追踪创造力：人机交互中创意活动痕迹的设计空间

文献标题

Tracing Creativity: A Design Space For Creative Activity Traces in HCI

出版信息

• 主题领域: 人机交互（HCI）中的创意活动痕迹及其在创意工具设计中的作用。
• 关键词: 创意工具，活动痕迹，HCI，创意过程，设计材料，生成式人工智能，痕迹意识，创意工作流，中间产出，系统设计。

背景与问题

• 问题/挑战: 创意工具往往未能系统地捕获、表示和操作在创意工作中生成的过程相关数据（活动痕迹）。这导致工具将创意过程简化为静态快照，丢失了迭代工作流的时间丰富性。
• 重要性: 弥补这一空白对于设计更符合创意实践的工具至关重要，这些工具能够支持反思、重用和适应，并促进创作者与系统之间更丰富的交互。
• 动机与相关工作: 以往关于创意支持工具（CSTs）及相关系统的研究主要关注于实现创意输出，但并未系统地研究如何捕获或利用过程数据。生成式人工智能的兴起进一步凸显了理解和利用活动痕迹框架的必要性，因为这些系统越来越依赖复杂的多模态过程数据。

解决方案

• 提出的方法: 作者提出了痕迹意识动态框架（Living Framework for Trace Awareness），该框架描述了活动痕迹的数据和时间特征，以及它们在创意工具中的使用方式。
• 创新点:
  1. 开发了首个系统性框架，用于分析和比较创意工具中活动痕迹的使用。
  2. 确定了利用时间过程数据来塑造系统行为的痕迹意识系统。
  3. 分析了133个创意工具，以绘制跨领域的痕迹使用图谱并识别空白和机会。
  4. 提议将活动痕迹视为一种“设计材料”，以实现更有意图且更符合创作者需求的工具设计。
• 过程与关键技术:
  • 对2020–2025年间主要HCI会议的133篇文献进行了文献综述。
  • 开发了一个编码方案，用于分析痕迹数据特征（模态、来源、上下文、渠道）和痕迹意识系统行为（捕获代理、上下文窗口、可见性、功能）。
  • 将研究结果综合为痕迹意识动态框架，突出痕迹使用模式和空白。

结果

• 具体发现:
  • 分析的系统中有57%（133个中的77个）具有痕迹意识，利用时间过程数据来驱动系统行为。
  • 文本是最常见的模态，通常作为跨领域表示痕迹的通用语言。
  • 痕迹功能被分类为回顾性（如反思、回溯）、操作性（如重用、组织）和前瞻性（如上下文建议、风格对齐）。
  • 音乐/音频和视频编辑等领域的痕迹意识功能有限，而创意编码或写作工具则表现更为突出。
• 相较基线的优势: 该框架提供了一个结构化的词汇表，用于分析和比较系统中的痕迹使用，填补了以往研究中缺乏统一方法的空白。
• 实验/评估:
  • 对HCI领域的133个系统进行了文献综述。
  • 对痕迹数据特征和系统行为进行了编码分析。
  • 在艺术、叙事、视频和游戏等11个创意领域进行了比较分析。
• 局限性与未来工作:
  • 框架需要进一步完善，以解决未解决的挑战，例如区分痕迹数据中的内容和意图。
  • 研究范围局限于创意媒体领域，未来应扩展至CAD、用户体验（UX）和编程工具。
  • 痕迹捕获和使用的伦理问题需要进一步探讨，包括同意、透明性和规范基础等问题。

总结

本文提出了痕迹意识动态框架（Living Framework for Trace Awareness），用于分析和比较创意工具如何捕获和利用创意工作中生成的活动痕迹（过程相关数据）。通过对跨创意领域的133个系统进行综述，作者识别了痕迹使用模式，突出空白，并提出将痕迹视为“设计材料”，以使工具更贴合创意实践。该框架为设计支持反思、重用和适应的痕迹意识系统奠定了基础，同时也应对了伦理和技术挑战。此项研究朝着更有意图且更符合创作者需求的创意工具设计迈出了重要一步。