怪兽、隐喻与机器学习
生成式AI(文本、图像、音乐、视频)AI 伦理、公平与问责算法透明度与可审计性UI/UX 设计师HCI 研究员
机器学习(ML)为用户体验(UX)设计师带来了复杂的挑战。通常不可预测且不透明,它可能会产生对特定群体或个人不利的意想不到的结果,但同时在医学诊断和通用翻译等领域承诺了惊人的突破。这导致了对ML的两极分化观点,这种观点通常通过技术作为怪物的比喻表现出来。在本文中,我们通过重新审视人类与怪物关系的历史复杂性,承认这种比喻的力量和潜力。我们重新介绍这些边缘化和模糊的生物,并讨论它们与ML的关系。我们为设计师使用比喻提供背景,并展示技术作为怪物的比喻如何生成性地探究和重新框架ML提出的问题。我们通过详细讨论一个早期生成设计研讨会来说明这种方法的有效性,该研讨会探讨了ML方法在支持学生心理健康和福祉方面的应用。
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。
- 67%
用户对人机协同创造中伦理挑战的视角:一项设计虚构研究
C&C '23· 生成式AI(文本、图像、音乐、视频) +2
- 63%
ORAgent 寓言:推进内容归属的设计与管理
CHI '26· 生成式AI(文本、图像、音乐、视频) +4
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/10.1145/3313831.3376275
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、AI 伦理、公平与问责、算法透明度与可审计性
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
2 篇相关论文