SnuggleSense：通过结构化意义建构过程赋能在线伤害幸存者 Xiao 等人提出 SnuggleSense 系统，融合恢复性司法实践，通过反思问题、个性化推荐和可视化便签引导幸存者，显著提升网络伤害后的意义建构与恢复效果。
Trauma & Abuse
CSCW 2025 维持人类能动性，关注其成本：针对非母语使用者语言使用的生成式AI设计调查 Xiao 等人研究45对参与者发现在机器翻译辅助对话中，编辑条件可增强非母语者能动性，但会显著增加二元沟通表现成本。
YX
Yimin Xiao et al. University of Maryland, College of Information
多语言与跨文化语音交互 生成式AI（文本、图像、音乐、视频） 大语言模型（LLM）的人机协作
CHI 2025 emoji_events 知识工作中的人工智能生成技术：数据导航和决策制定的设计影响 Yun等人开发Yodeai系统探索AI在知识工作中的应用，通过20名知识工作者调研和16名产品经理用户研究，识别出可适应用户控制、透明合作机制等需求，同时发现AI过度依赖和情境理解等局限。
BY
Bhada Yun et al. University of California, Berkeley
生成式AI（文本、图像、音乐、视频） 大语言模型（LLM）的人机协作 知识工作者工具与工作流
CHI 2025 (超越)合理怀疑：公共辩护人在法庭上审查AI时面临的挑战 Jin 等人访谈17位美国公共辩护人，发现他们在审查计算法医软件时面临难了解系统细节、克服法官非批判性看法及专业知识匮乏三大挑战。
AJ
Angela Jin et al. University of California, Berkeley
可解释人工智能（XAI） AI 伦理、公平与问责 算法透明度与可审计性
CHI 2024 时空持续伤害限制美国穆斯林在线反公众的外部功能 Salehi 等人通过19次访谈发现，美国穆斯林公众人物构建反叙事的能力受持续在线伤害严重制约，揭示社交媒体反公众功能的根本局限。
Harm and Vulnerability
CSCW 2023 表达力、成本与集体主义：偏好语言的设计如何影响算法决策中的参与 Robertson 等人通过美国两学区两年研究，定义偏好语言表达性、成本和集体主义三属性，发现其塑造算法学生分配系统中利益相关者的有效参与机会。
SR
Samantha Robertson et al. University of California, Berkeley
AI 辅助决策与自动化系统 算法公平与偏见 参与式设计（Participatory Design）
CHI 2023 不仅仅是学校资源地图：满足弱势家庭的信息需求需要信任关系和个性化关怀 Robertson 等人通过对低收入家庭的访谈指出，在线学校信息系统缺乏个性化，建议采用基于资产的設計方法支持社区已有的信任关系与一对一帮扶。
SR
Samantha Robertson et al.
Parenting and Families; Parenting and Families
CSCW 2022 文件格式的审判：探索公共辩护律师处理新型监控数据面临的挑战 Warren 等人通过访谈揭示公共辩护律师因资源匮乏和刑事司法结构限制而难以应对新型监控数据，呼吁技术设计者关注其需求，强调数据解读能力与数据可见性同等重要。
RW
Rachel B. Warren et al.
Smart Homes, Privacy, and Surveillance; Smart Homes, Privacy, and Surveillance
CSCW 2022 持续存在的令人痛苦的广告：揭示针对有饮食紊乱史用户的定向减肥广告的危害 Gak 等人通过访谈有饮食紊乱史的用户，发现定向减肥广告通过数据持久性、简化算法和诱导性设计造成负面情感和身体影响，引入'缓慢暴力'概念阐释其对弱势群体的伤害。
Health and Consultation Practices, Addictive Behaviors, and Social Re-entry; Health and Consultation Practices, Addictive Behaviors, and Social Re-entry
CSCW 2022 联结行动框架：美国种族运动中的Instagram信息图表 Kaviani 等人分析7年Black Lives Matter数据，发现Instagram信息图表通过促进教育、建立信誉和整合资源三种途径，同时实现连接性与集体行动。
Collective Action; Collective Action
CSCW 2022 意义构建、支持、安全、报复、转变：理解青少年应对网络伤害的需求 Xiao 等人识别青少年网络伤害的五个核心需求：意义构建、情感支持、安全、报复和转变，并探讨多方利益相关者参与的设计干预方案。
SX
Sijia Xiao et al. University of California, Berkeley
在线骚扰与反制工具 网络欺凌与在线骚扰 在线身份与自我呈现
CHI 2022 AutoML何去何从？理解自动化在机器学习工作流中的作用 Xin等人通过定性研究分析AutoML工具使用现状，揭示现有工具的优势与不足，主张AutoML设计应聚焦于支持人机合作关系而非完全自动化
DX
Doris Xin et al. University of California, Berkeley
AI 辅助决策与自动化系统 自动机器学习（AutoML）界面
CHI 2021 不：作为女性主义数据实践的批判性拒绝 Garcia等人探讨批判性拒绝作为数据实践的生成性概念，通过Data Feminism和The Feminist Data Manifest-No项目展示如何在CSCW研究中发展替代数据实践。
No: Critical Refusal as Feminist Data Practice
CSCW 2020 代理、门警、毒贩：内容创作者如何塑造算法人格 Pedersen 等人提出 YouTuber 将算法拟人化为 Agent、Gatekeeper、Drug Dealer 三种人格，以此框架描述算法系统在社交世界中的新角色及其权力关系。
AI and Fairness
CSCW 2019 Ink：提升工作者能动性以降低雇佣众包工人的摩擦 Salehi 等人提出 Ink 系统让众包工作者在网络教程中嵌入任务，25,000次浏览促成168次雇佣，提升工作者能动性并降低用户雇佣摩擦。
Workers and Employees
CSCW 2018