Jan, 2024

从用户调查到遥测驱动代理：探索个性化生产力解决方案的潜力

PDF
TL;DR我们提出了一种全面的、以用户为中心的方法，以了解基于人工智能的生产力代理的偏好，并开发出根据用户需求定制的个性化解决方案。利用一个两阶段的方法，我们首先对 363 名参与者进行了调查，探讨了生产力、沟通风格、代理方法、个性特征、个性化和隐私等各个方面。基于此调查结果，我们开发了一款由 GPT-4 驱动的个性化生产力代理，利用通过 Viva Insights 从信息工作者那里收集到的遥测数据来提供定制帮助。我们在一个涉及 40 位参与者的研究中，将其性能与其他生产力辅助工具（如仪表板和故事情节）进行了比较。我们的研究发现强调了用户为中心的设计、适应性以及个性化与隐私之间的平衡在 AI 辅助生产力工具中的重要性。通过借鉴我们研究中的洞察，我们相信我们的工作可以推动未来的研究，进一步增强生产力解决方案，最终实现信息工作者的优化效率和用户体验。
发现论文，激发创造
  • 从用户界面轨迹识别用户目标

    介绍了从观察到的用户界面轨迹中抽取目标的任务，并提出了一种新的评估指标来评估特定用户界面环境下两个任务描述是否是释义关系。通过与用户界面自动化任务的逆关系，利用 Android-In-The-Wild 和 Mind2Web 数据集进行了实验，与人类和最先进的模型（GPT-4 和 Gemini-1.5 Pro）进行了比较，结果显示 Gemini 的表现优于 GPT 但仍不及人类，表明有很大的改进空间。

    Jun, 2024

  • SurveyAgent：一种个性化且高效的研究调查对话系统

    SurveyAgent 是一个设计用于为研究人员提供个性化和高效研究调查辅助的新型对话系统，整合了知识管理、推荐和查询回答等关键模块，在提供统一平台支持研究人员文献评述过程的同时，通过对话接口优化用户交互和个性化。我们的评估表明 SurveyAgent 在优化研究活动方面非常有效，展示了它促进研究人员与科学文献互动的能力。

    Apr, 2024

  • ChatGPT 是否可以识别您的身份？

    通过对捷克民众自我评估数据的分析，本研究探讨了一个通用聊天机器人 ChatGPT 在从短文本中有效推测个性特质方面的能力，结果显示其在人格特质推测方面与人类评估者具有竞争力，并揭示了 ChatGPT 在所有人格维度上存在的 ' 积极偏差 '，同时探讨了提示内容对其准确度的影响，从而对人格评估中人工智能的潜力和局限性进行了重要贡献。本研究强调了负责任的人工智能发展的重要性，并考虑了隐私、同意、自主权和人工智能应用中的偏见等伦理问题。

    Dec, 2023

  • ChatGPT 作为您的个人数据科学家

    本研究介绍了一种基于 ChatGPT 的对话式自动化机器学习 (AutoML) 框架作为 “个人数据科学家”，通过多个语言模型实例构建了自然界面，展示了对话式数据科学的新概念，同时也突出了 ChatGPT 的潜在缺陷和改进机会。

    May, 2023

  • 生成式人工智能感知：一项调查，旨在衡量教师、工作人员和学生对学术界生成式人工智能工具的感知

    ChatGPT 是一种自然语言处理工具，正在革命工程教育和技术与学生、教职员工之间的关系，对此进行了问卷调查，以测量 ChatGPT 对学生、教职员工的影响，并将该调查作为技术报告与其他大学和实体分享。

    Apr, 2023

  • 个性化解释基于人工智能推荐的用户认知能力的实证评估

    通过对智能辅导系统生成解释进行个性化处理，针对具有认知需求和勤奋度水平较低的学生，旨在增加这些学生对解释的参与度以促进学习，在用户研究中发现，该个性化处理显著增加目标用户与提示解释的互动、理解程度和学习效果，因此，该研究为个性化 AI 解释在学习等认知要求较高的任务中提供了有价值的见解。

    Mar, 2024

  • 数据视角下 ChatGPT 初期用户画像

    本文通过对实际的 ChatGPT 数据集进行分析，研究 ChatGPT 的早期用户的兴趣话题、潜在职业以及这些因素随时间的变化，以理解人工智能与人类互动的变化以及语言模型用户参与的未来趋势。

    Dec, 2023

  • 融合人工智能与学习分析为教育提供数据驱动的教学决策和个性化干预

    通过分析诸如学生压力水平、好奇心、困惑、焦虑、话题偏好和学习方法等关键数据点，本研究开发了一款创新的学习分析工具，利用 OpenAI 的 GPT-4 模型，该工具旨在量化学生参与度、绘制学习进展，并评估教学策略的有效性。将 Bloom 的分类法作为框架，该工具可以衡量学生提出的问题涉及的认知层次，从而阐明他们的学习进展。从这些测量结果中获得的信息可以帮助教育工作者提供宝贵的洞察力，以增强教学方法，找出潜在的改进领域，并为个别学生设计个性化的干预措施。通过详细评估该学习分析工具的设计细节、实施策略和排除干扰因素，本研究强调了该工具对提高教育成果和促进学生成功的潜在贡献。此外，还探讨了将该工具整合到现有教育平台及所需的强大、安全、可扩展的技术基础设施方面的实际问题。这项研究为利用人工智能塑造教育的未来，促进数据驱动的教学决策，并最终营造更有利于个性化学习的环境开辟了新途径。

    Dec, 2023

  • 基于对话 AI 的设计：ChatGPT 作为设计师、用户和产品

    该研究旨在研究 ChatGPT 在人本设计过程中的能力，通过一个虚构的设计项目，证明 ChatGPT 可以表现为设计师、用户或产品，提高了用户体验，但是存在一定的局限性，为未来研究提供了参考方向。

    Feb, 2023

  • 一主多从：用户对多代理对话 AI 方法的观点

    通过一系列用户研究，我们展示了用户对于抽象代理编排方式在系统易用性和性能方面具有显著偏好，并且证明此种交互模式能够提供质量与人为选择的答案相近的响应。

    Jan, 2024