跨LLM聊天机器人用户报告风险的表征分析Li 等人通过分析Reddit讨论发现，ChatGPT、Gemini、Claude等七大LLM聊天机器人存在差异化风险分布，需针对各平台特点实施以人为中心的风险缓解策略。2026LLLingyao Li et al.University of South Florida大语言模型（LLM）的人机协作可解释人工智能（XAI）AI 伦理、公平与问责CHI
与AI伴侣协商数字身份：动机、策略与情感结果Ma等人基于身份协商理论分析Character.AI上22,374条讨论，揭示用户通过五种动机与身份共建策略在AI伴侣互动中进行身份协商的过程，识别出三种情感结果。2026RMRenkai Ma et al.University of Cincinnati会话代理的人格与拟人化社交机器人与虚拟伴侣情感化人机对话CHI
“如果是星球大战粉丝，使用原力”：探索儿童在AR头显中的虚拟物体交互偏好Delgado 等人通过对20名9-12岁儿童的研究构建了AR虚拟物体交互期望模型，发现儿童偏好全身手势和外部物体而非语音交互，并常为交互添加叙事背景。2026ADAlejandro Delgado et al.University of South FloridaAR 导航与情境感知儿童交互设计全身交互与体感输入CHI
调查mHealth应用程序中上下文通知对体重维持自我监测的推动作用Chen 等人通过30名参与者四周实地研究发现基于上下文的推送通知比纯时间通知更能提高用户响应速度和数据记录及时性。2024YCYu-Peng Chen et al.University of Florida睡眠与压力监测通知与中断管理CHI
你看到我看到的了吗？一项揭示高级可视化理解的质性研究Quadri 等人通过线图、条形图和散点图的质性研究发现，可视化设计目标与受众实际理解存在显著偏差，传统低层次任务研究无法预测高层次模式。2024GQGhulam Jilani Quadri et al.University of North Carolina交互式数据可视化可视化感知与认知CHI
被动还是主动？机器人应如何解释故障LeMasurier 等人比较反应式与主动式解释系统，发现主动预测解释更能提升用户感知智能与信任，解释更易理解且及时。2024GLGregory LeMasurier et al.可解释人工智能（XAI）人-机器人协作（HRC）HRI
（模糊的手势）：机器人在大型环境中使用抽象指向手势的效果Huang 等人通过两项研究揭示了机器人在大型环境中使用精确指示与抽象指向手势的不同效果，并提出针对可见与不可见参照物的三项设计指南。2024AHAnnie Huang et al.手部手势识别家用机器人社交机器人交互HRI
Dakter Bari：引入中介机构确保为极度贫困人群提供医疗服务Rahman 等人提出 Dakter Bari 中介方案，通过分析70名乞丐、71名中介和10家医院的实地数据，验证其在6个月内完成255次服务请求的有效性。2021MRMd. Aminur Rahman et al.Specialist and Collaborative Work // Algorithmic FairnessCSCW
从推文学习：登革热疫情期间政策制定的机遇与挑战Shahid 等人研究孟加拉国登革热期间推文数据，探讨社交媒体健康数据在资源有限地区辅助政策制定的可行性及其面临的互联网普及率低等挑战。2020FSFarhana Shahid et al.Data and Social Media for HealthCSCW
用于艺术表达的脑机接口Nijholt等人审视艺术表达用脑机接口现状，探讨多模式多参与者BCI设计，旨在促进BCI与HCI研究者及艺术家的跨领域合作。2018ANAnton Nijholt et al.University of Twente脑机接口（BCI）与神经反馈数字艺术装置与交互表演CHI
计算机-人机交互指导 (CHIMe) 2018Brewer 等人组织 CHIMe 2018，为研究生和本科生提供与 HCI 领域同行、教师和行业专家互动的指导与合作环境。2018RBRobin Brewer et al.University of Michigan参与式设计（Participatory Design）用户研究方法（访谈、调查、观察）CHI
计算机-人类交互指导 (CHIMe) 2018Brewer 等人组织CHIMe 2018会议，为HCI领域学生提供来自同行、教师和行业专家的指导与合作支持环境。2018RBRobin Brewer et al.University of Michigan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）CHI