包容性提示辅导：一种提升用户算法偏见意识与提示效能的媒体素养方法Chen 等人设计包容性提示辅导工具，通过设计摩擦提供媒体素养干预，显著提升用户对算法偏见的认知和提示效能，但可能降低用户体验。2026CCCheng Chen et al.Oregon State University伦理、包容与算法影响CHI
繁荣而非仅增长：结构可持续性作为在线健康社区质量的关键Park 等人分析56个Reddit健康社区的1700万帖子，发现质量依赖于稳定核心用户和有意义的互惠交流而非对话数量，提出结构可持续性是社区质量的核心机制。2026SPShinyu Park et al.Sungkyunkwan University集体基础设施CHI
当推荐系统窥探社交媒体时，用户对它们的健康建议的信任度降低Sun 等人通过341人用户实验发现，基于社交媒体的推荐因威胁认同感和增加隐私担忧降低信任，而用户偏好推荐通过赋予自主感增强信任。2023YSYuan Sun et al.The Pennsylvania State University , The Pennsylvania State University推荐系统用户体验隐私设计与用户控制数据隐私感知与决策CHI
这个AI是用可信的数据训练的吗？标签质量与性能偏差对用户信任的影响Chen 等人通过430人用户实验发现，高质量标签提升训练数据可信度并增强用户信任，但当系统存在偏见时该效应消失，具有可解释AI界面设计启示。2023CCCheng Chen et al.Elon University可解释人工智能（XAI）AI 伦理、公平与问责隐私设计与用户控制CHI
用户对推荐系统的信任：基于内容、协同和人口统计过滤的比较Liao 等人通过226人实验发现用户更信任协同过滤推荐系统，无论性能如何，且存在自我服务偏差——好推荐归功自己，差推荐归咎系统。2022MLMengqi Liao et al.The Pennsylvania State University推荐系统用户体验CHI
新闻信息学：通过来源、媒介和信息中的互动性使个人参与数据丰富的新闻内容Sundar等人提出新闻信息学概念，通过来源、媒介、信息三种交互性设计，让用户参与数据丰富新闻内容，现场实验揭示交互组合效果差异2022SSS. Shyam Sundar et al.The Pennsylvania State University自动驾驶界面与接管设计数据故事讲述（Data Storytelling）CHI
标题党真的能吸引更多的点击吗？你必须阅读的三个标题党研究Molina 等人三项研究发现点击诱饵并不比普通标题吸引更多点击，现有检测器仅47%一致性，挑战了点击诱饵有效性假设。2021MMMaria D. Molina et al.Michigan State University内容审核与平台治理虚假信息与事实核查CHI
当收集个人信息时，AI系统应该如何与用户交流？角色定位和自我参照对人机交互的影响Liao 等人创建新闻推荐系统原型并对293名用户实验，发现资深用户更信任求助型系统，新手用户偏好双重角色系统。2021MLMengqi Liao et al.The Pennsylvania State UniversityAI 辅助决策与自动化系统隐私设计与用户控制数据隐私感知与决策CHI
Alexa作为教练：利用智能扬声器构建减少公共演讲焦虑的社交代理Wang 等人开发基于 Amazon Alexa 的演讲辅导工具，利用认知重构练习帮助缓解公开演讲恐惧，用户研究表明代理社交性可降低演讲前焦虑并提升满意度。2020JWJinping Wang et al.Pennsylvania State University智能语音助手（Alexa、Siri 等）会话代理的人格与拟人化心理健康应用与在线支持社区CHI
删除历史记录会使Alexa更值得信赖吗？隐私和内容定制对智能扬声器用户体验的影响Cho等人针对Amazon Alexa开发应用进行用户研究(N=90)，发现隐私定制可增强普通用户信任，但会降低高级用户信任，内容与隐私同时定制效果最佳2020ECEugene Cho et al.Pennsylvania State University家庭语音助手使用体验智能家居隐私与安全CHI
预测信息泄露的在线隐私启发法Sundar 等人通过786人全国调查，识别12种隐私认知启发式，证明启发式可及性越高的用户越倾向于披露个人信息，为隐私保护设计提供依据。2020SSS. Shyam Sundar et al.Pennsylvania State University隐私设计与用户控制数据隐私感知与决策CHI
机器启发式：当我们比信任人类更信任计算机来处理我们的个人信息时Sundar等人引入机器启发法概念，通过航班预订实验证明用户更愿向机器透露信用卡信息，认知可及性高者更信任机器。2019SSS. Shyam Sundar et al.Pennsylvania State University隐私设计与用户控制数据隐私感知与决策CHI
“此应用程序希望使用您的当前位置以更好地为您服务”：个性化移动服务中用户同意和系统透明度的重要性Chen 等人通过 GreenByMe 环保应用实验，发现显性个性化降低感知控制，高透明度可提升用户信任并负向影响隐私担忧。2018TCTsai-Wei Chen et al.United Health隐私设计与用户控制数据隐私感知与决策CHI
促进信息披露与构建社区的界面线索：在线性健康论坛中群体与连通性线索的实验测试Kim 等人设计性健康论坛实验，发现群体规模和连通性线索能促进敏感信息披露并增强用户重返社区意愿，社区建设启发式在其中起关键调节作用。2018JKAndrew Gambino et al.Disclosure and AnonymityCSCW
小组讨论：无痕可循：研究隐形互动如何帮助我们理解社交媒体Ellison 等人主持的小组讨论聚焦于如何结合行为数据与传统调查方法，以捕捉社交媒体上隐形互动，探讨纯点击数据的局限与研究方法创新。2018NENicole B. Ellison et al.Panel: Without a Trace: How Studying Invisible Interactions Can Help Us Understand Social MediaCSCW