Synergi：学术综合与意义生成的混合倡议系统
摘要：有效地审查学术文献并综合先前的研究成果对于科学进步至关重要。然而，出版物规模的不断增长和知识负担使得研究线索的综合变得比以往更具挑战性。虽然已经有大量研究致力于帮助学者与单篇论文进行互动，但建立跨多篇论文的研究线索仍然是一个难题。大多数自上而下的综合方法（以及LLMs）都很难个性化和迭代输出结果，而自下而上的综合则需要耗费时间和精力。在这里，我们探索了一种混合主动和被动工作流的新设计空间。为此，我们开发了一种新颖的计算流程框架Synergi，通过将用户输入的相关种子线索与引文图和LLMs结合起来，扩展和结构化它们。Synergi允许学者从与其兴趣相关的论文生成的整个线索和子线索结构开始，并根据自己的需求进行迭代和定制。在我们的评估中，我们发现Synergi帮助学者高效地理解相关线索，拓宽视野，并增加了他们的好奇心。我们讨论了基于线索的、混合主动与被动的学术综合支持工具的未来设计影响。
作者：Hyeonsu B. Kang, Sherry Tongshuang Wu, Joseph Chee Chang, Aniket Kittur
论文ID：2308.07517
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-16