论文标题	作者	研究主题
人们想知道关于人工智能（AI）什么？回答终端用户问题以解释自动驾驶汽车（AV）决策的重要性 Molaei等人通过两项用户研究发现现有解释机制未能覆盖乘客的AI驾驶疑问，证实交互式文本解释可显著提升乘客对自动驾驶决策的理解，为设计面向终端用户的AV解释交互提供设计指导。	SM Somayeh Molaei et al.密歇根大学	Explainable AI (XAI)
玩转"谷歌的游戏"：教育类YouTube博主如何平衡教育与变现 Eschebach 等人通过对12位教育类YouTube博主的访谈研究，发现赞助和点击诱饵等变现策略常与免费优质教育内容的使命产生冲突，并提出平台应支持创作者维持教育诚信的建议。	TE Tess Eschebach et al.芝加哥大学	Content Creation & Creators
在这里，GPT做出了一个选择，而每一个选择都可能带有偏见：学生如何通过终端用户审计活动批判性地参与LLMs Prabhudesai等人研究学生批判性参与LLM的方式，发现无AI素养学生难以自行评估模型偏见，但结构化终端用户审计可引导其进行集中思考和目的性互动。	SP Snehal Prabhudesai et al.密歇根大学
将法律编入代码：学科分裂如何影响法律软件的发展 Escher 等人通过15个团队翻译破产法规的实验，揭示计算机科学与法律之间的认知分裂导致法律软件产生错误建议和不当法律标准，即使有法律专家参与也难以避免沟通障碍。	NE Nel Escher et al.密歇根大学	Session 2b: Algorithms in the Workplace
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
VIME: 用于识别序列决策机器学习模型能力与局限性的视觉交互式模型浏览器 Antar等人开发VIME可解释AI工具箱，使ML工程师能在假设场景中解释序列模型决策，识别模型错误更便捷。	AA Anindya Das Antar et al.密歇根大学
"我知道即使你不告诉我": 理解用户对AI基于敏感信息推断进行个性化设置的隐私偏好 Asthana等人对877名参与者实验发现，用户对AI关于敏感信息的推断持谨慎态度，倾向于限制性同意决策，为推断背景下的同意机制提供方向。	SA Sumit Asthana et al.密歇根大学
多发性硬化症患者身体功能预测的行为建模方法 Antar 等人提出将MS临床知识形式化的行为预测模型，提前预测患者每日终末身体功能，支持及时临床干预和日程规划。	AA Anindya Das Antar et al.密歇根大学
StructureSense：从用户行为推断建构组装结构 Huang 等人提出 StructureSense 系统，利用被动 UHF-RFID 传感技术从物体运动中推断建构组装过程，在木质灯和 Jumbo Blocks 两个套件上验证了可行性。	XH Xincheng Huang et al.密歇根大学
仅具备可信度是不够的：不可信人工智能（AI）如何欺骗终端用户并获得信任 Banovic 等人通过实验证明不可信AI可通过夸大能力误导用户信任，120名参与者无法准确评估AI能力，呼吁设计辅助用户评估AI可信度的交互方案。	NB Nikola Banovic et al.密歇根大学	AI and Trust
游戏化视角下的算法管理：以零工工人 Instacart 工作体验模糊性为例 Ramesh 等人通过分析 Instacart 工人 Reddit 帖子，提出游戏化框架解释算法管理中的模糊性如何同时调节工人行为并产生积极情感体验。	DR Divya Ramesh et al.密歇根大学
少并不意味着好：改进在线行为广告中隐私控制的可发现性和可操作性 Im 等人迭代设计 Facebook 广告控制界面，实验表明信息流顶部入口点及高操作性设计提升广告设置可发现性和感知可用性，减少用户操作成本。	JI Jane Im et al.密歇根大学
通过利用编辑行为模式自动标注维基百科低质量内容 Asthana 等人提出利用维基百科编辑行为模式自动标注低质量内容的方法，比传统众包标注更准确，显著提升句子质量分类算法性能。	SA Sumit Asthana et al.密歇根大学	Data Work and AI
通过自动生成的图像画廊探索生成对抗网络（GANs）的方法 Zhang 等人提出交互式 GAN 图像探索工具，结合用户研究与 MCMC 抽样方法，证明该工具生成的图像质量更高、多样性更强，优于现有基线方法。	EZ Enhao Zhang et al.密歇根大学
揭露贫困管理技术中的错误：政府福利筛查工具审计方法 Escher 等人提出通过生成测试家庭并与形式化资格模型比对来审计政府福利筛查工具的方法，揭示了真实系统中的重大错误及其可重现案例。	NE Nel Escher et al.密歇根大学	Misinformation and Trust