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。2025SMSomayeh Molaei et al.Explainable AI (XAI)CSCW
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。2025TETess Eschebach et al.Content Creation & CreatorsCSCW
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LLMsPrabhudesai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。2025SPSnehal Prabhudesai et al.University of Michigan, Computer Science and Engineering大语言模型（LLM）的人机协作算法透明度与可审计性CHI
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。2024NENel Escher et al.Session 2b: Algorithms in the WorkplaceCSCW
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。2024AAAnindya Das Antar et al.眼动追踪与注视交互可解释人工智能（XAI）AI 辅助决策与自动化系统UIST
"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。2024SASumit Asthana et al.University of MichiganAI 伦理、公平与问责算法透明度与可审计性隐私设计与用户控制CHI
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。2023AAAnindya Das Antar et al.人体姿态与行为识别心理健康应用与在线支持社区远程医疗与远程患者监测UbiComp
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。2023XHXincheng Huang et al.可定制与个性化物件创客空间（Makerspace）文化UbiComp
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。2023NBNikola Banovic et al.AI and TrustCSCW
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。2023DRDivya Ramesh et al.游戏化设计（Gamification）零工经济平台（Gig Economy）DIS
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。2023JIJane Im et al.University of Michigan隐私设计与用户控制数据隐私感知与决策CHI
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。2021SASumit Asthana et al.Data Work and AICSCW
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。2021EZEnhao Zhang et al.University of Michigan生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作交互式数据可视化CHI
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。2020NENel Escher et al.Misinformation and TrustCSCW