论文标题	作者	研究主题
共享自主中的人在环姿态估计 Ye 等人受蒙特卡洛定位启发提出生成式人在环姿态估计方法，通过2D指向设备实现混合主动3D配准，旨在降低人机协作中的工作负载并保持估计精度。	ZY Zhefan Ye et al.密歇根大学
C-Reference：通过众包联合对象估计提高2D到3D物体姿态估计精度 Song 等人提出C-Reference众包与机器混合方法，通过联合估计多个物体3D属性来推断目标物体姿态，363人验证可将误差降低40%以上，人力时间减少65%。	JS Jean Y. Song et al.密歇根大学	Crowds and Collaboration
通过直播支持大规模编程教育 Chen 等人访谈14位主播和12位观众，发现直播教学具有即兴灵活优势，但面临隐私骚扰及平台支持不足等问题，提出专门工具设计建议。	YC Yan Chen et al.密歇根大学	Learning, Education, and Mentoring
众包检测情感操控语言 Huffaker 等人提出锚点比较众包方法，通过创建锚文本分离情感操纵语言，可灵活调整精度和召回率以满足系统需求。	JH Jordan S. Huffaker et al.密歇根大学
广告推荐学习 AI 编程到 CodeNow 系统课程、实战项目、持续更新，适合想真正把 AI 用进开发流程的人。立即查看
对平台工人评级中偏见的实验研究：绩效质量和性别作用 Jahanbakhsh等人通过欺骗实验(n=参与者)发现女性在相同表现下评分低于男性，显示平均评分使评分更极端，为平台设计抗偏见机制提供依据	FJ Farnaz Jahanbakhsh et al.密歇根大学
emoji_events 估计群体答案的高效征集方法 Chung 等人对比8种答案征集方法，发现要求工作者选择他人会选的标签比细粒度标注更准确，可减少21.4%人工时间，为ML训练数据收集提供高效方案。	JC John Joon Young Chung et al.Midjourney	Crowds and participatory sensing
通过以教师为中心的工具增强在线问题的随机实验 Williams 等人开发以教师为中心的DynamicProblem系统，通过可解释机器学习帮助数学教师进行在线问题随机实验，促进教学改进。	JW Joseph Jay Williams et al.新加坡国立大学
两个工具优于一个：工具多样性作为提高聚合众包性能的手段 Song 等人提出多工具众包工作流，通过为不同工作者分配不同分割工具减少系统性偏差，显著提升语义图像分割的聚合准确率。	JS Jean Y. Song et al.密歇根大学
Bolt：通过即时培训实现即时众包 Lundgard 等人提出前瞻方法实现即时众包Bolt系统，通过预取工作者响应在毫秒内返回结果，比最快个体工作者快约两个数量级。	AL Alan Lundgard et al.密歇根大学
通过词汇规划为写作任务创建更好的行动计划 Kaur 等人提出词汇表认知支架方法，帮助协作者为写作任务生成行动计划，实验证明该方法可减少规划时间精力并提高计划质量。	HK Harmanpreet Kaur et al.密歇根大学	Language and Linguistics
工作坊：无障碍语音接口 Brewer 等人组织工作坊探讨无障碍语音接口设计，强调语音交互与图形界面的本质差异，呼吁重新定义无障碍标准以惠及老年群体与残障人士。	RB Robin Brewer et al.密歇根大学	Workshop: Accessible Voice Interfaces
通过UI设计工具探索众包系统中的实时协作 Lee 等人通过众包UI设计工具研究实时协作，发现请求者与工人间存在专业知识差异、双向沟通不对称等挑战，并提出相应设计建议。	SL Sang Won Lee et al.弗吉尼亚理工大学	Crowdsourcing Systems