这篇文档属于类型a，即报告了一项原创性研究。以下是关于该研究的学术报告：

作者与发表信息

本研究的主要作者是Jeba Rezwana和Mary Lou Maher，他们来自美国北卡罗来纳大学夏洛特分校（University of North Carolina at Charlotte）。该研究发表于2022年6月20日至23日在意大利威尼斯举行的“Creativity and Cognition (C&C ’22)”会议上，并由ACM（Association for Computing Machinery）出版。

学术背景

本研究属于人机交互（Human-Computer Interaction, HCI）和计算创造力（Computational Creativity）领域，具体关注人类与人工智能（AI）在创造性任务中的协作体验。随着AI在音乐、设计、写作等领域的应用日益增多，人类与AI的协作创造力（Human-AI Co-Creativity）成为一个重要的研究方向。然而，现有的许多协作系统仅支持人类向AI的单向通信（如通过按钮或滑块），而缺乏AI向人类的反馈，这限制了AI被感知为“合作伙伴”而非“工具”的潜力。

本研究的背景知识包括：协作创造力需要双方的有效沟通，双向通信（Two-Way Communication）在人类协作中被证明能够提高用户参与度和协作体验。然而，现有系统大多缺乏AI向人类的通信（AI-to-Human Communication），这可能导致用户对AI的信任和感知受限。

本研究的目标是探索AI向人类通信对用户参与度、协作体验以及用户对协作AI感知的影响，并通过实验验证双向通信是否能够提升这些方面。

研究流程

本研究包括以下主要流程：

1. 研究设计与原型开发
   研究者开发了两个高保真原型系统“Creative Penpal”，用于帮助用户在设计任务中生成创意设计。这两个原型的主要区别在于通信方式：

   • 基线原型：仅支持人类向AI的单向通信（通过按钮）。
     
   • 双向通信原型：支持双向通信，包括AI通过语音、文本和虚拟AI形象（Avatar）向人类反馈。
     

2. 实验设计
   研究采用被试内设计（Within-Subject Design），共招募了38名参与者（19名男性和19名女性，平均年龄26岁）。参与者被随机分配先后使用两个原型完成设计任务（设计“游戏玩家椅”和“老年人购物车”）。任务要求参与者至少从AI获取三次灵感。实验过程中，研究者通过Wizard of Oz（WOZ）方法模拟AI的视觉反馈，以确保实验条件的一致性。

3. 数据收集
   实验数据通过以下方式收集：

   • 问卷调查：使用创造力支持指数（Creativity Support Index, CSI）评估用户对系统的感知，包括探索性、表达性、沉浸感、享受度、结果价值和协作性六个维度。
     
   • 半结构化访谈：收集参与者对两种原型的协作体验、用户参与度和AI感知的定性反馈。

4. 数据分析
   研究者对CSI问卷数据进行了统计分析，计算了各维度的均值和标准差，并使用t检验比较两种原型的差异。访谈数据则通过主题分析（Thematic Analysis）提取主要主题。

主要结果

1. 协作体验
   双向通信原型显著提升了用户的协作体验（p=0.002）。参与者普遍认为双向通信原型更像是一个“合作伙伴”，而基线原型则更像一个“工具”。AI的语音反馈和情感表达（如通过虚拟形象展示喜怒）是提升协作体验的关键因素。

2. 用户参与度
   双向通信原型显著提高了用户的参与度和注意力。参与者表示，AI的语音反馈让他们感到“与另一个存在协作”，从而更专注于设计任务。此外，双向通信原型的使用体验更愉悦。

3. 用户对AI的感知
   双向通信原型被用户感知为更智能、更可靠。参与者认为双向通信AI更能理解他们的需求，并帮助他们生成更具创意的设计。相比之下，基线原型被比作“Google图片搜索”，缺乏互动性和智能感。

4. 设计创意的感知
   大多数参与者认为，使用双向通信原型生成的设计更具创意潜力。AI的反馈让他们对设计更有信心，并感到自己与AI共同完成了设计。

结论与意义

本研究表明，在人类与AI的协作系统中，双向通信（特别是AI向人类的语音和视觉反馈）能够显著提升用户的协作体验、参与度和对AI的感知。这不仅有助于设计更有效的协作AI系统，还为其他涉及人机交互的领域（如教育、娱乐和专业工作）提供了重要启示。

研究亮点

1. 重要发现：双向通信显著提升了用户对协作AI的感知，使其更像“合作伙伴”而非“工具”。
   
2. 方法创新：通过高保真原型和Wizard of Oz方法，研究者在控制AI能力的同时，专注于通信方式的影响。
   
3. 应用价值：研究结果为设计更人性化的协作AI系统提供了实践指导，特别是在提高用户信任和参与度方面。

其他有价值的内容

研究还发现，用户期望AI的语音更自然、反馈更灵活。例如，一些参与者建议增加“保存灵感”功能，以便回顾之前的设计灵感。这些用户期望为未来的AI系统设计提供了重要参考。

总体而言，本研究通过严谨的实验设计和数据分析，揭示了双向通信在人类与AI协作中的重要性，为人机交互领域的研究和实践提供了新的视角和方法。