Our recent research shows that the design philosophy of human factors research in the intelligence age is expanding from "user-centered design" to "user-centered design 2.0" and "human-centered AI", and the human-machine relationship presents a trans-era evolution from "human-machine interaction" to "human-machine teaming". These changes have raised new questions and challenges for human factors research, compelling us to re-examine the paradigm and agenda of human factors research that was traditionally based on non-intelligent technologies. In this context, this paper reviews the cross-generational expansion of the human factors research paradigm and summarizes the new conceptual models and frameworks we proposed to enrich the human factors research paradigm, including a human-agent teaming model, a human-agent joint cognitive ecosystem framework, and an intelligent sociotechnical systems framework. This paper further enhances these concepts and looks forward to the corresponding application of these concepts and future research agenda. This paper also looks forward to the future agenda of human factors research from three aspects: "human-AI interaction", "intelligent human-machine interface", and "human-machine teaming". It analyzes the role of human factors research paradigms on future research agendas. We believe that the research paradigms and the research agenda influence and promote each other. Human factors research in the intelligence age needs diversified and innovative research paradigms, thereby further promoting the development of human factors science.


翻译:我们最近的研究显示,人类因素研究在情报时代的设计理念正在从“以用户为中心的设计”到“以用户为中心的设计2.0”和“以人为中心的人工智能”的扩展,而人与机器的关系呈现了从“人与机器的互动”到“人与机器团队”的跨时代演变。这些变化为人类因素研究提出了新的问题和挑战,迫使我们重新审视传统上以非智能技术为基础的人类因素研究的范式和议程。在此背景下,本文件审查了人类因素研究范式的跨代扩展,并总结了我们为丰富人类因素研究范式而提议的新概念模型和框架,包括人与代理人的团队模式、人与代理人的联合认知生态系统框架以及智能的社会技术系统框架。本文件进一步强化了这些概念,并期待着这些概念和未来研究议程的相应应用。本文还从三个方面展望人类因素研究的未来议程:人类-AI互动、智能的人类机器界面界面、以及“人与机器团队” 。它分析了人类因素研究模式的作用,从而推动了人类因素研究的每个研究模式以及未来研究议程的多样化影响。我们相信人类研究议程和人类研究议程中的每一项研究议程。

0
下载
关闭预览

相关内容

专知会员服务
159+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
35+阅读 · 2021年8月2日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
110+阅读 · 2020年2月5日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员