探究人机协作中面向特定领域数据分析的交互模式与用户自主性

尽管大语言模型（LLM）在执行通用领域数据操作相关任务时展现出强大的能力，但在应用于特定领域任务时仍可能表现出不足。我们从交互和用户自主性两个维度考虑特定领域 AI 驱动的数据分析工具的设计。我们实现了两个分别位于这两个维度两端的探针设计：开放式高自主性（OHA）原型和结构化低自主性（SLA）原型。我们对九位数据科学家进行了访谈研究，以调查（1）用户如何感知用于数据分析辅助的 LLM 输出，以及（2）OHA 和 SLA 这两种测试探针设计如何影响用户行为、表现和感知。我们的研究揭示了关于参与者与 LLM 交互的见解，包括他们如何看待结果、对 LLM 输出可解释性的需求，以及与其他用户协作的显著需求，还有他们如何设想 LLM 在其工作流中的效用。