迈向公平的社区-行业合作：理解非营利组织与科技公司合作的体验Erete 等人识别出文化规范差异、关系动态等四个合作要素，揭示权力结构影响，为非营利组织与科技公司的公平合作提供反思性实践指南。2025SESheena Erete et al.马里兰大学Community Engaged ResearchCSCW
《变革发生的渠道》：关于负责任AI的互人人际学习的过程、障碍和支持Solyst 等人通过21位RAI教育者研讨会首次实证调查负责任AI的人际关系学习，发现批判性反思和集体意义构建是关键阶段2025JSJaemarie Solyst et al.卡内基梅隆大学AI 伦理、公平与问责计算方法在HCI中的应用CHI
知识工作者认为生成性人工智能将(不)如何变革他们的行业Woodruff 等人通过7个行业54名参与者的研究工作坊发现，知识工作者普遍将生成式AI视为监督下的工具，不预期颠覆性变化，但认为其可能放大技能贬值、去人性化等社会力量。2024AWAllison Woodruff et al.谷歌生成式AI（文本、图像、音乐、视频）自动化对工作的影响CHI
远见: 在AI应用原型设计期间培养负责任的AI意识Wang 等人开发Farsight交互工具，通过突出AI事件新闻与LLM生成用例，帮助原型设计者识别提示相关危害，用户研究发现其效果优于现有资源。2024ZWZijie J. Wang et al.佐治亚理工学院可解释人工智能（XAI）AI 辅助决策与自动化系统AI 伦理、公平与问责CHI
AI 同意的未来：以临床医生语音数据收集为例的案例研究Wilcox 等人通过定性访谈和设计虚构方法，识别出临床医生对语音数据收集的八类潜在风险，包括工作流程中断、自我审查和服务资格影响等。2023LWLauren Wilcox et al.佐治亚理工学院AI EthicsCSCW
基础设施化的关怀：跨性别和非二元性别者如何通过技术满足健康和福祉需求Wilcox 等人通过跨文化日记研究（64名跨性别和非二元成年人），揭示了边缘群体如何结合社会生态与自我反思媒体构建护理基础设施以管理健康福祉2023LWLauren Wilcox et al.佐治亚理工学院认知障碍与神经多样性（自闭症、ADHD、阅读困难）LGBTQ+ 社群技术设计边缘化群体赋权CHI
设计负责任的人工智能：适应UX实践以应对负责任的人工智能挑战Wang等人通过对大型科技公司UX从业者和RAI专家访谈，揭示用户体验与负责任AI交叉点的三种新兴实践，为HCI领域提供重要研究方向。2023QWQiaosi Wang et al.佐治亚理工学院大语言模型（LLM）的人机协作可解释人工智能（XAI）AI 伦理、公平与问责CHI
社区协作方法在计算研究中的系统回顾与主题分析Cooper 等人系统回顾47篇论文，分析社区协作研究7个主题，发现研究人员与社区伙伴间存在权力紧张关系，提出以社区为中心的方法论建议。2022NCNed Cooper et al.澳大利亚国立大学社区参与与公民技术参与式设计（Participatory Design）研究伦理与开放科学CHI
协调中的隔离：美国非正式护理人员面临的挑战Schurgin 等人调查 2000 名美国非正式护理人员，揭示护理协调中的根本挑战，发现关系、资源获得和身心障碍等因素影响协调难度。2021MSMark Schurgin et al.谷歌老年护理与认知症照护参与式设计（Participatory Design）CHI
在诊所部署的用于糖尿病视网膜病变检测的深度学习系统的以人类为中心的评估Beede 等人对泰国11家诊所进行人类中心评估研究，揭示社会环境因素如何影响AI辅助糖尿病视网膜病变检测的模型性能和工作流程。2020EBEmma Beede et al.谷歌电动车充电与能效界面AI 辅助决策与自动化系统慢性病自我管理（糖尿病、高血压等）CHI
使用日记探究青少年患者及其家长照顾者的疾病体验Hong等人设计纸质日记探针套件，对12对青少年-家长配对进行两周实地部署，发现技术支持共享疾病管理的三个关键方式：为日常活动提供体验识别支架、帮助重建患者经历、适应个人表达与分享偏好。2020MHMatthew K. Hong et al.丰田研究院心理健康应用与在线支持社区慢性病自我管理（糖尿病、高血压等）CHI
“床旁制造”：从业者视角探讨医疗实践中的数字化制造Lakshmi 等人通过 18 位医学制造者的访谈，揭示其在医疗环境中降低风险和获取资源的方法，并建议开发临床医生辅助系统和协作平台以支持医疗制造。2019ULUdaya Lakshmi et al.佐治亚理工学院Making and Collaborative DesignCSCW
"你好 AI"：揭示医疗从业者在人机协作决策中对AI助手的入门需求Cai 等人对21名病理学家研究发现，医学专家在接触AI诊断助手时，首先希望了解模型的整体优缺点、主观视角和设计目标，而非具体的病例推理，这类似于寻求第二意见时对同事医学观点和标准的了解。2019CCCarrie J Cai et al.谷歌AICSCW
视觉ODLs：共同设计患者生成的日常生活观察以支持儿科护理中的数据驱动对话Hong 等人通过与 13 对慢性病青少年及父母共同设计，创建 72 个视觉插图库，帮助青少年将症状与身份叙事结合，支持数据驱动的儿科护理沟通2018MHMatthew K. Hong et al.丰田研究院V2X（车路协同）通信设计特殊教育技术CHI