艺术家谈AI十年演进：机器学习可供性、文化与艺术实践的访谈研究Sanchez等人通过30位艺术家访谈揭示，2020年后ML系统美学收窄、道德责任归属存在分歧，艺术家面临文化接受度变化挑战，为HCI设计创造力讨论提供新视角。2026TSTéo Sanchez et al.Ludwig Maximilian University of Munich实践中的 AICHI
对AI辅助决策的信任：来自系统背后的人和决策针对的人的视角Vereschak 等人通过访谈AI从业者与决策对象，发现信任受其他人类影响大于系统特性，利益相关者视角下信任因素作用各异2024OVOleksandra Vereschak et al.Sorbonne Université, CNRS, ISIR可解释人工智能（XAI）AI 辅助决策与自动化系统AI 伦理、公平与问责CHI
基于机器学习的假肢臂教学策略比较Sungeelee 等人比较三种假肢训练策略，发现教师主导和学习者主导策略可提升性能，其中学习者主导策略最有助于用户形成准确的心智模型。2024VSVaynee Sungeelee et al.遥操作驾驶（Teleoperation）电肌肉刺激（EMS）控制IUI
交互知识：理解数字工具的‘机制’Renom 等人提出交互知识概念，通过文本和图形编辑实验验证其可转移性，证明技术推理理论在数字环境交互中的关键作用。2023MRMiguel A. Renom et al.Université Paris-Saclay, CNRS, Inria可视化感知与认知用户研究方法（访谈、调查、观察）计算方法在HCI中的应用CHI
"未知星球的探索者"：视觉艺术中人工智能的实践与政治Caramiaux 等人通过访谈五位国际知名艺术家，揭示视觉艺术家如何将AI算法和数据作为创作材料，并利用其不可预测性进行抵抗AI研究文化的艺术实践。2022BCBaptiste Caramiaux et al.Maker Culture, Workshops, and Emerging Practices; Maker Culture, Workshops, and Emerging PracticesCSCW
机器教学中的深度学习不确定性Sanchez 等人研究非专家用户对分类器中偶然与认知不确定性的理解，发现多样化训练集能提升不确定性认知，但不确定性引导的数据选择未能改善分类器训练效果。2022TSTéo Sanchez et al.可解释人工智能（XAI）AI 辅助决策与自动化系统IUI
探索数字工具使用中的技术推理Renom 等人通过16名参与者重新利用命令完成文本布局任务的实验，发现再利用率与创造力显著相关，验证了技术推理在数字工具设计中的理论价值。2022MRMiguel A. Renom et al.Université Paris-Saclay, CNRS, Inria原型设计与用户测试计算方法在HCI中的应用CHI
捕捉动作分解以支持当代舞蹈的学习与教学Riviere 等人通过三个工作坊研究舞者动作分解策略，发现MoveOn技术探针可有效支持舞蹈学习，教师分解更适合初学者，个人分解更适合专家，为舞蹈教学技术设计提供依据。2019JRJean-Philippe Riviere et al.Art and performanceCSCW