Our recent research shows that the design philosophy of human factors science in the intelligence age is expanding from "user-centered design" to "human-centered AI". The human-machine relationship presents a trans-era evolution from "human-machine interaction" to "human-machine/AI teaming". These changes have raised new questions and challenges for human factors science. The interdisciplinary field of human factors science includes any work that adopts a human-centered approach, such as human factors, ergonomics, engineering psychology, and human-computer interaction. These changes compel us to re-examine current human factors science's paradigms and research agenda. Existing research paradigms are primarily based on non-intelligent technologies. In this context, this paper reviews the evolution of the paradigms of human factors science. It summarizes the new conceptual models and frameworks we recently proposed to enrich the research paradigms for human factors science, including a human-AI teaming model, a human-AI joint cognitive ecosystem framework, and an intelligent sociotechnical systems framework. This paper further enhances these concepts and looks forward to the application of these concepts. This paper also looks forward to the future research agenda of human factors science in the areas of "human-AI interaction", "intelligent human-machine interface", and "human-AI teaming". It analyzes the role of the research paradigms on the future research agenda. We believe that the research paradigms and agenda of human factors science influence and promote each other. Human factors science in the intelligence age needs diversified and innovative research paradigms, thereby further promoting the research and application of human factors science.


翻译:我们最近的研究表明,智能时代人类因素学设计理念正在从“以用户为中心的设计”扩展到“以人类为中心的人工智能”。人机关系从“人机交互”向“人机/人工智能协同”呈现跨时代演进。这些变化为人类因素学科学提出了新的问题和挑战。跨学科的人类因素学科学领域包括以人为中心的任何工作,如人类因素学,人类工效学,工程心理学和人机交互。这些变化促使我们重新审视当前人类因素学范式和研究议程。现有的研究范式主要基于非智能技术。在这种情况下,本文回顾了人类因素学科学范式的演变。总结了我们最近提出的丰富人类因素学研究范式的新概念模型和框架,包括人工智能团队模型,人工智能联合认知生态系统框架和智能社会技术系统框架。本文进一步加强了这些概念,并展望了这些概念的应用前景。本文还展望了人类因素学科学未来的研究议程, 包括“人工智能交互”,“智能人机界面”和“人工智能团队协同”。分析了研究范式在未来研究议程中的作用。我们认为,人类因素学科学的研究范式和议程相互影响和促进。智能时代的人类因素学科学需要多元化和创新的研究范式,从而进一步促进人类因素学科学的研究和应用。

0
下载
关闭预览

相关内容

从ChatGPT看AI未来趋势和挑战 | 万字长文
专知会员服务
171+阅读 · 2023年4月18日
多模态认知计算
专知会员服务
174+阅读 · 2022年9月16日
Nature子刊:尝试利用多模态基础模型迈向通用人工智能
专知会员服务
45+阅读 · 2022年6月16日
Artificial Intelligence: Ready to Ride the Wave? BCG 28页PPT
专知会员服务
26+阅读 · 2022年2月20日
多模态认知计算
专知
7+阅读 · 2022年9月16日
“人工智能,有必要像人类一样吗?”
THU数据派
0+阅读 · 2022年8月4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
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24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 · 2015年12月31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 · 2013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
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年5月20日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
10+阅读 · 2020年11月26日
VIP会员
相关资讯
多模态认知计算
专知
7+阅读 · 2022年9月16日
“人工智能,有必要像人类一样吗?”
THU数据派
0+阅读 · 2022年8月4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
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24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 · 2015年12月31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 · 2013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
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员