Coalesce：一个用于设计社区中心化问卷的可访问式混合主动系统

DOI

将社区意见有效融入公民决策过程对于促进包容性治理至关重要。然而，公共官员在制定有效问题以收集有意义见解时往往面临挑战，这受到时间、资源和问卷设计经验有限等约束。本文探索了利用大语言模型（LLMs）应对这一挑战的潜力。我们提出了 Coalesce，这是一个新型混合主动系统，利用 LLMs 帮助 civic leaders 为调查、访谈和对话指南制作量身定制且有影响力的问题。遵循问卷设计最佳实践，Coalesce 提高了问题可读性，增强了具体性，并减少了偏见。为指导我们的设计，我们对 30 位 civic leaders 进行了形成性访谈研究，并实施了涉及 14 次反馈会议的迭代人本设计流程。我们在 16 名参与者将平台应用于自己的社区参与项目之前，构建了一个功能完整的系统并通过真实用户研究进行了评估。我们的研究结果表明，Coalesce 提高了参与者的问卷设计信心，支持多样化的工作流程，并促进了学习，同时引发了关于人类能动性和过度依赖 AI 的重要问题。这些见解凸显了智能用户界面重塑 civic leaders 与社区互动方式的潜力，从而促进更加知情的包容性决策过程。