Selenite：利用大语言模型引出的全面概览搭建在线意义建构脚手架

在陌生领域中进行意义建构可能具有挑战性，需要用户付出大量努力以针对各种标准比较不同选项。先前研究与我们的形成性研究发现，人们会受益于预先阅读信息空间的概览，包括他人先前发现有用的标准。然而，现有的意义建构工具受困于“冷启动”问题——它不仅需要先前用户的大量输入来生成与共享这些概览，而且此类概览也可能有偏且不完整。在本工作中，我们引入一个新系统 Selenite，它利用大语言模型（LLMs）作为推理机器与知识检索器，自动生成选项与标准的全面概览，以启动用户的意义建构过程。随后，Selenite 也随人们的使用而适应，以系统且个性化的方式帮助用户查找、阅读与导航陌生信息。通过三项研究，我们发现 Selenite 可靠地生成准确且高质量的概览，显著加速用户的信息处理，并有效改善他们的整体理解与意义建构体验。