XiaoMi-AI文件搜索系统
World File Search SystemHCI
里约-巴黎 447 航班事故：HCI 案例研究...
摘要 2009 年 6 月 1 日，从里约飞往巴黎的 AF447 航班坠毁在大西洋。安全和法律调查得出结论，人为因素在事故中发挥了重要作用。观察到法国民航安全调查局撰写的报告中的许多元素可能与 HCI 中的已知概念相似，我们建议将该报告作为 HCI 研究的案例研究。在介绍了理解所需的航空词汇后，我们从报告中提取了与 HCI 相关的元素，并吸收、组织并将它们转化为行动和认识论模型中的概念框架。我们希望促进进一步的研究，以更正式地模拟事故，或促进确定机载系统的可能改进。
人机交互（HCI）讲座（3）第四讲
C. 长期记忆 LTM 在很多方面与 STM 不同。它具有无限的容量，访问时间很慢，遗忘发生得更慢或根本不发生。信息通过排练从 STM 存储在这里。LTM 有两种类型：情景记忆和语义记忆。情景记忆以序列形式表示我们对事件和经历的记忆。语义记忆是我们从情景记忆中获得的事实、概念和技能的结构化记录。与 LTM 相关的主要活动有 3 种：信息存储、遗忘和信息检索。
使用骨骼con>的基于人的计算机接口（HCI）
摘要：基于基于眼运动的电解图（EOG）信号的人– Computer界面（HCI）方法已被连续研究，因为它们可以不使用两个臂而将相对符号传输到计算机或机器。然而，可用性和外观是实用应用的主要障碍，因为传统的基于EOG的HCI方法需要外侧和内侧can附近眼外的皮肤电极。为解决这些问题，在本文中，我们报告了一种HCI方法的开发，该方法可以通过集成到骨传导头部的电极中同时获取EOG和表面电骨髓（SEMG）信号（SEMG）信号，并通过水平眼动运动和各种诱人运动传输命令。开发的系统可以通过将80度范围（从 - 40度到左至 +40度向右的+40度）分为20度段来将眼睛的位置分类，并且还可以根据从三个电极获得的生物信号来识别三个叮咬运动，从而可以将11个命令传递到计算机或计算机或计算机或计算机。实验结果表明，基于EOG信号的命令和基于SEMG信号的命令的界面的精度分别为92.04％和96.10％。对于虚拟键盘接口应用程序的结果，精度为97.19％，精度为90.51％，打字速度为5.75–18.97字母/分钟。建议的接口系统可以应用于各种HCI和HMIFILDS以及虚拟键盘应用程序。
第一单元 HCI 基础 人类：I/O 通道 – ...
对光高度敏感，因此我们可以在低照度下看东西。 它无法分辨精细的细节，并且容易受到光饱和的影响。 这就是我们从黑暗的房间走到阳光下时会暂时失明的原因：视杆细胞一直处于活跃状态，并被突然的光线饱和。 视锥细胞 视锥细胞是眼睛的第二种受体。 它们对光的敏感度不如视杆细胞，因此可以忍受更多的光线。 视锥细胞有三种，每种对不同波长的光敏感。 这使我们能够看到彩色图像。眼睛有大约 600 万个视锥细胞，主要集中在视网膜中央凹。 中央凹是视网膜的一小部分，图像可在此固定。 盲点 盲点也位于视网膜上。 尽管视网膜主要被光感受器覆盖，但在视神经进入眼睛的地方有一个盲点。 盲点没有视杆细胞或视锥细胞，但我们的视觉系统会对此进行补偿，所以在正常情况下我们无法意识到它。 神经细胞 视网膜还有专门的神经细胞，称为神经节细胞。 有两种类型： X 细胞：这些细胞集中在中央凹，负责早期检测模式。 Y 细胞：这些细胞在视网膜中分布更广泛，负责早期检测运动。 视觉感知 了解眼睛的基本构造有助于解释视觉的物理机制，但视觉感知不止于此。 视觉器官接收到的信息必须经过过滤并传递给处理元素，以便我们识别连贯的场景，消除相对距离歧义并区分颜色。 让我们看看我们如何感知大小和深度、亮度和颜色，它们对于有效的视觉界面的设计都至关重要。
52 评估 AI 系统的公平性 - 斯坦福 HCI 小组
已经开发了各种工具和实践来支持从业者识别、评估和减轻人工智能系统造成的公平相关危害。然而，先前的研究强调了这些工具和实践的预期设计与它们在特定环境中的使用之间的差距，包括组织因素在塑造公平工作中所起的作用所造成的差距。在本文中，我们针对一种这样的实践调查了这些差距：人工智能系统的分类评估，旨在揭示人口群体之间的绩效差异。通过与来自三家科技公司的十个团队的三十三名人工智能从业者进行半结构化访谈和结构化研讨会，我们确定了从业者在设计分类评估时的过程、挑战和支持需求。我们发现，从业者在选择绩效指标、确定最相关的直接利益相关者和人口统计群体以及收集用于进行分类评估的数据集时面临挑战。更普遍地说，我们发现对公平工作的影响源于缺乏与直接利益相关者或领域专家的接触、优先考虑客户而不是边缘群体的业务要求以及大规模部署人工智能系统的动力。
未来感：了解人机交互学生对科幻之外的未来感的认知
关于科幻小说与未来设计交集的讨论已成为人机交互 (HCI) 不可或缺的一部分。然而，多感官研究很少成为这一讨论的一部分，尽管食物和味道经常作为科幻小说中的叙事元素出现，例如在电影《绿色食品》中。因此，我们调查了参加科幻小说研讨会的 HCI 硕士生 (n=48)，以调查他们认为 1) 食物和 2) 感官在未来会如何变化。这项小型研究试图探索 HCI 学生对感官未来的期望。我们对回答进行了聚类和编码，发现他们对感官未来的期望比对食物未来的期望更模糊。例如，12 个人不认为感官的未来会发生变化。我们得出了对 HCI 计划和研究的启示。我们认为，教授味觉界面、多感官研究和科幻小说相关研究应该更多地融入到 HCI 计划中。
了解人机交互实践和脑信号实验报告的挑战：实现可重复性和重用性
在人机交互 (HCI) 领域，人们一直在推动开放科学，但迄今为止，由于支持重用和再现的指导方针不明确，利用脑信号的 HCI 研究尚未持续实现开放。为了了解该领域的现有做法，本文研究了 110 篇出版物，探索领域、应用、模式、心理状态和过程等。该分析揭示了作者报告实验的方式存在差异，这给理解、再现和建立该研究带来了挑战。然后，它描述了一个总体实验模型，该模型为报告使用脑信号的 HCI 研究提供了一个正式的结构，包括每个方面的定义、术语、类别和示例。通过因子分析确定了多种不同的报告风格，并将其与不同类型的研究联系起来。本文最后提出了建议并讨论了未来的挑战。这从抽象模型和经验观察中创建了可操作的项目，使使用脑信号的 HCI 研究更具可重复性和可重用性。
使用生成AI和“大型模型”（LWMS）
这个特殊兴趣组（SIG）探讨了生成人工智能（Genai）对人类计算机相互作用（HCI）研究过程的变革性影响。这里的主题是回答“问题零”：何时使用以及何时在研究周期中使用AI工具？讨论以HCI通常使用的五个研究阶段为指导：研究计划，原型制定，数据收集，分析和综合以及传播和联系。我们研究了Genai如何加速项目周期，增强可重复性并影响研究中的包容性。我们还解决了有关生成内容所有权的具有挑战性的道德考虑。我们的目标是建立一个HCI爱好者社区，以利用最近开创性的技术的早期优势，并预见其在科学界的普遍性引起的挑战。
数字引起的意识和嬉戏HCI的改变状态：新观点的未来研究议程
由于人类数字技术的可用性和效率的提高，人类的可用性和效率已经达到了一个数字改变意识可能会变得无处不在的地步，这在社会运作的所有领域都与众不同。除了在传达信息，实现经验和实现我们的现实方面已经熟悉的功能外，还有一个新兴的意识状态变化的领域（拨号）。拨号技术的社会影响的先驱包括从Bin-Aural Beats到视频游戏的各种示例，这些示例为即将到来的拨号技术提供了宝贵的见解。尽管数十年来已经研究了通过数字手段进行意识的个人变化，但它们仅限于技术的范围。我们建议字段拨号表示所利用的所有数字技术的类别，用于引起改变意识状态（ASC）。它支持一种集中和整体的方法来预测未来和敏锐的行动。我们通过证明其对政治，经济，社会，技术，环境和法律（PESTEL）环境的影响的现有和假设的例子来强调对详细且全面的检查的必要性。基于这些思考，我们概述了潜在的研究议程，以引起跨学科社区中的讨论。