从被动信息流到引导性发现：AI发起的模糊意图内容探索交互

推荐信息流在用户简单浏览时效果良好，搜索在用户能够形成查询时也效果良好。在这两种情况之间的是一种常见但支持不足的状态：用户感到自己的信息流变得单调，却无法明确指定想要的内容。我们将这种状态称为模糊意图（vague intent）。我们提出了Red-Rec，这是一个支持AI发起的探索界面，用于处理这种中间状态。在浏览一段时间后，系统对当前信息流进行模式总结（例如，主导内容类别和可能的潜在兴趣），提供可点击的探索选项，询问最多一个后续问题，然后逐渐将新内容混入信息流。该设计源于一次形式化研究，发现用户常常意识到信息流的单调，但难以表达替代方案，这表明需要主动且低成本的交互。我们将Red-Rec在混合设计的实验室研究中对比评估了三个对比条件：被动信息流、搜索和用户发起的聊天界面。与用户发起的聊天相比，Red-Rec实现了更广泛的探索、更高的serendipity（意外发现）评分和更低的交互成本。在AI发起的条件下，参与者几乎不打字，主要依赖选项选择；而在用户发起的聊天条件下，参与者打字量要大得多。我们讨论了主动、基于选项的AI支持如何帮助用户超越单调的信息流，而又不削弱其控制感，并概述了支持开放式探索的推荐界面设计中的设计含义。