糖尿病风险预测的循证解释视觉对话界面Samimi 等人设计了结合交互式可视化与对话代理的糖尿病风险预测系统，通过混合提示处理和循证解释方法，帮助医疗专业人员清晰理解模型评估并校准系统信任。2025RSReza Samimi et al.可解释人工智能（XAI）AI 辅助决策与自动化系统医疗与科学数据可视化CUI
机器学习中公平性的关节工作与修补Fahimi 等人从STS和CSCW视角分析公平AI研究，指出组织条件和社会世界模糊性限制了计算机科学与跨学科视角的合作。2024MFMiriam Fahimi et al.Session 1g: Contextualizing Fairness in AICSCW
不仅用于接触追踪：比利时接触追踪应用在年轻人中的使用Ayalon 等人通过13次访谈研究比利时 Coronalert 应用在年轻人中的使用，揭示了隐私保护与信息需求之间的设计权衡，并为未来接触追踪技术提供设计框架。2023OAOshrat Ayalon et al.心理健康应用与在线支持社区隐私设计与用户控制数据隐私感知与决策UbiComp
迈向有形算法：探索电影推荐算法的实体交互体验Alvarado 等人通过四项用户实验识别出设计电影推荐系统有形界面的七个关键考虑因素，并开发了首个功能性有形推荐界面 Recffy 以提升算法透明度与可控性。2022OAVero Vanden Abeele et al.Users' Understanding of Algorithms; Users' Understanding of AlgorithmsCSCW
群体推荐系统交互设计策略的系统综述Alvarado等人系统综述142篇论文，提出群体推荐系统交互设计策略的全面分类，涵盖应用领域、设备、原型保真度及评估方法等六方面。2022OAOscar Alvarado et al.Online Platforms; Online PlatformsCSCW
"透明旨在控制"与反之亦然：从共同设计与评估算法新闻推荐系统中学习Storms等人通过两阶段研究（共同设计工作坊与原型评估）揭示，算法新闻推荐系统中透明度与用户控制相互依存，无控制的透明令人沮丧，无透明的控制则令用户困惑。2022ESElias Storms et al.Users' Understanding of Algorithms; Users' Understanding of AlgorithmsCSCW
可解释推荐对青少年信任的影响：一项电子学习情境研究Ooge等人研究电子学习中推荐解释对青少年信任的影响，37人实验表明多维信任构念下解释可显著提升初期信任，但需个性化定制。2022JOJeroen Ooge et al.多语言与跨文化语音交互推荐系统用户体验通用设计与包容性设计IUI
群体音乐推荐系统中的公平性感知Htun 等人研究群体音乐推荐系统中用户人格对公平性感知的影响，发现宜人性人格与公平性重要程度感知呈负相关。2021NHNyi Nyi Htun et al.AI 伦理、公平与问责推荐系统用户体验算法公平与偏见IUI
中年视频消费者对YouTube算法推荐的信念Alvarado 等人通过访谈中年YouTube用户，识别出影响算法推荐的四个信念因素（先前行为、社交媒体、推荐系统、公司政策），揭示用户对推荐系统理解有限。2020OAOscar Alvarado et al.UX of AICSCW
从纸到像素：游戏地图界面的编年史Toups 等人通过综合游戏历史文献和 123 款关键游戏，梳理游戏地图从分离到集成再到智能手机界面的演变，为未来设计提供参考。2020ZTZ O. Toups et al.地理空间与地图可视化游戏用户体验与玩家行为DIS
多移动设备普适消费的响应式新闻摘要Chongtay 等人提出响应式新闻摘要技术，根据设备屏幕自动生成合适长度摘要，已通过初步用户验证。2018RCRocio Chongtay et al.生成式AI（文本、图像、音乐、视频）推荐系统用户体验IUI