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:
    1. 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。
    2. 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。
    3. 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。
    4. 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。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/222164/2026

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

论文快照

fact_check
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