CoAIcoder：研究人工智能辅助人与人之间在定性分析中的协作效果
摘要：AI协助的个体质性分析已经得到广泛研究，而AI协助的协作性质性分析（CQA）-涉及多位研究人员共同解释数据的过程-仍然相对未被探索。通过形成性访谈，我们确定了CQA的实践和设计机会，设计并实施了CoAIcoder，这是一种利用AI增强CQA中人与人之间协作的工具，采用了四种不同的协作方法。通过一个被试设计，我们在每种协作方法下对32组经过CQA培训的参与者进行了CoAIcoder的评估，覆盖了常见的CQA阶段。我们的研究结果表明，虽然在编码的早期阶段，使用共享的AI模型作为编码者之间的中介可能会提高CQA的效率，并且更快地促成一致，但它可能会影响最终的代码多样性。我们还强调在各种CQA情境中，使用AI协助人与人之间的协作时需要考虑独立性水平。最后，我们提出了未来AI协助CQA系统的设计影响。
作者：Jie Gao, Kenny Tsu Wei Choo, Junming Cao, Roy Ka Wei Lee, Simon Perrault
论文ID：2304.05560
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-07-26