与我们共同进化的机器人：实现个性化、适应性和可持续性的模块化共同设计Chen 等人通过23人参与的两场共同设计工作坊，探索从童年到成年的模块化机器人设计，验证模块化通过开放配置、生命周期适应和可持续维护实现个性化与长期使用，为寿命导向的人机交互提供设计原则。2026LCLingyun Chen et al.印第安纳大学人-机器人协作（HRC）机器人在教育与医疗中的应用参与式设计（Participatory Design）CHI
教师是否憧憬生成式人工智能扩大教育（不）平等？基于全球教师视角展望 K-12 生成式人工智能教育的未来Xiao 等人采访美非台三地 30 名教师，发现其将 GenAI 教育定位为平等实践，试图减轻既有不平等并预防新不平等，但受基础设施、培训不足等体制性障碍限制。2026RXRuiwei Xiao et al.Human-Computer Interaction Institute大语言模型（LLM）的人机协作AI 伦理、公平与问责编程教育与计算思维CHI
生成式人工智能能否从个体使用转向协作工作？将生成式人工智能协调到协作新闻工作中的经验、挑战与机遇Xiao 等人通过 27 次访谈揭示新闻行业中 GenAI 从个体使用转向协作工作的困境，指出组织结构障碍和文化抵触阻碍了团队工作流程的整合。2026QXQing Xiao et al.卡内基梅隆大学生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作AI 辅助决策与自动化系统CHI
当你的老板是AI机器人：探索未来工作中管理者克隆智能体的机会与风险Hu 等人通过设计虚构工作坊探索管理者克隆智能体，提出代理存在、信息传递等四种角色并给出负责任整合的设计建议。2026QHQing Hu et al.卡内基梅隆大学大语言模型（LLM）的人机协作AI 辅助决策与自动化系统参与式设计（Participatory Design）CHI
大型语言模型的诱惑之歌：用户如何感知与响应大型语言模型中的暗黑模式Shi 等人研究大型语言模型暗黑模式，通过情景实验发现用户依赖对话线索识别操纵行为如夸张同意与偏见框架，但这些行为有时被正常化，责任归属呈现多元归因。2026YSYike Shi et al.卡内基梅隆大学暗黑模式（Dark Patterns）识别大语言模型（LLM）的人机协作AI 伦理、公平与问责CHI
可持续机器人未来：关于人类、机器人与生态的推测性设计Chen 等人提出可持续机器人推测性设计框架，通过模块化与适应性原则实现去中心化控制，促进人机生态的公平可持续发展。2025LCLingyun Chen et al.印第安纳大学人-机器人协作（HRC）科技伦理与批判性HCI可持续性 HCI（Sustainable HCI）C&C
3R（机器人、房间、关系）：推测性住宅、感知机器与 domesticity 的未来Chen 等人通过3R推测性纸牌游戏 workshop，发现不同机器人形态唤起独特关系反应，主张从功能导向转向开放想象的设计方法，使家庭机器人成为情感生态共同创造者。2025LCLingyun Chen et al.印第安纳大学家用机器人社交机器人交互C&C
让我们一起影响算法：数以百万计的粉丝如何建立对算法的集体理解并组织协调算法行动Xiao等人通过两年在线粉丝民族志研究揭示核心粉丝如何动员数百万普通粉丝建立算法集体理解并协调跨平台集体算法行动。2025QXQing Xiao et al.卡内基梅隆大学算法透明度与可审计性在线骚扰与反制工具内容审核与平台治理CHI
视力障碍或低视力用户如何玩移动游戏：感知、挑战和策略Ran 等人通过访谈32名BLV玩家，发现他们转向移动游戏获取成就感和社会联系，但遇无障碍性障碍，智能手机具相对优势。2025ZRZihe Ran et al.中国传媒大学无障碍游戏游戏可访问性CHI
用户驱动的价值观对齐：理解用户对AI伴侣中偏见和歧视性陈述的看法及应对策略Fan 等人提出用户驱动的价值对齐概念，通过分析77篇社交媒体帖子和20名用户访谈，揭示六种AI歧视性陈述及七种用户对齐策略，增强用户自主权。2025XFXianzhe Fan et al.清华大学可解释人工智能（XAI）AI 伦理、公平与问责算法公平与偏见CHI
这可能在技术上令人印象深刻，但对我们来说实际上毫无用处：新闻业中围绕AI进行跨职能协作的动机、实践、挑战和机会Xiao 等人通过采访17名记者、6名AI技术专家和3名跨职能工作者，调查新闻业围绕AI的跨职能协作实践、挑战与机遇，提出增强未来协作的建议2025QXQing Xiao et al.卡内基梅隆大学可解释人工智能（XAI）社交平台设计与用户行为创意协作与反馈系统CHI