该研究探讨了生成人工智能在反映作者认知过程、进行创意表达方面的潜力和限制，发现根据创意、美学、新颖性、娱乐性和深度等标准，AI 生成的艺术作品能够理解人类意图和基于情感进行视觉表现，并发现过度表现某些元素或刻板印象的图像对于 AI 的对齐性有负面影响。研究结果表明，AI 在促进创造力和自我情感表达方面具有潜力，而采用生成 AI 的框架可以帮助设计相关领域的人工智能干预措施（例如心理健康教育、治疗和咨询）。

Apr, 2023

未来，艺术和人工智能（AI）之间的融合充满了前景，通过技术的进步，AI 在设计中的使用越来越广泛，艺术实践可能不再是一种仅限于人类的艺术形式，而是成为一种数字化整合的体验。通过增强的创造力和协作，艺术和 AI 可以共同努力创造出视觉上吸引人且满足艺术家和观众需求的艺术产出。虽然融合将走多远还难以预测，但艺术与 AI 很可能会相互影响。本文的研究人员通过描述 HCI 研究人员和 AI 之间试图摆脱创造障碍的互动，提出了一次第一人称研究，以探索 AI 如何支持艺术家的创造力，并在这种情境中什么是可解释的。结果引发了进一步讨论和探索，涉及到 XAIxArts 社区中透明化的归因、创作过程、伦理问题、灵感与抄袭等方面。

Aug, 2023

通过设计一个名为 “与 AI 一起做梦” 的学习工作坊，我们帮助高中生学习了生成 AI 工具的内部机制，使用文本生成图像算法创建了他们未来梦想的形象，并探讨了这些工具的潜在利益和危害以及在教育中的使用政策。

May, 2023

直接或间接地影响教学与学习的生成式人工智能（GAI）正影响着各种学科和学科的教育。作为教育者，我们需要了解 AI 在人机交互教育中的潜力和局限，并确保我们的人机交互设计专业的毕业生了解 AI 在此领域中的潜力和局限。本文报告了将生成式人工智能纳入为期 10 周的本科模块所得出的主要教学见解。我们设计了这个模块，以鼓励学生在设计任务要求和计划实践会话与讨论中进行 GAI 模型的实验。我们的见解基于学生在完成模块后的调查回复。对于人机交互设计教育者而言，我们的主要发现是 AI 作为发展项目想法和创建设计资源的一个人物角色，以及 AI 作为反映学生对关键概念和想法的理解并突出知识差距的一面镜子。我们还讨论了应该考虑的潜在陷阱以及评估学生对 GAI 作为教学工具的识字能力和假设的需求。最后，我们提出了教育者以 GAI 作为教育工具所带来的机会，并在实践中富有实验性、创意性和勇气的案例。最后，我们就我们的发现与人机交互中的 TPACK 框架进行了讨论。

May, 2024

生成式人工智能技术需要新的实践和批判能力，我们通过研究和设计研究合作开发了一个基于学生与生成式人工智能技术互动的建构主义课程，揭示了通过反思和持久的实践方法能够促进学生的实践和批判能力的共同成长。我们提供了构建主义方法设计生成式人工智能技术教育的指导，并探讨了人机交互研究在设计与生成式人工智能技术互动方面的利用，以及如何利用 “研究和设计” 作为一种对快速演化、颠覆性技术进行 “快速响应” 的方法论。

May, 2024

提供一种加速学习方法来教授 AI，以便让学生更好地理解和利用 AI 在科学、技术、工程和数学等领域中的伦理用途和风险，并深入了解学生对 AI 的认知和其在社会和未来职业道路中的重要性。

May, 2024

人工智能 (AI) 和机器学习 (ML) 被广泛地应用于物理和数字产品，创造了前所未有的互动和功能机会。然而，在这个创意领域中，设计师们面临一个挑战，即在技术的可能性和人类互动关切之间取得平衡。本文调查了探索和思考 AI 系统互动特点、独特的关系可能性以及更广泛的社会影响的技术技巧。我们在一门互动设计课程中引入了九个 'AI 练习 ' (n=100)，借鉴了超乎人类设计、负责任的 AI 以及假设性演绎，以创造有关 AI 互动设计的体验性参与。我们发现，关于隐喻和演绎的练习使得培训和学习、隐私和同意、自治和机构更具体，从而帮助学生更有思考和责任意识地设计使用 AI 与其复杂属性的设计过程和结果。

Oct, 2023

本研究运用活动理论探究香港中学生在写短篇小说时如何利用生成式人工智能工具，研究发现，学生利用生成式人工智能工具在写作过程中的目的包括：缺乏目的意识、克服写作障碍以及发展、扩展和改进故事；同时也揭示了学生活动系统的共同特征，并提出教师应因材施教和提供指导建议，设计师也应根据用户的故事发展水平提供差异化指导建议。

Jun, 2023

AI 驱动的生成音频的发展追随了更广泛的 AI 趋势，通常以立即可用性为重，以可解释性为代价。本文探讨了几种改进可解释性的途径，主要借鉴我们在训练和实施生成音频模型中的研究创作实践，包括人类对培训材料的控制、小规模数据集的可行性、迭代创造过程的便利性以及将互动机器学习作为映射工具的整合。重要的是，这些步骤旨在增强人类对生成 AI 系统的控制能力，不仅在模型推断阶段，而且在策划和预处理训练数据以及模型的训练阶段。

Jul, 2024

这篇文章通过 Madeline Grumet 的课程探究三重模型，研究了生成性人工智能和 Elliot Eisner 的显性、隐性和空白课程概念之间的多维关系，探讨了教育者在将这一新兴技术融入现有课程结构时所面临的物流和伦理挑战，同时阐述了教育者在 Ted Aoki 的 “中间区域” 理论指导下在教室中调和规范性课程目标与流动性现实之间面临的困境，并鉴于 Grumet 的课程理论构成部分，为今后研究生成性人工智能对教育实践的变革影响提供了进一步学术调查的途径。

Sep, 2023