Plotania:通过虚拟读者与透明归属探究AI协作写作中的透明度权衡

大语言模型(LLM)的人机协作AI辅助写作与文本生成创意协作与反馈系统HCI 研究员UI/UX 设计师自由职业者(设计、写作、翻译)

文献标题

Plotania: Exploring Transparency Trade-offs in AI Co-Writing Through Virtual Readers and Transparent Attribution

出版信息

  • 主题领域: 人工智能与人类协作的创意写作
  • 关键词: AI协作写作、创意自主性、透明性、虚拟读者、归因可视化、观众意识、准社会关系、叙事技巧、人机交互、创意工具

背景与问题

  • 问题/挑战: 当前的AI写作工具扰乱了作者的控制权和观众意识,这些都是创意自主性的重要组成部分。透明性机制通常被视为独立问题,未能解决其相互依赖性及潜在权衡。
  • 重要性: 在AI辅助写作中提升创意自主性对于赋能作者,同时保持作品的真实性和所有权至关重要。
  • 动机及相关工作: 之前的研究分别探讨了归因追踪和观众反馈,但未研究它们对创意自主性的综合影响。现有系统缺乏平衡透明性与创意赋能的机制,无法深入理解这些特性如何交互。

解决方案

  • 提出的方法: Plotania,一个整合虚拟读者以提供实时观众反馈,并通过透明归因层追踪人类与AI贡献的协作写作系统。
  • 创新点:
    1. 引入“保留自主性的透明性”原则,平衡信息提供与创意赋能。
    2. 开发针对特定体裁校准的虚拟读者,提供结构化和情境化的反馈。
    3. 实现透明归因系统,追踪细粒度贡献,同时关注作者心理影响。
  • 流程与关键技术:
    • 使用六维创意贡献分类法进行透明作者归因追踪。
    • 虚拟读者提供体裁校准的反馈,反馈范围和强度可控。
    • 灵活的结构支持工具,如可协商的情节画布和项目持久记忆,以确保长上下文一致性。
    • 防形式化保护机制,维护AI生成文本的语音真实性。

结果

  • 具体发现:
    • 归因可视化减少了AI使用,增加了人类与AI贡献的清晰度(效应量d=0.87)。
    • 虚拟读者增强了观众意识(+0.38),但略微降低了感知创意自主性(-0.13)。
    • 透明性功能的结合实现了互补效果,适度提升了创意自主性(+0.13)。
  • 相较基线的优势:
    • 完整系统(归因与虚拟读者结合)在整体偏好(80%)和写作质量评分(70%)上优于单一功能。
    • 虚拟读者促进了准社会关系和个性化技能发展,提供了情感和认知支持。
  • 实验/评估:
    • 采用20名参与者的控制研究,使用2×2因子设计,涵盖四种条件:基线、仅归因、仅读者、完整系统。
    • 测量指标包括写作生产力、主观创意自主性、观众意识、认知负荷及定性访谈。
    • 观察到阶段依赖效应,透明性机制在叙事不同阶段表现出不同影响。
  • 局限性与未来工作:
    • 样本量较小(N=20),限制了检测微小效应的统计能力。
    • 实验室环境可能无法完全反映长期创意过程。
    • 归因指标集中于文本相似性,而非高阶创意贡献,可能误导作者身份动态。
    • 未来工作应探索自适应透明系统、更深入的AI协作关系及多维归因框架。

总结

Plotania通过整合虚拟读者和透明归因机制解决了人机协作写作中的关键矛盾。控制实验揭示了复杂权衡:虚拟读者增强了观众意识但降低了感知自主性,而归因可视化引发身份焦虑却赋能编辑控制。结合功能实现了互补优势,表明透明性需要精心协调而非最大化。这些发现为保留自主性的透明性提供了原则,并强调了需要平衡创意自主性与协作支持的自适应系统。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/222693/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790926
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、AI辅助写作与文本生成、创意协作与反馈系统
work
职业/产业
HCI 研究员、UI/UX 设计师、自由职业者(设计、写作、翻译)
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文