重新思考生成式3D建模工具的入门与求助方式："我只需要GPT来优化我的提示词"

文献标题

"I Just Need GPT to Refine My Prompts”: Rethinking Onboarding and Help-Seeking with Generative 3D Modelling Tools

出版信息

• 主题领域: 生成式人工智能辅助的3D建模工具中的入门和求助行为。
• 关键词: 生成式人工智能, 3D建模, 入门指导, 求助行为, 提示工程, AI链式操作, 专业工作流, 休闲用户, 基于积分的系统, 人机交互。

背景与问题

• 问题 / 挑战: 传统的入门方法（如教程、文档）对于生成式人工智能工具来说不足以满足需求，因为用户需要应对不可预测的输出、不明确的提示以及有限的反馈。目前对生成式人工智能如何重塑创意领域（如3D建模）中的入门和求助行为的理解仍然有限。
• 重要性: 生成式人工智能工具承诺降低休闲用户的使用门槛，并加速专业人士的工作流程，但也带来了新的摩擦，例如有效提示的制定和对随机输出的解释。理解这些动态对于设计支持不同专业水平的系统至关重要。
• 动机与相关研究: 之前的人机交互研究探讨了复杂软件的可学习性障碍、在线社区中的求助行为以及智能系统的可用性挑战。然而，这些研究未涉及生成式人工智能如何改变入门和求助行为，特别是在像3D建模这样的创意工作流程中。

解决方案

• 提出的方法: 本研究通过对26名参与者（14名休闲用户，12名专业人士）使用Meshy AI和Spline AI的观察研究，探讨生成式3D建模工具中的入门和求助行为。
• 创新点:
  1. 识别“提示优先”的心理模型和AI链式操作（使用外部AI如ChatGPT进行提示优化）。
  2. 提供生成式人工智能如何在不同专业水平上重塑入门和求助行为的实证见解。
  3. 分析基于积分的约束对探索和迭代行为的影响。
  4. 提出双模式工作流、微型支架以及积分透明性的设计启示。
• 研究流程与关键技术:
  • 基于任务的建模观察研究（文本到3D、图像到3D、开放式设计）。
  • 半结构化访谈以捕捉反思性见解。
  • 分析求助行为、提示迭代策略以及工作流整合情况。

结果

• 具体发现:
  • 休闲用户依赖外部AI工具（如ChatGPT）进行提示优化，而专业人士则使用自我制定的详细提示。
  • 专业人士认为AI输出不适合生产使用，而休闲用户通常接受输出为“足够好”。
  • 积分约束减少了探索行为，积分意识参与者平均每个任务迭代2.3次，而积分无意识参与者平均迭代4.4次。
  • 求助行为较少；参与者避开内置教程和文档，更倾向于试错或使用外部资源。
• 相较基线的优势: 研究揭示了生成式人工智能工具中特有的入门和求助行为，例如AI链式操作和提示级迭代，这些行为未在传统人机交互入门框架中得到解决。
• 实验 / 评估:
  • 参与者（n=26）使用Meshy AI和Spline AI完成了三个建模任务。
  • 数据收集包括屏幕录制、思维大声说协议以及任务后访谈。
  • 分析揭示了休闲用户与专业用户在提示风格、迭代策略和工作流整合方面的差异。
• 局限性与未来工作:
  • 仅限于两个生成式3D建模工具和特定参与者群体。
  • 固定任务顺序可能影响了行为表现。
  • 未来工作应探索更广泛的用户群体、更多工具以及积分可用性的系统性变化。

总结

本研究探讨了生成式人工智能如何重塑3D建模工具中的入门和求助行为，揭示了休闲用户与专业用户之间的显著行为差异。休闲用户通常依赖外部AI工具（如ChatGPT）进行提示优化，而专业用户使用详细的自我制定提示，但认为输出不适合生产使用。积分约束显著影响了迭代行为，减少了探索。研究结果提出了设计启示，例如双模式工作流、提示优化的微型支架以及积分透明性。这些见解为人机交互领域提供了生成式人工智能如何改变创意工作流程和求助实践的新视角。