多学科合作的人工智能（AI）工具在医疗保健领域的发展是一个跨学科的努力，需要数据科学家、临床医生、患者和其他学科共同参与。通过对大型研究合作中 13 个半结构化访谈的归纳主题分析，我们的发现表明多学科合作严重影响着工作实践。参与者面临学习其他学科术语的挑战，需要调整用于与临床或患者交流的工具。大型健康数据集也对工作实践提出了一定的限制。我们确定会议是促进学科交流、知识交流和共同创造的关键平台。最后，我们讨论了数据科学和协作工具的设计影响，并提出了未来研究的建议。

Nov, 2023

该研究通过访谈 28 个组织中 45 位从业人员发现，在建立和部署机器学习系统时，团队在需求、数据和整合等方面都面临一些具体的协作挑战，主要来源于沟通、文档记录、工程和流程等方面，因此提出了一些建议以应对这些挑战。

Oct, 2021

本研究旨在更好地了解业界从业人员在跨职能协同合作 AI 公平方面的现状和策略，以识别支持更有效协作的机会，并关注业界从业人员在此过程中承担的隐性劳动。

Jun, 2023

AI 算法在公共部门中的使用，例如分配社会福利或预测欺诈行为，往往涉及到多个公共和私人利益相关者。研究人员通过对公共部门算法系统工作人员的访谈，调查了与 AI 公平相关决策相关的沟通过程，并通过定性编码分析识别了潜藏在公平相关的人工决策中的沟通问题。研究结果表明，沟通模式和组织问题对公平相关决策产生了重要影响。

Mar, 2024

本篇论文呼吁在设计支持人机互动的多领域工作流时采用全面的视角，包括互动范式、界面和系统等支持机制。

Jan, 2023

研究人工智能与敏捷软件开发方法的整合，重点是改善持续集成和交付，发现了人工智能未来应用的关键挑战，如需要专业的社会技术专业知识。尽管人工智能有助于提高软件开发实践，但需要进一步研究其对进程和实践者的影响，并解决与其实施相关的间接挑战。

May, 2023

AI 助手在软件工程中的使用情况对开发者的需求和改进方向具有重要影响。

Jun, 2024

该研究讨论了 AutoAI 或 AutoML 对数据科学实践的影响，并发现未来的数据科学工作将是人类和 AI 系统之间协作的结果，其中自动化和人类专业知识是不可或缺的。

Sep, 2019

人工智能（AI）在医学和自然科学研究等领域变得无处不在。然而，当实际应用 AI 系统时，领域专家常常拒绝接受它们。这种低接受度阻碍了有效的人机合作，即使它对于进步至关重要。在自然科学研究中，科学家对 AI 系统的使用不当可能阻碍他们分析数据和推进研究。我们对面临算法系统低采用的组织进行了一项民族志学研究，进行了 10 次深入访谈，包括 AI 从业者和自然科学家。结果总结为更好的 AI 采用建议：i）在系统使用的初始阶段积极支持专家，ii）以用户相关的方式传达系统的能力，iii）遵循预定的合作规则。我们讨论了研究结果的广泛影响，并阐述了我们提出的要求如何支持不同领域的从业者和专家。

Mar, 2024

本报告总结了 Dagstuhl Seminar 22382“科学中的机器学习：桥接数据驱动和机理建模” 的讨论并提出了如何协作来推动人工智能和科学发现的新一波进展的路线图。

Mar, 2023