跨情境的价值观：理解老年人如何通过技术实现重要事项Simão 等人通过对22名老年人访谈发现，不同生活情境下老年人核心价值观一致但表达方式不同，技术可放大或抑制这些价值观，需设计情境响应式技术。2026HSHugo Simão et al.Universidade de Lisboa关怀与日常实践CHI
有时需要事实，有时需要拥抱：理解老年人对LLM对话AI系统中解释的偏好Mathur 等人通过速度约会研究发现，老年人对AI解释的偏好高度情境依赖，解释可帮助校准紧迫性并为家庭成员提供生活洞察，为个性化解释设计提供依据。2026NMNiharika Mathur et al.Georgia Institute of Technology与老年人协同设计CHI
情境化、动态化与主观化：与行业从业者共同构想心智理论赋能的日常AI设计Wang 等人通过13次共同设计会议，为具备心智理论能力的日常AI系统提出三项设计建议，强调情境化、动态响应和主观差异化。2026QWQiaosi Wang et al.Carnegie Mellon University社会智能与人机代理动力学CHI
工具集动作编码系统：一种工具测量的通用方法Mahler 等人提出艺术家工具测量通用方法，通过数据收集和访谈定义“雕塑过程”分类体系，揭示数字媒体专业创作与传统媒体间的显著差距。2026MMMoshe Mahler et al.Carnegie Mellon University制造、时尚与模块化系统CHI
从平凡到卓越：探索面向有无认知障碍成人的智能体干预边界Chang 等人针对老年人接受AI智能体进行故事板访谈，发现健康老人担心使用智能体会增加痴呆风险，而认知障碍早期老人希望智能体减轻照护负担并为己代言。2025MCMai Lee Chang et al.Humanized AI: Avatars, Agents, and Voice AssistantsCSCW
工人维权研究中的数据赌注Spektor 等人借鉴20世纪美国劳动史案例，分析数据策略在工人维权中的风险与局限，为当前数字工人主义运动提供社会正义视角下的反思与行动建议。2025FSFranchesca Spektor et al.Advocacy WorkCSCW
协同工作：酒店业中的算法管理与同事关系Spektor 等人通过美国酒店访谈研究算法管理对客房部工作协调的影响，揭示AM平台挑战传统沟通与同事关系，为支持服务工作的灵活技术提出设计建议。2025FSFranchesca Spektor et al.社交平台设计与用户行为自动化对工作的影响DIS
探索预训练模型的创新机会Park 等人分析预训练模型应用的技术能力与机会领域，为识别AI创新机会提供框架，助推AI技术发展。2025MPMinjung Park et al.生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作可解释人工智能（XAI）DIS
设计老化反思探针以引发印度老年人对老化的自我认知信念Khanuja等人设计7天老化反思探针工具包，通过迭代共同设计文化适应性工具，深入收集印度老年人SPA信念，推进HCI中SPA操作化研究。2025NKNeeta M Khanuja et al.老年人友好技术设计参与式设计（Participatory Design）DIS
做正确的事：在早期AI概念选择中桥接HCI与负责任AIJung 等人通过设计实验探索早期AI概念排序反映负责任AI原则的可能性，表明多学科协作可有效识别低风险高收益AI概念，为AI创新前端嵌入伦理考量。2025JJJi-Youn Jung et al.AI 伦理、公平与问责参与式设计（Participatory Design）可持续性 HCI（Sustainable HCI）DIS
AI 不匹配：在AI开发前识别潜在的算法危害Saxena 等人提出AI不匹配方法，通过分析774个AI案例开发七个风险矩阵，帮助在开发早期识别模型性能与任务需求差距以降低风险。2025DSDevansh Saxena et al.University of Wisconsin-Madison, The Information SchoolAI 伦理、公平与问责算法公平与偏见CHI
动态智能体从属关系：AI智能体应为老年人护理网络中的谁工作？Chang 等人通过速度约会研究发现，老年人对AI护理智能体持积极态度，并认为从属关系应随认知衰退进程动态地从老年人转向其家庭护理人员。2024MCMai Lee Chang et al.老年护理与认知症照护老年居家辅助系统人-机器人协作（HRC）DIS
深度伪造，颅相学，监视，等等！人工智能隐私风险分类Lee 等人通过分析321起AI隐私事件构建12类隐私风险分类，发现深度伪造、监控等技术新风险，当前防护方法仅能应对部分问题2024HLHao-Ping (Hank) Lee et al.Carnegie Mellon UniversityAI 伦理、公平与问责隐私设计与用户控制数据隐私感知与决策CHI
绘制酒店业自动化图景：跨学科文献综述审视算法管理下前台服务工作的演变Spektor 等人综述酒店业自动化趋势，指出算法管理重塑前台服务工作，呼吁在技术采用中纳入工人参与、关注非管理利益相关者权益。2023FSFranchesca Spektor et al.Platform Mediated EconomiesCSCW
为福祉设计：服务业工人关于调整算法管理的创意构思Spektor 等人通过访谈酒店客房服务员，提出调整算法房间分配系统的设计建议，从自我效能感、透明度和工作量三维度改善工人福祉，应对劳动力短缺问题。2023FSFranchesca Spektor et al.职场福祉与工作压力自动化对工作的影响DIS
创建设计资源以支持AI概念的构思Yildirim 等人开发了基于40种AI特征的设计资源，通过设计师测试与专家头脑风暴揭示中等AI性能创造价值的设计原则，为系统性探索AI问题-解决空间提供资源支持。2023NYNur Yildirim et al.生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作原型设计与用户测试DIS
经验丰富的企业应用设计师如何将AI作为设计材料进行运用Yildirim等人通过设计研讨会发现企业AI团队设计师能在系统层面创新，但为AI投资回报率论证是主要障碍，提及边界对象协作。2022NYNur Yildirim et al.Carnegie Mellon University生成式AI（文本、图像、音乐、视频）AI 辅助决策与自动化系统CHI
服务情境中的社交机器人：探索个性化与重新体现的收益与风险Reig 等人通过在线研究探索服务机器人识别客户和重新体现的接受度，发现人们总体接受但某些情境下机器人行为令人感到不安。2021SRSamantha Reig et al.会话代理的人格与拟人化社交机器人交互DIS
Wikipedia ORES Explorer：机器学习API应用设计权衡的可视化Ye等人设计ORES交互式可视化系统，帮助有限ML背景的应用设计师理解模型阈值权衡与公平性，促进AI应用设计的可及性和人类能动性。2021ZYZining Ye et al.可解释人工智能（XAI）交互式数据可视化DIS
让设计师保持参与：在多个目标中传达固有的算法权衡Yu 等人提出算法权衡可视化方法，通过交互式探索帮助设计师理解预测准确性与公平性间的权衡，应用于再犯预测系统并通过众包实验验证有效性。2020BYBowen Yu et al.可解释人工智能（XAI）AI 辅助决策与自动化系统隐私设计与用户控制DIS