人类如何用自然语言交流编程任务以及这对使用大语言模型的终端用户编程的启示Pickering 等人通过两项在线研究分析人类如何用自然语言描述信息处理任务，发现编程经验优势不明显，要求测试示例的 UI 通常能改善沟通。2025MPMadison Pickering et al.University of Chicago大语言模型（LLM）的人机协作编程教育与计算思维CHI
逆向JupyterLab：突出显示数据科学家公平性和偏见问题的上下文通知Harrison 等人开发Retrograde JupyterLab扩展，通过自动代码分析追踪数据来源，实时通知数据科学家关于受保护类别和模型人口差异问题，在51人实验中成功促使参与者避免敏感变量并考虑缺失数据。2024GHGalen Harrison et al.University of Virginia, University of Chicago生成式AI（文本、图像、音乐、视频）可解释人工智能（XAI）算法透明度与可审计性CHI
帮助用户调试触发-动作程序Zhang 等人首次对用户调试触发-动作程序进行实证研究，发现用户面临多重障碍，并开发两种基于SAT求解的工具帮助用户利用隐式或显式反馈成功修复自动化错误。2023LZLefan Zhang et al.物联网设备隐私智能家居交互设计UbiComp
总结机器学习驱动的文件管理推荐集合以改进云存储中的文件管理Brackenbury等人提出一种总结机器学习推荐文件组的新方法，通过生成引用共享特征的简洁摘要，提升用户对云存储推荐的理解度和信任度。2022WBWill Brackenbury et al.可解释人工智能（XAI）AI 辅助决策与自动化系统推荐系统用户体验UIST
KondoCloud：通过基于文件相似性的推荐改进云存储信息管理Brackenbury 等人设计 KondoCloud 云存储文件管理界面，基于文件相似性提供检索、移动、删除推荐，分类器 F1 分数达 0.72 以上，约半数用户采纳推荐提升效率。2021WBWill Brackenbury et al.可解释人工智能（XAI）AI 辅助决策与自动化系统推荐系统用户体验UIST
通过程序差异的新可视化理解触发动作程序Zhao 等人设计触发-动作程序差异可视化界面，利用形式化方法识别程序结果差异，在107人实验中显著提升用户选择程序的准确性。2021VZValerie Zhao et al.University of Chicago自动机器学习（AutoML）界面交互式数据可视化CHI
理解给予黑命贵抗议者的安全和隐私建议Boyd 等人分析41份BLM安全指南并调查167名抗议者，发现新手缺乏端到端加密等关键隐私建议，呼吁改进安全指导。2021MBMaia J Boyd et al.University of ChicagoSTEM 教育与科学传播隐私设计与用户控制数据隐私感知与决策CHI
将数据脱离上下文以实现广告的超个性化：众包工作者对隐私的看法及披露私人信息的决定Hanson 等人实验发现个性化广告引发负面反应但不影响信息披露，验证隐私悖论存在，揭示情境完整性对数据使用的影响。2020JHJulia Hanson et al.University of Chicago隐私设计与用户控制数据隐私感知与决策暗黑模式（Dark Patterns）识别CHI
用户如何解释触发动作编程中的错误Brackenbury 等人系统化了触发-动作编程的时间范式，识别出十类编程错误，153人研究表明错误显著影响用户对规则行为的预测。2019WBWill Brackenbury et al.University of Chicago原型设计与用户测试计算方法在HCI中的应用CHI
SIGCHI 优秀博士论文奖 - 用数据支持密码决策Ur 等人通过数据驱动方法开发密码强度计，结合神经网络和启发式方法在2931人和4509人研究中验证，可使用户创建更安全且不难记忆的密码。2018BUBlase UrUniversity of Chicago可解释人工智能（XAI）密码与身份认证数据隐私感知与决策CHI
被遗忘但未消失：识别云存储中纵向数据管理的需求Khan 等人对 100 名用户调查发现云存储中 49% 文件被遗忘，83% 愿删除至少一文件，为回顾性云数据管理提供方向2018MKMohammad Taha Khan et al.University of Illinois at Chicago隐私设计与用户控制数据隐私感知与决策CHI
拆解在线目标定位和个性化背后的数据驱动推理的感知Dolin 等人通过两项在线研究（N=306, N=237）剖析用户对定向广告的矛盾态度，发现解释类型和兴趣敏感性显著影响用户对推断的舒适度和看法2018CDClaire Dolin et al.University of ChicagoAI 伦理、公平与问责算法透明度与可审计性隐私设计与用户控制CHI