面向大众受众的科学文本AI驱动个性化引导

数字媒体平台(如科学博客)为大规模向大众受众传播科学内容提供了机会。然而，这些受众在科学专业知识、读写水平和个人背景上各异，使得有效的科学传播颇具挑战。为应对这一挑战，我们设计了TranSlider，一种基于个人用户画像(如爱好、位置和教育)生成科学文本个性化翻译的AI赋能工具。该工具具备一个交互式滑块，允许用户将个性化程度从0(弱关联)引导至100(强关联)，利用LLM生成所选程度的翻译。通过一项针对15名参与者的探索性研究，我们考察了这些AI个性化翻译的实用性，以及交互式阅读功能如何影响用户的理解和阅读体验。结果显示，偏好高个性化程度的参与者欣赏关联性强且情境化的翻译，而偏好低程度者则看重简洁且带有微妙情境化的翻译。此外，参与者报告多重翻译对其理解科学内容有累积效应。基于这些发现，我们讨论了若干促进科学传播和设计可引导接口以支持人机对齐的启示。