论文标题	作者	研究主题
EvalAssist：任务特定评估与 AI 辅助判断策略偏好的见解 Ashktorab 等人开发 EvalAssist 系统，帮助机器学习从业者交互式细化评估标准，研究发现任务特定化标准和可调整的 AI 评估器能显著提升评估效率。	ZA Zahra Ashktorab et al.国际商业机器公司
结构化接地：探索自然语言界面中接地人机协作的设计变体 Do 等人基于沟通接地理论设计三种自然语言交互接口，发现结构化接地接口能降低认知负荷与说话者转换成本，提升人机协作效率与用户接受度。	HD Hyo Jin Do et al.国际商业机器公司	Session 1e: Human-AI Collaboration
评估他人所言：准确性评估对塑造AI系统心理模型的影响 Do 等人发现验证过程能有效提升用户对AI系统的准确心理模型，尤其在知识分布方面，但69.23%的参与者仍会误判社会信息准确性。	HD Hyo Jin Do et al.国际商业机器公司	Session 3e: Trusting the Machine: Fake News. AI Decision-Making, and Auditing
人机团队中的决策策略与团队效能 Ashktorab 等人通过125人的 MTurk 实验发现，专制型决策会降低人机团队效能，决策风格与 AI 身份披露影响协作行为，为人机团队设计提供指导。	ZA Zahra Ashktorab et al.国际商业机器公司	Human AI Collaboration II
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
SME 参与环路：人-AI 社区中监督机器人的交互偏好研究 Ashktorab 等人研究 SME 在人-AI 社区中监督机器人的教学偏好，发现演示交互最受欢迎，且用户会考虑社区感知和下游影响。	ZA Zahra Ashktorab et al.国际商业机器公司
人-AI协作数据标注冲突解决中的依赖与自动化研究 Brachman 等人研究人-AI协作在数据标注冲突解决中的应用，发现自动化可提高准确率和时间效率，但提供标注者和AI信息可减少对自动化的不当依赖。	MB Michelle Brachman et al.国际商业机器公司	Human-AI collaboration; Human-AI collaboration
AI辅助人工标注：批量处理提升效率而不致过度依赖 Ashktorab 等人在Mechanical Turk上开展156人实验，发现批量标注可提升效率，但需关注AI质量对标注者过度依赖的影响，并提出相应缓解机制。	ZA Zahra Ashktorab et al.国际商业机器公司	Data Work and AI
通过人工智能辅助界面提高数据标注的速度和准确性 Desmond 等人设计 AI 标注助手，利用半监督学习预测标签并缩小决策空间，用户研究表明该界面显著提升标注速度与准确性。	MD Michael Desmond et al.国际商业机器公司
研究后门投毒攻击的游戏设计与开发：《后门游戏》 Ashktorab 等人开发了《后门游戏》，首个让用户交互式体验后门投毒攻击并上传后门对象的游戏，通过用户研究揭示了新型交互模式。	ZA Zahra Ashktorab et al.国际商业机器公司
设计 ground truth 和标签的社会生活 Muller 等人通过实证研究领域专家的标签工作，揭示机器学习地面真实数据设计中原则设计、迭代设计、即兴设计三种模式，为以人为中心的数据科学提供理论解释	MM Michael Muller et al.国际商业机器公司
人类与AI交互中沟通方向性和AI代理差异的影响 Ashktorab 等人在合作游戏中研究发现，不同沟通方向和AI代理类型显著影响用户对AI伙伴的社会感知，揭示了对AI的偏见具有情境依赖性（n=199）。	ZA Zahra Ashktorab et al.国际商业机器公司
合作游戏环境中的人机协作：社会感知与结果测量 Ashktorab 等人通过词语联想游戏实验发现，当参与者相信伙伴是人类时，对其亲和力、智力和创造力的评价显著高于AI伙伴，并探讨了透明度对协作的影响。	ZA Zahra Ashktorab et al.国际商业机器公司	Human-AI Collaboration / Images in AI
emoji_events 合作游戏环境中AI代理人的心理模型 Gero 等人研究合作猜词游戏中用户对AI的心理模型，发现常胜者对AI能力估计更准确，指出理解行为对建立适当概念模型很重要。	KG Katy Ilonka Gero et al.哥伦比亚大学