无障碍检查的能力启发式方法Mitchell 等人提出九种无障碍评估能力启发式方法，使设计学生能够像专家一样进行无障碍检查，发现的问题覆盖更广泛的残疾群体，且与 WCAG 一样易用。2026CMClaire L. Mitchell et al.University of Washington通用设计与包容性设计认知障碍与神经多样性（自闭症、ADHD、阅读困难）参与式设计（Participatory Design）CHI
评估交互原型时的新颖性偏见量化研究Ma 等人通过四对功能相同原型的比较实验证实，新颖性标签可使高达77%参与者偏好“新”版本，主观评分提升高达11.6%，揭示了HCI评估中novelty bias的显著影响。2026YMYumeng Ma et al.University of Washington用户研究方法（访谈、调查、观察）原型设计与用户测试研究伦理与开放科学CHI
驾驶员行为、感知与认知适应的车载触屏界面框架Hwang 等人提出PSA自适应框架，通过驾驶模拟器发现认知负荷使触屏选择减慢20%，共同设计生成可用性与安全性平衡的界面设计指南。2026SHSeokhyun Hwang et al.University of Washington自动驾驶界面与接管设计抬头显示（HUD）与驾驶辅助系统（ADAS）车内触觉、声音、多模态反馈CHI
TaskAudit：通过智能体任务执行检测移动应用功能可达性错误Zhong 等人提出 TaskAudit 系统，通过智能体执行交互任务从 54 个应用屏幕中检测到 48 个功能可达性错误，显著优于现有检查器的检测能力。2026MZMingyuan Zhong et al.University of Washington语音可访问性移动端无障碍设计自我追踪中的隐私与数据所有权CHI
支持在行走时阅读的自动和定制字体大小调整Kong 等人研究表明自动字体大小调整可减轻行走对阅读的影响，提高阅读速度与舒适度，为行走场景界面设计提供个性化建议。2025JKJunhan Kong et al.University of Washington语音用户界面（VUI）设计环境感知与上下文计算CHI
A11yBoard：使数字画板对盲人和低视力用户可用Zhang 等人设计 A11yBoard 交互式多模式系统，结合网络画布与移动触屏设备，使盲人和低视力用户可进行空间推理与对象创建编辑。2023ZZZhuohao Zhang et al.University of Washington视觉障碍者技术（屏幕阅读器、触觉图形、盲文）可视化感知与认知CHI
VoxLens：使用交互式JavaScript插件使在线数据可视化变得易于访问Sharif 等人开发 VoxLens 开源 JavaScript 插件，通过多模式交互提升屏幕阅读器用户数据可视化可访问性，准确率提升 122%。2022ASAther Sharif et al.University of Washington视觉障碍者技术（屏幕阅读器、触觉图形、盲文）CHI
TypeAnywhere: 一种基于QWERTY的通用计算文本输入解决方案Zhang等人提出TypeAnywhere系统，利用神经语言模型实现仅凭手指敲击的文本输入，在桌面和腿上打字分别达到70.6 WPM和43.9 WPM，字符错误率约1.5%。2022MZMingrui Ray Zhang et al.University of Washington触觉可穿戴设备语音用户界面（VUI）设计智能语音助手（Alexa、Siri 等）CHI
Android应用中缺失标签可访问性故障的大规模纵向分析Fok 等人首次对312个Android应用进行16个月纵向分析，发现55.6%图像元素存在缺失标签故障，8.8%屏幕因缺失标签无法访问，为可访问性改进提供大规模实证。2022RFRaymond Fok et al.University of Washington语音可访问性视觉障碍者技术（屏幕阅读器、触觉图形、盲文）通用设计与包容性设计CHI
理解盲人屏幕阅读者使用数字画板的经验Schaadhardt 等人通过对 15 名盲人用户的访谈与可用性研究，发现数字画板存在高认知负荷、对象关系难确定、操作无反馈三大问题并提出设计建议。2021ASAnastasia Schaadhardt et al.University of Washington视觉障碍者技术（屏幕阅读器、触觉图形、盲文）CHI
《我是钢铁侠》启动改进用户引发手势的学习性和记忆性Ali 等人发现科幻启动使手势学习需1.22次观看，一周记忆率达80%；创造性思维组需1.56次，记忆率73%，均优于对照组。2021AAAbdullah Ali et al.University of Washington手部手势识别用户研究方法（访谈、调查、观察）CHI
JustCorrect：智能手机上的智能事后文本纠正技术Cui等人提出JustCorrect智能文本纠正技术，用户在输入末尾直接输入正确内容即可自动检测并应用纠正，比Android键盘减少12.8%的纠正时间。2020WCWenzhe Cui et al.语音用户界面（VUI）设计UIST
手势征集研究的系统性综述：我们能从216项研究中学到什么？Villarreal 等人系统性综述了216项手势征集研究，涵盖5,458名参与者和148,340个征集手势，为HCI领域手势设计提供了全面的文献定位、比较框架与研究机会指引。2020SVSantiago Villarreal et al.手部手势识别全身交互与体感输入原型设计与用户测试DIS
Crowdlicit：一个用于进行分布式最终用户需求提取和识别研究的系统Ali 等人开发了 Crowdlicit 在线系统进行众包启发与识别研究，通过78人参与得出比原研究更具识别性的6个新符号，并验证了49个符号的有效性。2019AAAbdullah X. Ali et al.University of Washington众包任务设计与质量控制用户研究方法（访谈、调查、观察）CHI
集群触控：提高智能手机在运动功能障碍和情境限制下用户的触控准确性Mott 等人提出 Cluster Touch 技术，结合用户独立和特定偏移模型，使运动障碍和行走用户仅需20个触控示例即可将准确性分别提升14.65%和6.81%。2019MMMartez E. Mott et al.University of Washington运动障碍辅助输入技术CHI
众包相似性判断用于终端用户诱导研究中的协议分析Ali等人开发Crowdsensus众包工具，通过主观判断和自动聚类分析430个语音命令，在7/8功能上与专家达成一致，且效率比专家高约4倍。2018AAAbdullah X. Ali et al.众包任务设计与质量控制用户研究方法（访谈、调查、观察）原型设计与用户测试UIST