DiscipLink:通过人机协同探索促进跨学科信息寻求过程

大语言模型(LLM)的人机协作用户研究方法(访谈、调查、观察)原型设计与用户测试大学教授与研究人员HCI 研究员

跨学科研究通常需要研究者在不同知识分支中探索文献。然而,从不熟悉的学科导航高度分散的知识是一项重大挑战。在本文中,我们引入DiscipLink,这是一种在跨学科信息寻求(IIS)中促进研究者和大型语言模型(LLM)协作的新型交互系统。基于用户感兴趣的主题,DiscipLink从可能的相關学科视角发起探索性问题,用户可以进一步定制这些问题。DiscipLink然后支持用户在选定问题下搜索和筛选论文,自动使用学科特定术语扩展查询,从检索到的论文中提取主题,并突出论文与问题之间的联系。我们的评估包括被试内比较实验和开放性探索研究,结果表明DiscipLink可以有效支持研究者突破学科界限并整合不同领域分散的知识。这些发现强调了LLM驱动的工具在促进信息寻求实践和加强跨学科研究方面的潜力。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/170741/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3654777.3676366
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、用户研究方法(访谈、调查、观察)、原型设计与用户测试
work
职业/产业
大学教授与研究人员、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文