Affinder：使用上下文检测器表达可进行活动的情况的概念

文献标题

Afinder: Expressing Concepts of Situations that Aford Activities using Context-Detectors

文献信息

• 主题领域: 人机交互（HCI），语境感知应用开发
• 关键词: 语境感知编程, 情境表达, 语境特征, 设计专注问题, 桥接挑战, 积木式编程

研究背景与问题

• 发现的问题或挑战:

  • 尽管现有的语境检测器和编程框架可以帮助开发人员定义应用如何根据用户的语境触发，设计者仍然缺乏能够表达人类情境概念和支持活动的高效工具。
  • 语境特征通常局限于简单场所和事件，但它们无法表示更高层次的概念（例如“适合抛飞盘的地方”）。
  • 将人类情境概念转化为机器可检测的表达层面存在桥接问题。

• 重要性:

  • 若能让设计者准确表达人类概念，将显著改善应用程序识别用户情境并促进行动的能力。
  • 有效地桥接人类情境概念与机器可检测语境特征是提升语境感知应用设计的重要进程。

• 研究动机与相关工作:

  • 当前的语境感知工具（如IFTTT等）尽管提供了大量的语境特征，但缺乏支持表达高阶情境的工具。
  • 编程示范方法已被证明能够映射用户高阶概念与特征之间的关系，但存在设计者停滞设计构思的局限。
  • 语境感知应用设计需要一种更灵活且认知支持的构建流程。

解决方案

• 提出的方法:

  • 设计并实现了一个名为Afinder的编程环境。
  • Afinder采用积木式编程界面，允许设计者表达丰富的人类情境概念，并将其翻译成机器可操作的检测表达。
  • 引入三个核心功能来应对桥接挑战:
    1. 无限制词汇搜索：帮助设计者发现可能被遗漏的特征。
    2. 反思与扩展提示：推动设计者拓展情境概念，帮助其发现与情境相关的特征。
    3. 模拟与修正工具：识别概念表达在实际应用中的问题，并帮助修正表达。

• 创新之处:

  • 提供认知支持以帮助设计者在表达情境时克服设计专注问题，避免表达过于狭隘。
  • 允许设计者灵活转换构建过程中的顶层概念分解与底层特征组合。
  • 通过模拟工具增加对实际场景中不准确表达的洞察，并提供易于修复的机制。

• 实施步骤与技术:

  • 积木式界面帮助设计者声明情境变量、搜寻相关特征并组合逻辑表达。
  • 无限制词汇搜索引入语境特征的元数据（如用户评价），使用户能够用自然语言查询匹配特征。
  • 模拟工具利用API获取实际场景数据，允许设计者检查表达是否符合概念，并通过修正工具优化逻辑。

研究成果

• 研究具体成果:

  • 用户能够使用Afinder表达概念性丰富的情境，例如“抓住机会抛飞盘”或“适合寒冷天气的饮食场所”。
  • 通过实验验证，Afinder与基线工具相比，帮助设计者构建更广泛概念并包含更多可用特征。
  • 实验显示，Afinder能够促进用户扩展其概念范围，并通过模拟工具识别并解决表达不准确问题。

• 与现有解决方案的比较与优势:

  • 相较于其他工具如简单的IFTTT，Afinder显著减少了设计者表达情境时的认知负担，提供更多支持功能。
  • Afinder的构建过程对设计者的思考过程具有伸缩性，使设计者能避免早期构思狭隘化的问题。
  • 模拟工具特有的实际场景映射功能大幅提升了表达的精确度。

• 实验或评估结果:

  • 实验表明，Afinder的用户在使用反思与扩展提示以及词汇搜索功能时，能够显著增加表达的深度。
  • 用户在模拟与修正工具帮助下更能识别出表达在真实场景中未按预期操作的问题并进行修正。
  • 使用Afinder的实验组参与者制作的表达包括更多相关特征，概念范围显得更广。

• 局限性与未来方向:

  • 当前的Afinder主要基于地点相关的语境特征，无法支持室内或家庭场景的特征检测。
  • 尚未考虑多用户或文化相关差异对于情境表达的影响。
  • 未来方向包括加入AI技术（如语义嵌入、知识图谱）以进一步支持特征寻找、智能推荐以及抽象表达。