- 提出的方法: GraftMind,一个系统,提供私人创意工作空间,并通过基于集体创意的AI调解实现实时创意共享。
- 创新点:
- 引入了一种新的群体创意生成设置,整合了群体和个体头脑风暴的优势。
- 开发了一个AI调解器,提供三种类型的辅助:坚持性、灵活性和多样化推荐。
- 使用数字白板界面嵌入辅助功能,并采用信鸽隐喻实现低干扰交付。
- 通过用户研究验证系统性能,比较创意生成表现、协同效应和评价顾虑。
- 流程与关键技术:
- 使用基于语义图谱的推理技术,通过Qwen3-Rerank进行文本相似性分析以推断用户的创意状态。
- 利用GPT-4.1进行抽象和概念化,生成辅助类型(坚持性、灵活性、多样化)。
- 在用户活动暂停时主动触发辅助交付,并集成到数字白板界面中。
结果
- 具体发现:
- 使用GraftMind的实验组生成的创意显著更多(每组30–40个创意,15–25个创意簇),相比之下,对照组仅生成20–30个创意和10–20个创意簇。
- 实验条件下的评价顾虑评分显著降低(U = 141.5, p < 0.001)。
- 协同效应感知评分在实验组和对照组之间相当(t(58) = −1.02, p = 0.156)。
- 相较基线的优势:
- 与传统群体头脑风暴相比,创意数量和质量更高。
- 在减少评价顾虑的同时保持协同效应。
- 实验/评估:
- 包括60名参与者(28名本科生,32名研究生)的组间研究,每种条件分为10组。
- 评估指标:创意数量、原创性(语义聚类)、创意活动、协同效应感知、评价顾虑。
- 交互日志和满意度问卷提供了额外的洞察。
- 局限性与未来工作:
- 非随机化对照条件和有限样本规模。
- 基于暂停的辅助触发机制可能无法完全捕捉认知状态。
- 需要个性化辅助机制和大规模比较实验。
总结
GraftMind引入了一种新的群体创意生成设置,通过提供私人工作空间和AI调解的实时创意共享,结合了群体和个体头脑风暴的优势。该系统利用语义图谱和生成模型推断用户的创意状态,并通过低干扰界面交付三种类型的辅助(坚持性、灵活性、多样化)。用户研究证明了其在增加创意数量和质量、减少评价顾虑以及保持协同效应方面的有效性。未来工作将针对研究设计、触发机制和个性化方面的局限性进行改进,以进一步优化这一方法。
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。
- 83%
图像分类中协作式交互机器教学的研究
IUI '24· 大语言模型(LLM)的人机协作 +1
- 71%
多用户与AI代理的协作文档编辑
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
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
- 71%
迈向AI作为同事:多智能体系统改进结构化创意构思流程
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
与生成式AI合作:模型主导和人类主导交互在人机共创中的实验评估
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
以人为中心的AI在协同创造力中的 communication:初始框架与洞察
C&C '25· 大语言模型(LLM)的人机协作 +1
- 67%
从HCI研究中映射机器学习进展以揭示设计创新的起点
CHI '18· 大语言模型(LLM)的人机协作
- 67%
IdeationWeb: 跟踪人类-AI共同创作中设计想法的演变
CHI '25· 大语言模型(LLM)的人机协作 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791388
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、创意协作与反馈系统、协作学习与同伴教学
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
8 篇相关论文