chi-topic-scout

将HCI或CHI领域的想法转化为搜索查询、相关工作图谱、新颖性矩阵以及保留或转向建议。始终使用引用管理工具处理元数据和BibTeX，并适当覆盖ACM数字图书馆（ACM DL）、DBLP、Google Scholar、IEEE Xplore和arXiv等学术资源。 1. **搜索查询**： - 基于核心概念生成关键词组合，例如：“human-computer interaction” AND (“novel interface” OR “interaction technique”) AND (“machine learning” OR “AI-driven”) - 针对特定子领域优化，如：“tangible user interfaces” AND “children” AND “education” - 使用布尔逻辑与截词符提高查全率与查准率，例如：“(ubiquitous comput* OR pervasive comput*) AND (smart home OR IoT)” - 按时间范围筛选（如近5年）以聚焦前沿研究 2. **相关工作图谱**： - 利用VOSviewer、CiteSpace或Connected Papers构建共被引与关键词共现网络 - 标注关键文献节点（高被引、高中心性），识别研究聚类（如可穿戴交互、情感计算、AR/VR用户体验） - 可视化演进路径，突出理论、方法与应用的交叉点 - 导出图谱时附带BibTeX条目，确保每篇文献包含DOI、作者、年份、标题、会议/期刊信息 3. **新颖性矩阵**： | 维度 | 现有工作覆盖情况 | 本想法创新点 | 差距分析 | |---------------------|--------------------------------------|--------------------------------------|------------------------------| | 技术方法 | 多数采用监督学习（Zhang et al., 2022）| 提出无监督自适应模型 | 减少标注依赖，提升泛化能力 | | 用户群体 | 聚焦成人用户（Lee & Park, 2021） | 扩展至老年认知障碍人群 | 填补包容性设计空白 | | 交互模态 | 视觉+触觉为主（ACM CHI 2023） | 引入嗅觉反馈作为情境提示 | 多感官融合新方向 | | 评估指标 | 任务完成时间、错误率 | 新增生理信号（EDA/HRV）情感效价度量 | 深化用户体验量化维度 | 4. **保留或转向建议**： - **保留依据**：若新颖性矩阵显示至少两个维度存在显著空白（如“老年用户+嗅觉反馈”未被探索），且初步检索未发现直接竞争工作（经ACM DL/arXiv验证），则建议推进。 - **转向触发条件**：若在DBLP/IEEE Xplore中发现近三年已有相似原型（如OlfactoryUI框架，IEEE VR 2023），则需调整方向——例如转向跨文化比较或极端环境（如医疗急救场景）应用。 - **行动项**： - 使用Zotero/Mendeley管理文献，自动生成BibTeX库 - 在Google Scholar设置“相关文章”提醒，监控最新预印本（arXiv cs.HC） - 对高影响力文献（h-index > 30作者）进行反向引用追踪 > 注：所有推荐均基于跨平台检索结果（ACM DL收录率≥80%，arXiv预印本需标注版本号），确保可追溯性与学术严谨性。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本