Interview AI-ssistant: Designing for Real-Time Human-AI Collaboration in Interview Preparation and Execution

📄 arXiv: 2504.13847v1 📥 PDF

作者: Zhe Liu

分类: cs.HC, cs.CL

发布日期: 2025-03-03

备注: 4 pages, 2 figures, submitted and accepted by IUI 2025 Doctoral Consortium

💡 一句话要点

提出 Interview AI-ssistant，用于访谈准备和执行中的人机实时协作

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 人机协作 大型语言模型 访谈辅助 定性研究 智能用户界面

📋 核心要点

  1. 访谈是重要的定性研究方法，但访谈者面临实时信息处理、问题调整和维护融洽关系等认知挑战。
  2. 论文提出 Interview AI-ssistant 系统，旨在访谈准备和执行阶段支持人机实时协作，提升访谈效率。
  3. 通过多项研究，包括需求分析、原型开发、实验评估和现场研究，验证了系统在实际场景中的有效性。

📝 摘要（中文）

大型语言模型（LLMs）的最新进展为增强包括访谈在内的定性研究方法中的人机协作提供了前所未有的机会。虽然访谈在收集深入的、情境化的见解方面具有很高的价值，但访谈者经常面临重大的认知挑战，例如实时信息处理、问题调整和融洽关系维护。本博士研究介绍了 Interview AI-ssistant，该系统旨在访谈的准备和执行阶段实现实时的人机协作。通过四个相互关联的研究，本研究调查了访谈环境中有效人机协作的设计，首先是对访谈者需求的形成性研究，然后是侧重于AI辅助访谈准备的原型开发研究，对访谈期间的实时AI辅助进行实验评估，以及在真实研究环境中部署该系统的现场研究。除了为智能访谈支持系统的实际应用提供信息外，这项工作还通过增进对复杂社交任务中人机协作界面的理解，并为AI增强的定性研究工具建立设计指南，从而为智能用户界面（IUI）社区做出贡献。

🔬 方法详解

问题定义：访谈者在访谈过程中面临着认知负荷过高的问题，包括实时处理信息、调整问题以及维护与受访者的良好关系。现有的访谈方法缺乏有效的工具来减轻这些认知负担，从而可能影响访谈质量和效率。

核心思路：论文的核心思路是利用大型语言模型（LLMs）的能力，构建一个AI助手，在访谈的准备和执行阶段为访谈者提供实时的支持。通过人机协作，AI助手可以帮助访谈者更好地处理信息、调整问题，并专注于与受访者的互动。

技术框架：Interview AI-ssistant 系统包含以下主要模块：1) 需求分析模块，通过对访谈者的访谈和观察，了解他们的需求和痛点；2) AI辅助访谈准备模块，利用LLMs帮助访谈者生成问题、组织访谈流程；3) 实时AI辅助模块，在访谈过程中，AI助手可以实时分析受访者的回答，提供问题建议、信息检索等功能；4) 评估模块，通过实验和现场研究，评估系统的有效性和用户体验。

关键创新：该研究的关键创新在于将LLMs应用于访谈场景，并设计了一个支持人机实时协作的系统。与传统的访谈方法相比，Interview AI-ssistant 可以显著减轻访谈者的认知负担，提高访谈效率和质量。此外，该研究还提出了AI增强的定性研究工具的设计指南。

关键设计：具体的技术细节在论文中没有详细描述，例如LLM的具体选择、问题生成和建议算法、实时信息处理的策略等。这些细节可能在后续的研究中进一步阐述。但整体设计思路是围绕着减轻访谈者的认知负担，提高访谈效率和质量。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

论文通过实验评估和现场研究验证了 Interview AI-ssistant 的有效性。具体的性能数据和对比基线在摘要中未提及，但研究表明，该系统能够显著减轻访谈者的认知负担，提高访谈效率和质量。现场研究进一步验证了该系统在真实研究环境中的可行性和实用性。

🎯 应用场景

该研究成果可应用于各种需要访谈的领域，如用户研究、市场调研、新闻采访、心理咨询等。通过提供智能的访谈辅助工具，可以提高访谈效率、降低成本，并获得更深入、更全面的信息。未来，该技术有望与虚拟现实、增强现实等技术结合，创造更沉浸式的访谈体验。

📄 摘要（原文）

Recent advances in large language models (LLMs) offer unprecedented opportunities to enhance human-AI collaboration in qualitative research methods, including interviews. While interviews are highly valued for gathering deep, contextualized insights, interviewers often face significant cognitive challenges, such as real-time information processing, question adaptation, and rapport maintenance. My doctoral research introduces Interview AI-ssistant, a system designed for real-time interviewer-AI collaboration during both the preparation and execution phases. Through four interconnected studies, this research investigates the design of effective human-AI collaboration in interviewing contexts, beginning with a formative study of interviewers' needs, followed by a prototype development study focused on AI-assisted interview preparation, an experimental evaluation of real-time AI assistance during interviews, and a field study deploying the system in a real-world research setting. Beyond informing practical implementations of intelligent interview support systems, this work contributes to the Intelligent User Interfaces (IUI) community by advancing the understanding of human-AI collaborative interfaces in complex social tasks and establishing design guidelines for AI-enhanced qualitative research tools.