从答案给予者到设计导师：用认知学徒模型引导大型语言模型Ahn 等人将认知学徒模型应用于大型语言模型提示设计，使 AI 能扮演设计导师角色提供更深入的设计推理和反思性反馈，为 AI 辅助设计反馈系统提供设计指引。2026YAYongsu Ahn et al.Boston College人工智能与数据可视化CHI
缓解还是替代？教师如何协商生成式AI在其职业实践中的角色Dangol 等人通过对22名教师访谈发现，教师在采用生成式AI时面临激励与抵抗的双重张力，需在学区政策、专业规范与个人价值观间进行复杂协商以平衡工具承诺与风险。2026ADAayushi Dangol et al.University of WashingtonAI 素养、伦理与批判性理解CHI
CrossLit：连接文献综述的视觉与文本理解Choe 等人设计CrossLit系统整合视觉与文本界面，支持文献综述全过程，帮助研究者通过无缝跨模态转换迭代构建概念结构和叙事，提出跨模态界面同步设计启示。2026KCKiroong Choe et al.Seoul National University数据可视化设计与工具CHI
情感触觉的构成是什么？柔性电容传感器阵列揭示剪切力、正应力与个体差异的相互作用McLaren 等人开发柔性电容传感器阵列检测正常力与剪切力，发现剪切力数据可将情感触觉分类准确率从 80% 提升至 88%，揭示了情感触觉中不同力学信号与个体差异的相互作用特征。2024DMDevyani McLaren et al.振动反馈与皮肤刺激UIST
VizAbility: 基于大语言模型的图表无障碍交互增强Gorniak 等人开发VizAbility系统，利用大语言模型为视障用户提供自然语言图表查询和语音导航的无障碍图表交互支持。2024JGJoshua Gorniak et al.大语言模型（LLM）的人机协作视觉障碍者技术（屏幕阅读器、触觉图形、盲文）UIST
由大型语言模型驱动的可视化自然语言数据集生成框架Ko 等人提出VL2NL框架，利用大型语言模型从Vega-Lite规范生成自然语言数据集，实现图表语义提取89.4%和L1/L2标题76.0%的准确率2024KKKwon Ko et al.KAIST大语言模型（LLM）的人机协作交互式数据可视化时序数据与网络图可视化CHI
VisLab: 使可视化设计师能够收集经验性设计反馈Choi 等人开发 VisLab 开源系统，通过模板和仪表板帮助可视化设计师进行实验收集经验反馈，评估了可用性和实用性。2023JCJinhan Choi et al.Boston College交互式数据可视化原型设计与用户测试CHI
探索盲人和低视力用户的图表问答Kim 等人通过 Wizard of Oz 实验收集 979 个查询，发现检索值和极值查找最常用，为盲人低视力用户图表问答系统提供设计指南。2023JKJiho Kim et al.University of Wisconsin-Madison视觉障碍者技术（屏幕阅读器、触觉图形、盲文）交互式数据可视化CHI
野外的可视化可访问性：可视化设计师面临的挑战Joyner 等人通过分析95个可视化案例和调查144名从业者，发现复杂交互式可视化设计和工具缺乏可访问性支持是视障人士面临的主要挑战。2022SJShakila Cherise S Joyner et al.Boston College视觉障碍者技术（屏幕阅读器、触觉图形、盲文）通用设计与包容性设计交互式数据可视化CHI
经验丰富的企业应用设计师如何将AI作为设计材料进行运用Yildirim等人通过设计研讨会发现企业AI团队设计师能在系统层面创新，但为AI投资回报率论证是主要障碍，提及边界对象协作。2022NYNur Yildirim et al.Carnegie Mellon University生成式AI（文本、图像、音乐、视频）AI 辅助决策与自动化系统CHI
青少年图形感知：儿童与成人之间的比较Panavas 等人对 8-12 岁儿童与成年学生进行图形感知实验，发现儿童与成年人有效性排名相似，但儿童在各编码类型判断上准确性始终较低。2022LPLiudas Panavas et al.Northeastern University可视化感知与认知CHI
TurkEyes: 一个基于网络的众包注意力数据工具箱Newman 等人开发TurkEyes网络众包工具箱，整合ZoomMaps、CodeCharts、ImportAnnots、BubbleView四种方法，为大规模注意力数据收集提供无眼动追踪的解决方案。2020ANAnelise Newman et al.Massachusetts Institute of Technology眼动追踪与注视交互交互式数据可视化众包任务设计与质量控制CHI
ICONATE：自动复合图标生成与构思Zhao 等人提出 ICONATE 系统，基于 Compicon1k 数据集自动生成复合图标，通过计算流水线和语义标签注释加速设计流程，助力初学者和专业人员。2020NZNanxuan Zhao et al.Harvard University & City University of Hong Kong生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作平面设计与排版工具CHI