XiaoMi-AI文件搜索系统
World File Search SystemDeterding
游戏化和人工智能：通过智能增强用户参与度
游戏化通过积分、徽章、挑战和其他奖励激励用户完成任务（Deterding 等人，2011 年）。虽然游戏化已被证明在教育、营销和工作场所生产力等各个领域都很有效，但集成人工智能可以实现更细致入微的方法，系统可以响应个人用户行为并动态调整激励和反馈（Hamari 等人，2014 年）。游戏化和人工智能的结合有望通过个性化的用户体验、自适应进程和优化的奖励将参与度提升到一个新的水平。近年来，通过将游戏设计元素应用于非游戏环境，游戏化已成为教育、营销和医疗保健等各个领域的一种强大策略（Zichermann 和 Cunningham，2011 年）。这种方法旨在通过利用内在和外在的激励因素来提高用户参与度、动机和保留率（Ryan 和 Deci，2000 年）。随着教育平台寻求创新方法来提高学习者的参与度和成功率，游戏化原则的整合变得越来越重要（Kapp，2012）。
类比设计中人与人工智能的交互协同创造力
简介 十一年前，马希尔 (Maher) 问道：“谁在创造？” (Maher 2012)，并提出了几个创造性应用的分析空间，包括构思和互动两个维度。马希尔的问题引出了乔丹诺斯 (Jordanous) 的 PPP 视角框架，其中创造行为可以由人类或人工智能 (Jordanous 2016) 执行，以及坎托萨洛 (Kantosalo) 和塔卡拉 (Takala) 的 5C 框架，其中创造行为由人类和人工智能共同组成的集体执行 (Kantosalo and Takala 2020)。1然而，对于人与人工智能互动中创造力的位置，人们的共识较少。混合主动性创造性界面方法提出了一组基本的细粒度活动，这些活动可以由人类或人工智能以某种结构化对话的形式执行（Deterding 等人，2017 年；Spoto 和 Oleynik，2017 年），随后扩展到生成应用（Muller、Weisz 和 Geyer，2020 年），针对特定算法方法进行了改进（Grabe、Duque 和 Zhu，2022 年），并针对其他算法方法进行了批评（Zheng，2023 年）。虽然这些方法生成了重叠的分析动作词汇，但它们并没有解决创造力在何处发生（以及由谁或什么通过这些动作发生）的问题。在这篇短文中，我们提供了对该问题的一个答案的几个例子。我们重新利用 Kantosalo 和 Takala (2020) 的 5C 中的集体概念，提出一种类型的创造力可能会在以下互动空间中不对称地出现 (Rezwana and Maher 2022)
与游戏收集定量数据中的有效性威胁
我们已经看到使用游戏来收集游戏以外的研究问题的数据本身，这是在研究本身之外的研究问题，称为游戏研究（Deterding等，2015）或基于游戏的方法（Slegers等，2016）。例如，经济学家长期以来不得不与他们无法进行真正的宏观经济实验的事实作斗争 - 政府也不会允许他们，也不能真正建立并比较两个相同的现实生活经济体。因此，像卡斯特罗诺娃，威廉姆斯，拉坦和基冈（2009）或Živić，Andjelković，Andjelković，Özden，Dekić和Castronova（2017）已经探索了基于经济性经济学的虚拟经济学，在MACRIEN上，在Maccrotect of MacCRAID上，已经探索了使用MacCRIEN的虚拟经济体的使用。现实世界。正在适应现有的，并创建了新游戏，例如实验室和在线实验（Hawkins，Rae，Nesbitt和Brown，2012; Oladimeji，Thimbleby，Curzon，Iacovides，Iacovides和Cox，＆Cox，＆Cox，2012年）。例如心理学和流行病学是重新修复游戏智能 - 现有娱乐游戏的大规模数据 - 回答基础研究问题（Devlin等，2014； Williams，Contractor，Poole，Poole，Srivastava，＆Cai，＆Cai，2011）。在人们的游戏中表现与诸如流畅智能（Kokkinakis，Cowling，Drachen和Wade，2017年）等游戏外的特征之间建立了密切的关系，他们建议游戏可以用作替代心理测量乐器。人类计算机互动（HCI）和其他领域的定性研究人员越来越多地使用板和纸牌游戏来构建用户和设计研究过程（Hannula＆Harviainen，2016； Slegers等，2016）。所谓的公民科学游戏正在吸引成千上万的志愿者来众筹科学数据收集和处理任务，例如记录污染水平，分类星系图像或识别蛋白质折叠（Cooper，2015年）。
AI集成设计中的行为科学
1。引言行为科学在设计上的应用具有深厚的历史根源，可以追溯到19世纪末和20世纪初，当研究人员开始系统地研究人类的行为和认知：Max Wertheimer对视觉感知的开创性研究，对设计有深远的影响，强调了设计的重要性，强调了人们对人们的感知和解释视觉刺激的重要性（Wertheimereri（Wertheimerer）（Werimererer）（werimerererererererererererererererererererererererererererererer erserer ,， 191222），191222）。20世纪中叶对操作条件的见解已经引导了设计思维，尤其是在创建通过加强来激发所需行为的系统，这是Drederding（2012）和Wenker（2022）探讨的概念。唐纳德·布罗德本特（Donald Broadbent）对选择性关注的研究严重影响了强调相关信息的用户界面的发展，从而减少了认知超负荷（Broadbent，1958）。Norman（2013）所阐明的心理模型概念在创建直观且与用户期望保持一致的界面方面至关重要。虽然行为科学原则长期以来一直是指导设计，但人们可能会争辩说，随着AI驱动系统的出现，其相关性有所提高。AI在自主系统中的出现，例如自动驾驶汽车，智能家居和AI驱动的聊天机器人，带来了从运输到医疗保健的行业的范式转变。这些系统旨在用最少的人类输入自主发挥作用，它依靠复杂的算法来决策。在这种情况下，人机相互作用（HMI）迅速发展，在仍然需要人类监督的系统中至关重要（De Fazio等，2022）。AI的整合扩大了了解人类行为设计有效相互作用的需求（Cross＆Ramsey，2021）。例如，研究表明，过度的系统反馈会淹没用户，从而降低了自动化的性能和过度依赖自动化问题，即“户外”问题（Endley＆Kiris，1995）。这种见解已被证明在设计自动驾驶汽车和智能家居中的AI集成界面至关重要（Choi＆Ji，2015; Lee等，2015）。同样，AI聊天机器人和虚拟助手依靠理解用户意图和对话动态，在其中人类语言处理的研究为界面设计提供了信息，并突出了用户倾向以拟人化AI