符号如何演变:历史分析及其对支持用户自定义抽象的启示
作者
生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作参与式设计(Participatory Design)用户研究方法(访谈、调查、观察)HCI 研究员AI/ML 研究员与工程师软件工程师与开发者
文献标题
How Notations Evolve: A Historical Analysis with Implications for Supporting User-Defined Abstractions
出版信息
- 主题领域: 符号发展历史与理论分析及其对人机交互(HCI)的影响。
- 关键词: 符号演化、形式化、人机交互、抽象、认知维度、符号学、用户定义语言、设计启示。
背景与问题
- 问题/挑战: 当前的人工智能系统依赖于现有的形式化方法,难以支持新符号的创建、演化和形式化。人类开发新符号的过程,尤其是其认知、社会和物质维度,尚未得到充分探索。
- 重要性: 理解符号如何演化可以为设计更好支持用户定义抽象的系统提供指导,从而实现更灵活和动态的人机交互。
- 动机与相关研究: 先前的研究主要集中在现有符号的可用性启发式、个别符号的历史研究以及渐进式形式化。然而,符号创建和演化的一般机制和模式仍然不够清晰。本文基于符号学、认知科学和人机交互研究以填补这一空白。
解决方案
- 提出的方法: 对跨学科符号发展的历史进行比较分析,识别演化模式和阶段,并推导出对系统设计的启示。
- 创新性:
- 识别了33种符号创建、演化和形式化的模式,涵盖三个社会阶段(发明/孵化、传播/分化、制度化/神圣化)和三个功能阶段(描述性、生成性、评估性)。
- 引入了认知和社会机制,例如连接隐喻、基础隐喻以及有意义变化的维度。
- 提出了“形式化方阵”框架,将形式化概念化为既翻译现有系统又创建新系统的过程。
- 初步设计了支持用户定义符号和渐进式形式化的系统设计启示。
- 过程与关键技术:
- 对来自不同领域(如音乐、化学、编程)的符号进行了平行的比较历史分析。
- 通过归纳迭代和解释学方法逐步识别模式。
- 将模式分类为认知、社会、形式化和约束相关因素。
- 提出了符号演化的理论框架及其对HCI设计的启示。
结果
- 具体发现:
- 符号通过认知对齐、社会采纳和物质约束的迭代过程演化。
- 连接隐喻和基础隐喻在符号开发的早期阶段发挥关键作用。
- 有意义变化的维度与感知通道相匹配,这些通道随着时间的推移被扩展或饱和。
- 形式化涉及标准化、制度化和治理的社会过程。
- 相较基线的优势: 提供了一个全面的、多学科的符号演化理解框架,弥补了先前研究中仅关注个别符号或可用性启发式的不足。
- 实验/评估:
- 对费曼图、SignWriting、分子式和编程语言等符号进行了历史案例研究。
- 分析了开发阶段的模式,并通过一手和二手资料支持。
- 局限性与未来工作:
- 关注宏观模式,缺乏对形式化过程的详细逐步描绘。
- 对符号创建中的非正式、实时交互覆盖有限。
- 未来工作可以探索实验符号学以及HCI中动态用户定义抽象。
总结
本文对符号的创建、演化和形式化进行了历史分析,识别了跨社会和功能阶段的33种模式。主要贡献包括连接隐喻和基础隐喻的作用、有意义变化的维度以及“形式化方阵”框架。这些发现对设计支持用户定义抽象的系统具有重要启示,有助于实现动态和灵活的交互。未来工作可以进一步探索形式化的微观过程以及将这些见解整合到人工智能和HCI系统中。
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。
- 71%
AILA:基于注意力机制的深度神经网络文档分类的注意交互式标签助手
CHI '19· 大语言模型(LLM)的人机协作 +1
- 63%
培养同理心:扩大用户研究以产生组织影响
CHI '18· 参与式设计(Participatory Design) +1
- 63%
AI增强的头脑风暴:研究LLM在团队创意生成中的应用
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 63%
探索巫师之路:人机交互中Oz方法的系统综述
CHI '26· 参与式设计(Participatory Design) +3
- 63%
从丢弃到带走:生成式人工智能与氛围编程如何加速不同技术水平的原型开发
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 63%
氛围编程的纠缠——重新定位生成式 AI 编程中意图、作者身份与责任的边界
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 63%
探索预训练模型的创新机会
DIS '25· 生成式AI(文本、图像、音乐、视频) +2
- 63%
实验室中评估生成式AI:方法论挑战与指南
IUI '26· 生成式AI(文本、图像、音乐、视频) +3
- 63%
MACEDON:通过实时多维度代码评估和优化支持程序员
UIST '25· 360° 视频与全景内容 +2
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/10.1145/3772318.3790264
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
5 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作、参与式设计(Participatory Design)、用户研究方法(访谈、调查、观察)
work
职业/产业
HCI 研究员、AI/ML 研究员与工程师、软件工程师与开发者
article
内容状态
已索引正文
hub
相关论文
9 篇相关论文