XiaoMi-AI文件搜索系统
World File Search System人机交互
人机交互 - course.iicm.edu - 讲座
9.12 便携式可用性套件 ....................................122 9.13 内部任务列表示例 ...........。。。。。。。。。。。。。。。。。。。。。。124 9.14 Harmony 可用性测试的入门脚本 .......................126 9.15 典型背景调查问卷 ...........................127 9.16 合并的保密和同意书 .........................128 9.17 通用数据收集表 ............。。。。。。。。。。。.......129 9.18 已完成的数据收集表 .............................129 9.19 反馈问卷示例 ...............................130 9.20 示例测试清单 ..。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。131 9.21 A/B 测试。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。142 9.22 SUS 调查问卷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。148 9.23 UEQ 调查问卷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。149 9.24 NPS 问题。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。149 9.25 远程测试检查表示例。。。。。。。。。。。。。。。。。。。。。。。。。。。。。154 9.26 正在使用 Webex 进行 oebb.at 远程测试。。。。。。。。。。。。。。。。。。。。。。。155 9.27 远程测试，填写背景调查问卷。。。。。。。。。。。。。。。。。。。。155
人机交互设计研究 - DTIC
估计此信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查收集信息的时间。请将有关此负担估计或此信息收集的任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务处信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。
人机交互评论论文
Rahul Verneker 1 和 Sayeesh 先生 2 计算机科学与工程系学生 1 计算机科学与工程系高级副教授 2 阿尔瓦工程技术学院，印度卡纳塔克邦芒格洛尔米贾尔 摘要：计算机技术的发展催生了人机交互的概念。受过教育且精通技术的年轻人群参与了人机交互的研究。人机交互中的心理模型是本文的主题。这项回顾性研究采用了多种方法，其中之一是强调人机交互的当前方法、发现和趋势，另一种是确定很久以前发明但目前落后的研究。本文还研究了用户的情商如何通过保真原型帮助他们变得更加用户友好。创建和设计一个自动化系统来执行这样的任务。关键词：情商、互动性、年轻参与者、保真原型、人机界面
人机交互 (HCI) 的系统评价...
摘要 本文系统地回顾了支持医学、医疗保健和工程等各个领域的培训和学习的人机交互技术相关研究。重点是涉及扩展现实 (XR) 技术的 HCI 技术，其中包括虚拟现实、增强现实和混合现实。随着 XR 工具和技术在包括教育在内的各种培训和学习环境中的迅速应用，基于 HCI 的研究变得越来越重要。采用 HCI 方法面临许多挑战，因此需要对各个领域的此类 HCI 方法进行全面而系统的回顾。本文通过对迄今为止提出的各种 HCI 方法进行系统的文献综述来满足这一需求。PRISMA 引导的搜索策略确定了 1156 篇文章需要摘要审查。不相关的摘要被丢弃。剩余文章将审查每篇文章的正文，与我们特定问题范围无关的文章也被淘汰。根据纳入/排除标准，选择了 69 篇出版物进行审查。本文分为以下几个部分：简介；研究方法；文献综述；效度威胁；未来研究和结论。在分析不同研究人员采用的研究技术后，还根据不同的参数纳入了详细分类（涉及 HCI 标准和概念，例如可供性、培训和学习技术）。本文最后讨论了该 HCI 领域面临的主要挑战以及未来的研究方向。对这些出版物的研究成果的回顾强调了在这种基于 3D 的培训交互中采用这种基于 HCI 的方法时可能取得更大的成功。如此更高的成功率可能是由于强调设计用户友好（和以用户为中心）的培训环境、交互和流程，这些对用户的认知能力及其各自的学习/培训体验产生积极影响。通过回答三个探索性研究问题，我们发现数据证实 XR-HCI 是一种上升方法，它通过提高技能和安全性，同时降低成本和学习时间，带来了一种新范式。我们相信，这项研究的结果将有助于学者开发新的研究途径，从而帮助 XR-HCI 应用成熟并得到更广泛的采用。
人机交互验证与综合 - DROPS
机器人技术的发展趋势是，从与人物理分离工作的工业机器人，转向在工作场所和家中与人协作和互动的机器人。人机交互 (HRI) 领域从计算、设计和社会的角度研究此类交互。与此同时，人们对机器人和自主系统行为的安全性、验证和自动合成的研究兴趣日益浓厚。形式化方法和测试领域专注于系统的验证和合成，旨在对系统进行建模并定义和证明这些系统的规范；在机器人技术的背景下，这些技术考虑了机器人动力学及其与不断变化和不确定的环境的相互作用。然而，与机器人合作的人不仅仅是机器人环境的一部分，还是一个具有意图、信念和行动的自主代理，这些意图、信念和行动与机器人代理的意图、信念和行动相吻合。这引发了与验证和综合相关的新研究问题，包括人机交互的适当模型是什么；是否以及如何
人机交互研究新前景
人工智能 (AI) 涵盖了广泛的计算问题和用例。其中许多问题都涉及到人类如何与人工智能互动或应该如何与人工智能互动等深刻且有时错综复杂的问题。此外，许多用户或未来用户对人工智能是什么确实有抽象的概念，这在很大程度上取决于人工智能应用的具体体现。以人为本的设计方法建议评估不同体现对人类对人工智能的感知和与人工智能互动的影响。由于现实中应用领域和体现的复杂性，这种方法很难实现。然而，XR 在这里为研究人机交互开辟了新的可能性。本文的贡献有两方面：首先，它基于 XR-AI 连续体提供了人机交互的理论处理和模型，作为 XR-AI 组合不同方法的框架和视角。它激发了 XR-AI 组合作为一种了解未来人机界面影响的方法，并展示了为什么 XR 和 AI 的结合对有效和系统的人机交互和界面研究做出了卓有成效的贡献。其次，本文提供了两个针对两个不同 AI 系统研究上述方法的典型实验。第一个实验揭示了人机交互中有趣的性别效应，而第二个实验揭示了推荐系统的 Eliza 效应。本文介绍了所提出的 XR 测试平台的两个典型实现，用于人机交互和界面，并展示了如何进行有效且系统的调查。总之，本文为 XR 如何有利于以人为本的 AI 设计和开发开辟了新的视角。
迈向人机交互决策科学
“浅层”模型：逻辑回归[16、39、41、45、68、86、106、143]，线性回归[28、37、101、111]，广义加性模型∗（GAM）[1、13、39、43、49、128、135]，决策树 / 随机森林[29、45、54、55、86、92、97、137、144、155]，支持向量机（SVM）[41、80、81、86、94、114、147、 152]、贝叶斯决策列表[82]、K最近邻[77]、浅层(1至2层)神经网络[45,106]、朴素贝叶斯[125]、矩阵分解[78]
PB89-175525 人机交互中的心理模型
• 确定能够展示心理模型形式和模型上使用的操作的行为。 “• 探索目标导向表征的其他观点（例如，所谓的序列 / 方法表征），并详细描述从它们所预测的行为。• 扩展可能存在的心理表征类型，以包括那些可能不是机械的，例如代数和视觉系统。• 确定人们如何混合不同的表征来产生行为。• 探索如何获取有关系统的知识。• 确定个体差异如何影响系统的学习和性能。• 探索系统训练序列的设计。• 为系统设计师提供工具，帮助他们开发可在用户中唤起“良好”表征的系统。• 扩展本研究的任务领域，以包括更复杂的软件。
医疗保健领域人工智能的“人机交互”
随着基于人工智能 (AI) 的产品和服务在各个行业中激增，一个最重要的问题浮出水面：这些系统应该包括人类还是应该自主运行？这个问题是我们现在认为理所当然的许多服务和产品的基础。例如，考虑使用谷歌地图。我们中的许多人现在都认为这种基于人工智能的服务是理所当然的，当它指引我们从一个地方到另一个地方时，我们几乎不用考虑它会带我们去哪里。这个工具背后没有人类向导或主持人；我们甚至不能像在银行那样打电话，要求找人谈谈走错路或被带到了目的地以外的地方。如果出了问题，没有人可以帮助我们，也没有人可以投诉。