论文标题	作者	研究主题
导航自动招聘：年轻求职者的感知、策略使用与结果 Armstrong 等人调查448名计算机科学学生发现，AEDT的自动化程度和技术特征影响求职者感知与意愿，但推荐和家庭收入仍是求职成功的关键因素，自动化工具未能消除社会特权影响。	LA Lena Armstrong et al.宾夕法尼亚大学	Facilitating Equity and Fairness in Tech
生成式AI与感知伤害：谁被怀疑使用了大语言模型？ Kadoma等人通过三个在线实验发现，当他人感知或怀疑自由职业者使用AI时，会对写作评估和雇佣结果产生负面影响，且对某些人口群体存在感知伤害的差异化影响。	KK Kowe Kadoma et al.康奈尔大学
更少但更好：Twitter/X算法时间线与时间顺序时间线的新闻内容与用户感知审计 Wang 等人审计发现Twitter/X算法时间线虽减少新闻数量但提升质量（更少极化和更具可靠性），用户行为虽受影响但对平台感知变化不大。	SW Stephanie Wang et al.宾夕法尼亚大学	Session 2e: Echo Chambers and Fake News in Focus
包容性、控制权和所有权在工作场所人工智能中介沟通中的作用 Kadoma 等人通过在线实验发现LLM风格偏见未影响包容感知，但高包容感增强少数性别参与者能动性和所有权	KK Kowe Kadoma et al.康奈尔大学
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
可解释性笔记：探讨如何通过互动和人工智能解锁医疗笔记的意义 Kambhamettu 等人通过定性研究提出可解释记录愿景，为患者提供注意力引导、短语级理解和推理线索追踪，帮助理解医疗进展记录。	HK Hita Kambhamettu et al.宾夕法尼亚大学
emoji_events 社会技术审计：拓展算法审计视角以研究定向广告 Lam 等人提出社会技术审计方法，通过 Intervenr 平台对 244 名用户进行两周实验，发现定向广告效果更好但用户一周内即适应，质疑个性化定向的首要地位。	ML Michelle S. Lam et al.斯坦福大学	Online Content and Algorithms
终端用户审计：赋权社区主导算法有害行为大规模调查的系统 Lam 等人提出终端用户审计方法IndieLabel，通过协作过滤技术让非技术用户能快速探索算法输出与自身观点的差异，在17名参与者实验中既复制了已知问题，也发现了隐蔽仇恨形式标记不足等新问题。	ML Michelle S. Lam et al.斯坦福大学	Algorithmic Decision-making
终端用户审计：赋予社区主导有害算法行为大规模调查能力的系统 Lam 等人开发 IndieLabel 工具，通过协作过滤技术支持非技术用户进行系统级算法审计，发现有害内容检测中的漏报与过度标记问题。	ML Michelle S. Lam et al.斯坦福大学	Algorithmic Decision-making
社会的镜像：职业图像搜索结果中的性别和种族表征及其影响 Metaxa 等人研究发现职业图像搜索中存在严重的性别和种族代表性不足（女性低估42%，有色人种低估16%），且搜索结果中的代表性影响用户职业印象和归属感。	DM Danaë Metaxa et al.斯坦福大学	Algorithmic Auditing and Responsible AI
emoji_events 随机、杂乱、有趣、真实：Finstas作为社交媒体的亲密重组 Xiao 等人通过访谈和视频分析研究发现，年轻人通过创建 finsta 账号重新配置 Instagram，以亲密重组应对社交压力。	SX Sijia Xiao et al.加利福尼亚大学
搜索媒体与选举：政治搜索结果的纵向研究 Metaxa 等人提出搜索媒体概念，分析400万URL数据揭示2018年中期选举中搜索结果的稳定性与政治偏见趋势，发现现任者与挑战者存在显著差异。	DM Danaë Metaxa et al.斯坦福大学	Political Participation and Polarization