用户对协作伙伴选择中 AI 辅助的依赖性研究Hrkalovic 等人研究发现解释性和引导性 AI 支持比单纯推荐更能增强用户对 AI 能力感知，智力能力感知而非社交能力预测更高的依赖度。2026THTiffany Matej Hrkalovic et al.希罗尼穆斯数据科学学院大语言模型（LLM）的人机协作AI 辅助决策与自动化系统可解释人工智能（XAI）IUI
机器学习解释的优势：AI辅助序列预测任务中的学习改进Liang 等人通过序列预测任务实验证明，XAI解释能加速用户学习并提高AI移除后的表现恢复能力，但这种优势随任务难度增加而减弱。2025YLYu Liang et al.埃因霍温理工大学可解释人工智能（XAI）AI 辅助决策与自动化系统IUI
支持社会互动自我反思的技术：系统综述Hao 等人系统综述了23篇支持社会互动自我反思的技术文献，构建包含应用领域、学习机制、用户适应性等维度的分析框架，为设计自适应社交反思系统提供理论依据。2025CHChenxu Hao et al.代尔夫特理工大学心理健康应用与在线支持社区用户研究方法（访谈、调查、观察）IUI
良好的性能不足以信任AI：物流专家在其与AI规划系统长期合作中的经验教训Kahr 等人研究发现，物流专家虽指出AI系统不完美，仍随时间建立信任，但系统不稳定性破坏信任发展，甚至推翻正确AI决策以保护同事福祉。2025PKPatricia K. Kahr et al.埃因霍温理工大学AI 辅助决策与自动化系统AI 伦理、公平与问责算法透明度与可审计性CHI
信任恢复之旅：错误时机对遵循AI建议意愿的影响Kahr 等人发现AI错误时机影响信任恢复，早期错误比晚期错误导致更严重的信任下降和依赖性降低，但两者均能快速恢复，表明时间积累可提高用户对AI错误的容忍度。2024PKPatricia K. Kahr et al.埃因霍温理工大学可解释人工智能（XAI）AI 辅助决策与自动化系统AI 伦理、公平与问责IUI
利用ChatGPT实现推荐系统中以人为中心的自动解释Silva 等人利用ChatGPT生成推荐解释，研究发现用户更喜欢ChatGPT推荐且个性化解释在推荐项目不熟悉时效果更佳。2024ÍSÍtallo Silva et al.坎皮纳格兰德联邦大学大语言模型（LLM）的人机协作可解释人工智能（XAI）推荐系统用户体验IUI
马拉松运动中专家用户与预测模型交互的效益研究Muijlwijk 等人开发交互式马拉松预测工具让教练调整历史比赛权重，结果显示模型准确性提升，教练信任度和接受度显著提高。2024HMHeleen Muijlwijk et al.埃因霍温理工大学大语言模型（LLM）的人机协作AI 辅助决策与自动化系统IUI
改进模型不可知的可解释人工智能工具中的特征贡献的可理解性Hadash 等人通过用户研究发现积极框架可提升特征贡献可理解性，添加语义标签消除框架效应，将在 ArgueView 包中实现这些改进以增强可解释AI的实用性。2022SHSophia Hadash et al.希罗尼穆斯数据科学学院可解释人工智能（XAI）推荐系统用户体验CHI
可视化与情感控制的交互式音乐流派探索Liang等人研究发现，等高线图可视化结合情感控制比条形图更能帮助用户探索新音乐流派，提升感知信息性和可理解性。2021YLYu Liang et al.埃因霍温理工大学推荐系统用户体验交互式数据可视化IUI
忽视背景：默认设置和框架如何减少智能家庭隐私决策中的深思熟虑？Bahirat 等人分析智能家居隐私决策数据集，发现默认设置和框架不仅影响决策结果，还调节背景因素评估，加剧启发式决策问题，需避免于界面设计。2021PBParitosh Bahirat et al.克莱姆森大学隐私设计与用户控制智能家居隐私与安全CHI
超越行为：健康教练对技术的观点Rutjes 等人通过三项定性研究发现健康教练担心技术引入会忽视客户生活经验，并提出多渠道沟通模型指导技术设计。2019HRHeleen Rutjes et al.埃因霍温理工大学游戏化设计（Gamification）心理健康应用与在线支持社区健身追踪与运动监测CHI
基于Rasch的营养辅助系统定制目标Schaefer 等人基于Rasch量表为营养辅助系统设计定制化目标，使建议更契合用户能力，研究表明定制化建议更有效且更受用户认可。2019HSHanna Schaefer et al.Department of Informatics饮食追踪与营养管理IUI