面向大众的科学文本的AI驱动个性化引导

数字媒体平台（如科学博客）提供了向大众规模化传播科学内容的机会。然而，这些受众在科学专业知识、识字水平和个人背景方面存在差异，这使得有效的科学传播具有挑战性。为解决这一挑战，我们设计了 TranSlider，这是一款基于人工智能的工具，可根据用户个人资料（如爱好、位置和教育程度）生成个性化的科学文本翻译。我们的工具提供了一个交互式滑块，允许用户将个性化程度从0（弱关联）引导到100（强关联），利用大型语言模型生成具有所选个性化程度的翻译。通过对15名参与者进行的探索性研究，我们调查了这些人工智能个性化翻译的实用性，以及交互式阅读功能如何影响用户的理解和阅读体验。我们发现，更喜欢较高个性化程度的参与者欣赏相关性和上下文性的翻译，而更喜欢较低个性化程度的参与者则重视简洁且具有细微上下文化的翻译。此外，参与者报告了多个翻译对理解科学内容的累积效应。基于这些发现，我们讨论了促进科学传播和设计可引导界面以支持人机对齐的若干启示。