利用AI驱动的建议生成辅助增强同行评审：设计动态研究

虽然撰写同行评审是科学、教育和大型组织中的重要任务，但为同伴提供富有成效的建议并非易事，因为文本建议界面的不同用户交互设计在撰写评审文本时会对用户行为产生不同影响。生成式语言模型可能能够支持人类通过文本建议制定评审。先前系统使用两种设计提供文本建议，但未对其进行实证评估：内联建议和建议列表。为研究将NLP文本生成模型嵌入两种设计的效果，我们收集用户需求以实现Hamta作为向评审者提供文本建议的助手示例。我们对31名参与者比较两种设计的实验表明，使用内联界面的参与者平均提供了更长的评审，而使用建议列表的参与者则感受到更容易使用我们的工具。结果揭示了将文本生成模型嵌入以用户为中心的助手的重要设计发现。