论文标题	作者	研究主题
理解公共机构对AI驱动的聊天机器人在公共卫生监测方面的期望与现实 Jo 等人研究CareCall LLM聊天机器人案例，发现虽扩大公共覆盖但因资源不足增加前线负担，建议利用公共基础设施并纳入备用机制。	EJ Eunkyung Jo et al.加州大学欧文分校
探索患者对数字临床症状测量的生成性注释以促进以患者为中心的沟通 Jo 等人通过访谈 20 名停用抗抑郁药患者，发现患者注释数字临床自评工具可丰富症状体验并增强以患者为中心的沟通，但需平衡医患关系与临床实用性。	EJ Eunkyung Jo et al.加州大学欧文分校	Session 4b: Patient-Centered Care and Youth Empowerment
理解长期记忆对大型语言模型驱动的聊天机器人在公共卫生干预中自我披露的影响 Jo等人通过CareCall案例分析1502条通话记录和9名用户访谈，发现LLM长期记忆通过熟悉感增强健康披露，但处理慢性病和隐私问题时存在挑战。	EJ Eunkyung Jo et al.加州大学欧文分校
emoji_events 理解利用大型语言模型部署对话式AI进行公共卫生干预的好处和挑战 Jo 等人研究 CareCall LLM 聊天机器人用于公共卫生干预，发现其可整体理解个体、缓解孤独感，但支持公共健康需求方面存在挑战。	EJ Eunkyung Jo et al.加州大学欧文分校
广告推荐学习 AI 编程到 CodeNow 系统课程、实战项目、持续更新，适合想真正把 AI 用进开发流程的人。立即查看
理解文化对接触追踪策略观点的影响 Lu 等人在韩国复制美国的混合方法调查，研究文化对接触追踪策略看法的影响，发现韩国人偏好数字追踪而美国人无明显偏好，这与高权力距离文化下认为人工追踪更准确的观点一致，强调需文化适配设计追踪技术。	XL Xi Lu et al.印第安纳大学	Data and Privacy; Data and Privacy
GeniAuti：通过照顾者追踪数据驱动的自闭症儿童挑战行为干预方法 Jo 等人开发 GeniAuti 移动工具帮助照顾者记录自闭症儿童挑战行为，促进家长与专家合作定制干预，但发现社交情境记录困难和情感负担等挑战。	EJ Eunkyung Jo et al.加州大学欧文分校	Caregiving & Caregiver Support; Caregiving & Caregiver Support
设计灵活的纵向方案：支持临床医生规划精神药物的停用 Jo 等人设计 AT Planner 支持抗抑郁药物逐渐停用，通过投射减少计划并提供调整灵活性，需平衡人际与基础设施限制。	EJ Eunkyung Jo et al.加州大学欧文分校
比较人类和技术支持在接触者追踪中的视角 Lu 等人的291人混合调查表明数字接触追踪在隐私和便利性占优，人力追踪在情感安慰和可访问性更好，呼吁设计平衡两者优势。	XL Xi Lu et al.印第安纳大学
MAMAS：利用自动追踪和语音识别支持亲子用餐互动 Jo 等人开发MAMAS用餐助手应用，通过自动追踪和语音识别监测亲子用餐，15对亲子三周实验显示提升儿童自主性、父母自我意识及整体家庭用餐体验。	EJ Eunkyung Jo et al.加州大学欧文分校	Family, Children, and Youth
通过共同设计的自我追踪器理解育儿压力 Jo 等人通过共同设计为新父母部署个性化自我追踪器，发现 PI 实践可帮助父母发现生活积极方面、识别压力管理策略并促进夫妻沟通，缓解育儿压力	EJ Eunkyung Jo et al.加州大学欧文分校
协作空间的社交基础设施：数字游民的家园、工作场所与社交场所 Lee 等人基于 Reddit 数据分析发现，数字游民根据空间能否分离或融合社交与工作功能来评估协作空间，这对 CSCW 和 HCI 学者探索社会技术系统如何相互影响具有重要意义。	AL Ahreum Lee et al.普渡大学	Homes