实验室中评估生成式AI：方法论挑战与指南Park 等人通过分析四个GenAI集成原型实验，识别出五种方法论挑战并提出十八条实践建议，帮助研究人员在受控实验室环境中设计更透明、稳健的生成式AI系统评估方法。2026HPHyerim Park et al.宝马生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作用户研究方法（访谈、调查、观察）IUI
理解交互对VR情绪体验的影响Kuang 等人通过扩展VR情绪诱发数据集并引入交互元素，发现交互可放大并根据情境调节情绪，为VR情感应用提供新思路。2026ZKZheyuan Kuang et al.悉尼大学沉浸感与临场感研究情感反馈与情绪调节界面VR 中的社交与协作CHI
树的视角：通过过渡性和多感官虚拟现实体验增强自然联结Townsend 等人发现 VR 中过渡性元素和多感官刺激能显著增强用户的在场感、具身感和自然联结，且情绪联结效果可持续一周。2026LTLisa L. Townsend et al.多特蒙德工业大学沉浸感与临场感研究多感官融合体验人与自然关系（More-than-Human Design）CHI
平衡精度与具身化：复杂视觉运动任务的VR混合视角研究视觉视角是虚拟现实中的关键设计因素。尤其涉及复杂运动任务时，它会影响客观表现和主观体验。我们在用户研究（N=20）中比较了四种视觉视角（第一视角、半透明幽灵视角、第三视角和混合视角），并在不同难度的平衡游戏中进行测试。研究发现具身感、性能和偏好之间存在复杂的权衡：首选的混合视角在低任务难度时提供显著的稳定性优势。然而，这一优势随着体力需求的增加而消失，揭示了一种速度-准确率权衡，外部视角需要更长的完成时间。以自我为中心的视角（第一视角和幽灵视角）引发更强的具身感和临场感，但不太受欢迎。参与者的选择并非由表征保真度决定，而是由感知实用性的务实的考量决定。由于感知有效性可以超越客观表现和主观体验，视角选择是未来VR训练和康复应用的重要…2026DDDennis Dietz et al.慕尼黑大学VR 中的社交与协作沉浸感与临场感研究VR 医疗训练与康复CHI
行动前的预期：基于EEG的混合现实自适应视线交互隐式意图检测Chiossi 等人利用刺激前负性（SPN）脑电信号实现混合现实中的隐式意图检测，创建可缓解米达斯触摸问题的意图感知界面，分类准确率达75%-97%。2026FCFrancesco Chiossi et al.慕尼黑大学眼动追踪与注视交互脑机接口（BCI）与神经反馈沉浸感与临场感研究CHI
在支持心理健康的共情多模态大型语言聊天机器人中使用非语言线索Schmidmaier 等人验证多模态LLM可通过面部表情推断情绪，研究200人用户表明多模态输入可影响系统响应语言表达维度，为增强共情聊天机器人交互提供参考。2025MSMatthias Schmidmaier et al.慕尼黑大学运动晕车与乘客体验对话式聊天机器人大语言模型（LLM）的人机协作MobileHCI
欧洲用户对智能手机数据收集的深度隐私顾虑Bemmann 等人通过调查和访谈揭示欧洲用户对智能手机数据隐私的深度顾虑，强调透明度与用户控制是缓解隐私担忧的核心策略。2025FBFlorian Bemmann et al.慕尼黑大学隐私设计与用户控制数据隐私感知与决策MobileHCI
情境文物增强身体活动参与度Keppel 等人设计了两款展示身体活动数据的家庭文物，通过9周24人现场实验发现物理文物通过更高的感知存在感和社会互动增强用户参与度更能促进健康行为改变。2025JKJonas Keppel et al.杜伊斯堡-埃森大学健身追踪与运动监测睡眠与压力监测DIS
一种提取人类可理解的机器人表达方式以支持人机交互的方法Leusmann 等人提出提取人类可理解机器人表达的方法，通过两个研究（N=16和N=260）验证了6自由度机械臂实现好奇和吸引注意力的表达能力。2025JLJan Leusmann et al.慕尼黑大学手部手势识别社交机器人交互人-机器人协作（HRC）CHI
《感知系统好奇心量表（PSC）的开发与验证：测量用户对系统的感知好奇心》Leusmann 等人开发了12项感知系统好奇心量表(PSC)，包含探索性、调查性和社会性三个维度，用于评估用户对系统好奇心的感知2025JLJan Leusmann et al.慕尼黑大学脑机接口（BCI）与神经反馈会话代理的人格与拟人化生成式AI（文本、图像、音乐、视频）CHI
为增强现实中的自发交互设计有效的同意机制Windl等人通过17人焦点小组和11位专家访谈及共同设计，为AR眼镜自发交互建立场景分类法和同意机制流程图，贡献保护隐私概念框架。2025MWMaximiliane Windl et al.慕尼黑大学环境感知与上下文计算智能家居隐私与安全CHI
探究LLM驱动的好奇心在人机交互中的作用Leusmann等人开发基于多模态LLM的机器人好奇特征系统，用户研究显示用户感知更像人类、更具探究性和自主性，交互时间更长，并提出协作任务中好奇心设计建议。2025JLJan Leusmann et al.慕尼黑大学大语言模型（LLM）的人机协作社交机器人交互人-机器人协作（HRC）CHI
隐私滑块：智能手机的细粒度隐私控制Bemmann 等人提出Privacy Slider细粒度隐私控制机制，通过在线调查和实验室研究验证，表明该设计在用户控制和透明度方面均优于现有二元权限系统。2024FBFlorian Bemmann et al.慕尼黑大学隐私设计与用户控制数据隐私感知与决策MobileHCI
利用生理测量理解现实-虚拟连续体对视觉搜索的影响Chiossi 等人利用脑电图和眼动追踪研究MR环境对视觉搜索的影响，发现AR会降低目标识别能力并增加注意力分散，设计启示在于需考虑生理指标的适应性交互。2024FCFrancesco Chiossi et al.慕尼黑大学眼动追踪与注视交互脑机接口（BCI）与神经反馈AR 导航与情境感知MobileHCI
探索用户对互联交互的心理模型与隐私关切Windl 等人通过120人在线调查发现用户对智能设备互联交互的隐私风险认知不足，呼吁限制数据处理在应用层并加强加密以改善隐私保护。2024MWMaximiliane Windl et al.慕尼黑大学隐私设计与用户控制数据隐私感知与决策物联网设备隐私MobileHCI
数据隐私对用户智能手机应用采纳决策的影响Bemmann 等人通过调查100名用户，发现用户对内容性数据和应用操作权限最为敏感，而应用的生产性收益可促进采纳，建议隐私增强技术设计应聚焦这些关键因素。2024FBFlorian Bemmann et al.慕尼黑大学隐私设计与用户控制数据隐私感知与决策MobileHCI
坐姿识别与反馈：文献综述Krauter 等人对223篇文献进行综述，梳理压力感应和视觉反馈等坐姿识别方法，指出环境、成本、隐私和用户技能等因素对系统设计的重要性。2024CKChristian Krauter et al.斯图加特大学人体姿态与行为识别生物传感器与生理监测环境感知与上下文计算CHI
揭示并解决在使用眼动追踪进行交互系统时与眨眼相关的问题Grootjen 等人通过文献回顾和11个数据集分析，揭示眨眼导致眼动追踪数据缺失的处理方法差异，提出标准数据处理管道以提升交互系统性能。2024JGJesse W Grootjen et al.慕尼黑大学眼动追踪与注视交互可视化感知与认知CHI
现实世界中的风：智能手机过度使用后的微挑战以促进平衡Terzimehić 等人提出RWW移动应用，通过检测智能手机过度使用后分发五类微风，实测25名用户一周显示显著促进数字与现实世界平衡。2024NTNađa Terzimehić et al.慕尼黑大学隐私设计与用户控制职场福祉与工作压力CHI
感知技术同理心量表（PETS）：衡量系统对用户的同理心Schmidmaier 等人开发了技术感知同理心量表 PETS，通过 750 名参与者验证，形成 10 项目 2 因素量表，用于评估用户对交互系统的感知同理心。2024MSMatthias Schmidmaier et al.慕尼黑大学会话代理的人格与拟人化社交机器人交互CHI