[论文解读] "User Interfaces" and the Social Negotiation of Availability

Paul M. Aoki, Allison Woodruff|ArXiv.org|May 28, 2004

Usability and User Interface Design参考文献 12被引用 3

一句话总结

本文主张，通信系统中的用户可用性并非固定状态，而是一个社会协商的过程，提出用户界面应通过机器学习推断行为线索中的参与度，来支持对话可用性的隐性协商。主要贡献在于提出一个将对话参与度检测整合到状态感知系统中的框架，以实现更自然、上下文感知的通信协调。

ABSTRACT

In current presence or availability systems, the method of presenting a user's state often supposes an instantaneous notion of that state - for example, a visualization is rendered or an inference is made about the potential actions that might be consistent with a user's state. Drawing on observational research on the use of existing communication technology, we argue (as have others in the past) that determination of availability is often a joint process, and often one that takes the form of a negotiation (whether implicit or explicit). We briefly describe our current research on applying machine learning to infer degrees of conversational engagement from observed conversational behavior. Such inferences can be applied to facilitate the implicit negotiation of conversational engagement - in effect, helping users to weave together the act of contact with the act of determining availability.

研究动机与目标

• 挑战现有状态感知系统中用户可用性为静态、可计算状态的假设。
• 研究在现实通信实践中，可用性如何被协同协商。
• 开发一种通过可观测行为推断对话参与度的系统，以支持隐性协商。
• 通过植根于社会互动实践，改进状态感知与通信工具的用户界面设计。
• 弥合技术性状态建模与人类协调的社会现实之间的差距。

提出的方法

• 对现有通信技术进行观察研究，分析用户在实践中如何协商可用性。
• 应用机器学习技术，从观测到的交互模式中推断对话参与度的高低。
• 设计用户界面组件，利用推断出的参与度水平来指导联系决策。
• 将可用性建模为动态、社会协商的状态，而非固定状态。
• 将参与度推断整合到状态感知系统中，以支持上下文感知的通信。
• 利用实地观察的发现，指导反映实际社会协商过程的系统设计。

实验结果

研究问题

• RQ1 在日常通信实践中，用户可用性通常如何被协商？
• RQ2 可用性在多大程度上通过社会互动而非技术状态检测来决定？
• RQ3 机器学习能否有效从可观测行为中推断对话参与度？
• RQ4 用户界面如何通过推断出的参与度支持可用性的隐性协商？
• RQ5 将可用性视为社会过程而非技术状态，会产生哪些影响？

主要发现

• 可用性通常通过社会互动协商，而非作为固定、可计算的属性。
• 用户往往依赖上下文和行为线索，而非显式状态指示来评估可用性。
• 机器学习能够有效从可观测的交互模式中推断对话参与度的高低。
• 通过反映推断出的参与度水平的界面设计，可以支持可用性的隐性协商。
• 将可用性呈现为静态状态，会简化通信中动态、社会性的协调本质。
• 将参与度推断整合到状态感知系统中，可实现更自然、上下文敏感的通信支持。