KNIT: 跨学科团队实时收敛的计算边界对象

文献标题

KNIT: Computational Boundary Objects for Real-Time Convergence in Interdisciplinary Teams

出版信息

• 主题领域: 健康技术领域跨学科协作的AI辅助工具
• 关键词: AI辅助协作, 计算边界对象, 跨学科团队, 健康技术, 知识边界, 价值主张, 实时协商, Carlile的3T框架, 利益相关者视角, 共创设计

背景与问题

• 问题/挑战: 健康技术领域的跨学科团队在快速迭代过程中，面临着对多学科视角、利益相关者优先级以及问题框架进行对齐的持续挑战。现有工具无法充分支持实时协商与收敛。
• 重要性: 健康技术团队中的不对齐可能导致产品开发受阻，进而引发低效、高成本的调整，甚至导致产品无法满足临床、技术或市场需求。
• 动机与相关工作: 尽管以用户为中心的设计、敏捷开发和共创设计方法在一定程度上解决了跨学科协作的问题，但它们在解决认知和政治张力方面缺乏强有力的机制。传统的边界对象是静态的，无法适应动态团队需求。而现有的AI工具主要集中于发散或事后综合，缺乏对实时收敛的支持。

解决方案

• 提出的方法: KNIT（知识协商与整合工具），一种AI辅助框架，通过生成计算边界对象来促进跨学科团队的实时收敛。
• 创新点:
  1. 引入计算边界对象，动态重构团队输入以支持知识的传递、翻译和转化。
  2. 基于Carlile的3T框架，提供AI辅助收敛模式在句法、语义和语用边界上的实证证据。
  3. 提出计算边界对象的设计原则，包括再生弹性、匿名化和利益相关者锚定。
  4. 展示AI作为跨学科协作中的认知中介的作用。
• 流程与关键技术:
  1. 个体异步匿名输入收集，由AI标准化为初步价值主张。
  2. 团队画布模块，用于协作审查、语义聚类和面向利益相关者的协商。
  3. 视角反思模块，通过AI生成的利益相关者问题陈述，促进重构与对齐。

结果

• 具体发现:
  • KNIT在知识边界跨越中取得了95.0%（句法）、86.3%（语义）和84.8%（语用）的成功率。
  • “问题翻转”组件通过基于利益相关者视角锚定讨论，在语用转化中达到了93.2%的成功率。
  • “相似表达”组件通过聚类近义短语，在语义对齐中实现了88.3%的成功率。
• 相较基线的优势:
  • 与传统边界对象不同，KNIT的计算边界对象能够动态适应团队输入，从而实现实时协商与对齐。
  • AI重构工具如“问题翻转”通过主动转化团队视角，优于传统的重组工具。
• 实验/评估:
  • 在7个健康技术团队（28名参与者）中开展了190次跨边界情境的工作坊实验。
  • 使用Carlile的3T框架和团队互动的主题分析进行评估。
  • “问题翻转”和“相似表达”等组件是成功跨越边界的关键驱动因素。
• 局限性与未来工作:
  • 由于依赖AI生成的人工制品，存在虚假共识的风险。
  • 由于研究集中于英国的健康技术团队，普适性有限。
  • 未来工作应探索长期效应、领域特定的适配以及AI接受度的文化差异。

总结

KNIT引入了计算边界对象，作为动态支持跨学科团队实时收敛的AI生成人工制品。通过对健康技术团队的实证评估，展示了在句法、语义和语用知识边界跨越中的高成功率。“问题翻转”和“相似表达”等关键组件促进了以利益相关者为中心的重构和语义对齐。KNIT的匿名化和结构化工作流程减少了人际张力，促进了集体立场的形成。这些发现推进了边界理论的发展，并为高风险跨学科环境中的AI辅助协作提供了可操作的设计原则。