映射可教社交媒体信息流体验的设计空间
人机交互
2024-01-31 v2
摘要
社交媒体信息流是反映个人价值观和偏好的深度个人空间。然而，自上而下的、平台范围的内容算法可能会降低用户的自主感，并且无法顾及细微的体验和价值观。借鉴交互式机器教学（IMT）这一面向非专家用户的算法适应交互框架，我们描绘了一个可教社交媒体信息流体验的设计空间，以赋能自主的、个性化的信息流策展。为此，我们进行了一项有声思维研究（N=24），涉及四个社交媒体平台——Instagram、Mastodon、TikTok和Twitter——以理解用户用来判断其信息流中帖子价值的关键信号。我们将用户的信号综合成分类体系，结合用户访谈，这些分类体系为将IMT扩展到社交媒体环境的五项设计原则提供了信息。最后，我们将这些原则具体化为三种信息流设计，并将其作为未来可教信息流体验的敏感性概念呈现。
引用
@article{arxiv.2401.14000,
title = {Mapping the Design Space of Teachable Social Media Feed Experiences},
author = {K. J. Kevin Feng and Xander Koo and Lawrence Tan and Amy Bruckman and David W. McDonald and Amy X. Zhang},
journal= {arXiv preprint arXiv:2401.14000},
year = {2024}
}
备注
CHI 2024