良好的可访问性,受限的创造力:AI生成的UI在可访问性指南与从业者期望之间
可解释人工智能(XAI)通用设计与包容性设计隐私设计与用户控制UI/UX 设计师AI/ML 研究员与工程师HCI 研究员
AI驱动的UI生成工具的出现为可访问性设计带来了机遇和挑战,但其生成真正可访问结果的能力仍未得到充分探索。本研究通过评估两个AI工具在三个应用领域生成的90个界面,研究了不同提示策略的效果。研究发现,虽然这些工具始终能够达到基本的可访问性合规标准,但它们依赖同质化的设计模式,这可能限制其在处理特殊用户需求方面的有效性。通过对八位专业设计师的访谈,我们研究了这种标准化如何影响创造力以及包容性UI的设计挑战。本研究为AI驱动设计领域的持续讨论贡献了以下方面:(i) 关于AI工具生成可访问UI能力的实证见解,(ii) 识别这一过程中的障碍,以及(iii) 将AI融入设计工作流程以支持设计师创造力和设计灵活性的指南。
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。
- 71%
注意差异:设计师和标准在用户算法系统透明度方面的设计
CHI '24· 可解释人工智能(XAI) +2
- 71%
多代理LLM接口中的意义建构:用户如何解读透明度和可信度线索
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
多少信任才足够?走向技术信任的校准
CHI '26· 可解释人工智能(XAI) +2
- 71%
你同意吗?基于眼动数据建模人机交互中用户的隐性分歧
CHI '26· 眼动追踪与注视交互 +2
- 71%
当编解码器产生幻觉:用户对误压缩图像的感知
CHI '26· 可解释人工智能(XAI) +2
- 71%
用户驱动算法审计中的意义建构:图像字幕模型性别偏见的案例研究
CHI '26· 可解释人工智能(XAI) +2
- 67%
不要只是告诉我,问我:将解释作为问题来智能构建的AI系统可以提高人类逻辑辨别准确性,超过因果AI解释
CHI '23· 可解释人工智能(XAI) +1
- 63%
跨LLM聊天机器人用户报告风险的表征分析
CHI '26· 大语言模型(LLM)的人机协作 +3
- 63%
AI与我的价值观:用户对LLM从休闲对话中提取、体现和解释人类价值观能力的看法
CHI '26· 大语言模型(LLM)的人机协作 +3
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
可解释人工智能(XAI)、通用设计与包容性设计、隐私设计与用户控制
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文