论文标题	作者	研究主题
"这需要更多的创造力": 为AI对抗收集信息的障碍和工作绕过 Upadhyay等访谈18位美国AI对抗倡导者，发现其需创造性 workaround 获取信息以对抗AI系统，建议提升透明度政策有效性。	SU Sohini Upadhyay et al.哈佛大学
为善资助AI：呼唤有意义的参与 Lin等人分析35份约4.1亿美元AI4SG资助文件，揭示从技术导向到平衡取向的资助框架频谱，为资助方设计更平衡的AI4SG资助项目提供建议。	HL Hongjin Lin et al.哈佛大学
推荐还是不推荐：面向时间紧迫医疗事件的人工智能辅助决策支持系统设计与评估 Mastrianni 等人设计AI决策支持系统辅助创伤治疗，比较信息合成与建议两种策略，发现在紧急医疗场景下提供AI建议可提升正确决策率，但存在准确性与时间的权衡。	AM Angela Mastrianni et al.德雷塞尔大学	AI-Assisted Healthcare
反事实解释可能不是最佳算法追溯方法 Upadhyay等人通过三个实验比较反事实解释与原因码、特征归因等方法，发现原因码在未知因素高影响场景下用户结果更优，质疑反事实作为算法追溯最佳范式的假设。	SU Sohini Upadhyay et al.哈佛大学
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
"首先来找我们："将社区组织置于人工智能社会公益合作的核心 Lin等人通过对16个社会组织的访谈揭示，AI社会公益合作中资助者议程常主导目标，仅2/14项目达成部署，倡导从早期阶段实行社区组织共同领导。	HL Hongjin Lin et al.哈佛大学	Session 4e: Navigating AI Ethical Challenges
理解边缘的竞争性：对公共服务中算法决策设计的启示 Karusala 等人对比印度农村土地所有权与美国城市经济适用房场景的算法可争议性，发现非政府组织等中间人支持对行使争议权利至关重要。	NK Naveena Karusala et al.华盛顿大学
使用大型语言模型聊天机器人进行心理健康支持的LGBTQ+人群体验评估 Ma 等人采访31名参与者，发现LGBTQ+群体依赖LLM聊天机器人获取心理支持，但聊天机器人难以理解其特定挑战，呼吁解决社会歧视问题。	ZM Zilin Ma et al.巴克内尔大学
数字健康故事讲述中同伴匹配的相似性变量评估 Saksono 等人对309名单亲妈妈进行实验，发现人口统计变量匹配能显著提高身体活动的意向，且黑人单亲妈妈获得即时显著的自我效能感和情绪改善效果。	HS Herman Saksono et al.东北大学	Social Support II
人们在认知上参与AI交互吗？AI辅助对附带学习的影响 Gajos 等人通过三项实验发现，仅提供AI推荐和解释不足以促进附带学习；而仅展示AI解释让用户自行决策的条件，既能改善决策准确性，又能实现学习增益。	KG Krzysztof Z. Gajos et al.哈佛大学
不只是偏好：减少 dating 网站上的偏见决策 Ma 等人通过模拟约会网站实验发现，滑动界面和匹配分数设计会放大种族偏见，逆转信息呈现顺序可显著减少该隐性偏见。	ZM Zilin Ma et al.巴克内尔大学
"我想我们比医生知道得更多": 初级照护者如何管理缺乏疾病相关专业知识的护理团队 Jacobs 等人通过对共济失调毛细血管扩张症患儿照护者的访谈研究发现，照护者因医疗团队缺乏罕见病经验而承担更多协调责任，在线健康社区提供重要支持但存在情感负担和信息过载问题。	MJ Maia Jacobs et al.西北大学	Health and Caregiving
emoji_events 使用 Meeter 自动分析头脑风暴语言行为 Huber 等人开发 Meeter 工具自动分析口头头脑风暴中的信息共享与共同理解，其指标与人工标注一致，验证了工具有效性。	BH Bernd Huber et al.哈佛大学	Groups and creativity