我们测试了当前抖音功能的可用性，以发现目前存在的算法偏见问题。

我们对3名受试者进行了三轮采访，采用了出声思维法，试点测试访谈，基于引导叙事的半结构化访谈等用户研究方法。

我们记录了这些访谈，并对其使用亲和图和用户旅程图进行分析‍，以获得更普遍的见解。以下是我们最关注的几个问题：

通过对采访笔记的解读，我们分析用户的需求、动机和行为，然后将他们分组并标记成亲和图，以第一人称视角整合见解。用户阐明了他们在抖音上的偏好、活动和发现，分享了他们的需求、建议、疑虑和关注点。

我们构建了模型 - 用户旅程图，以更好地帮助我们总结和理解用户的立场，为速配设计提供了设计启示。

我们还进行了问卷调查，包括3 个类别的 13 个问题： 应用功能、广告和购买行为。调查结果验证了我们从定性研究中得出的初步结论。我们总计收到了 32 份回复, 这些结果帮助我们迭代了结论以及接下来的快速约会。

我们以设计启示为基础，使用速配设计来帮助我们探索可能的设计方向，验证用户需求并确定风险因素。
大多数受试者对方案一表达认可。

以最初的速配设计为基础,我们使用低保真原型进行了情景原型测试，我们共招募了7 名受试者。在测试过程中，我们确定了用户体验中的三个关键时刻：打开抖音、连续划走， 他们多次观看完整广告。为了进一步探索这些时刻，我们将交互提示做成了纸质原型并在现实生活中的环境进行了测试  - 要求受试者在自己的手机上使用抖音。

我们在此介绍针对算法偏见的广告个性化插件的设计方案。由于我们的方案以插件的形式呈现，因此我们利用当前抖音UI设计的组件与设计风格，并将我们的插件集成到当前的用户使用流程中。

我在 5 名参与者身上测试了原型。1 名参与者拥有计算机科学背景，2 名拥有设计背景（建筑），2名来自跨学科背景（人机交互和认知科学/管理）。他们中的大多数人具有机器学习或统计学的基础知识。

下图展示了5名受试者在3轮测试中对样本的预测精度。已过滤的数据集准确度最高。但是与初始回合相比，由于受试者可能从建议中学习了异常值的范式，手动筛选的精度显著提高。

我通过调研问卷和半结构化访谈获得了更多的信息，参与者表达了他们在这个过程中的发现、感受和建议，为后续总结设计启示提供了宝贵的观点。

对于“警报”界面，受试者首选第二个设计：

- 他们可以从中看到预测准确性，并理解删除异常值的意图。
- 它鼓励他们考虑进一步优化方式以获得更好的性能。

对于“异常值过滤器"界面，参与者将更好预测结果归因于简单明了的设计。

受试者对TeacableMachine的算法机制表示的好奇心超出了预期。尽管他们愿意进一步了解该算法，但他们在测试过程中尽量与算法保持距离，具有专业背景的受试者对第二轮的判断充满信心，但第三轮的结果让他们感到失望。

受试者的反馈，尤其是他们的困惑，带来了进一步推测的潜力，其中包括：
‍
- 为什么谷歌将原理阐释放在了高级功能中？

- 如何平衡人为引入的偏见和机器学习模型偏差？

- 过滤系统在不可预测的新数据集上的表现如何？

他们还就进一步的界面迭代提供了宝贵的建议，其中包括：

如何查看数据集：
‍
-行布局（集成到TM当前的上传界面）
‍
-页面预览（集成在上传界面后）

如何识别标记的异常值：
‍
-现场标记
‍
-针对所有分类组的异常值分区
‍
-针对每个分类组的异常值分区

如何回溯筛选流程：
‍
-存档分区（备份性能最佳的筛选数据集）

‍

媒体技术的发展和创客文化的兴起极大地改变了人们参与创意艺术实践的方式。一方面，教育过程已从传统的面对面教学转向各种形式的远程教学，这一趋势因新冠疫情而进一步加速。另一方面，以艺术为导向的手工艺教学越来越普及，进一步模糊了专业和业余从业者之间的界限，这降低了手工艺实践对技能深度的要求，这种转变使远程教育更可行，更容易为大众所接受。
‍
人们曾多次尝试使用传感器、多媒体和扩展现实（XR）等不同技术教授手工艺，包括陶艺、纺织品和折纸等多个领域。特别是扩展现实，因其提供了沉浸式体验，并且能够将丰富的信息叠加到现实世界中， 已展示出在远程教学中的潜在优势。但是，目前的文献综述和我们亲身体验的陶艺课程显示，扩展现实在以往手工艺教育中的应用并未能传授手工艺教学的具身特性，这些应用往往忽略了身体（尤其是手）与材料，工具等现实环境之间的相互作用、复杂任务与隐性知识的传以及传统学徒制中的社交参与。
‍
基于这些研究领域的空白，我们想要探究：
(1) 如何使用扩展现实技术可视化隐性知识并学习？
(2) 扩展技术如何模拟传统的面对面学徒制，帮助学生在充满随机情况的复杂工艺制作过程中学习？

为了应对这些挑战，我们采用了人工智能辅助的混合现实 (MR) 技术框架。混合现实使用户能够使用自己的身体与现实世界中的材料进行互动，从而在利用数字技术的同时保持手工艺实践的全面体验。此外，混合现实可以展示多媒体元素，使隐性知识更容易获得和理解。人工智能通过提供基于情境感知的自适应反馈以及基于问答的反馈指导系统来增强这种体验。

基于具身交互理论和我们提出的技术框架，我们设计了一款人工智能辅助的混合现实陶艺指导系统。我们的系统基于Meta Quest 3 平台，专注于拉坯，所有级别陶艺实践者的基本技能，也是入门的第一课。该系统允许用户直接在拉坯机上与陶土互动，同时可以看到人工智能所提供的实时反馈。我们使用具身交互的理论框架来构建我们的系统，并通过教师和学习者的共同设计对其进行迭代。

我们的系统包括两个人工智能辅助组件：
(1) 多媒体交互分步教学系统：包括语音指令和沉浸式视频，以及动画、手势模拟和识别进行手势实时指导。

(2) 实时反馈系统：该系统提供基于规则的形态修正、计算机视觉支持的形状比较以及大型语言模型生成的实时建议。

这些组件可以根据不同学习者的技能水平进行整合，从而提供量身定制的教育体验。