《Data Science and Management》：Human-AI interaction: themes, applications, and challenges
编辑推荐：
在数字经济时代，人工智能（AI）系统正推动人机交互（HCI）超越传统的界面优化范式，从指令-响应模式转向对话-共创模式。理解社会要素与技术要素的协同演化对于智能系统设计、治理和创新管理至关重要。然而，现有的人机智能交互（HAI）综述存在三个局限性：方法论上，仅
在数字经济时代，人工智能（AI）系统正推动人机交互（HCI）超越传统的界面优化范式，从指令-响应模式转向对话-共创模式。理解社会要素与技术要素的协同演化对于智能系统设计、治理和创新管理至关重要。然而，现有的人机智能交互（HAI）综述存在三个局限性：方法论上，仅有9%的研究援引了系统综述和荟萃分析优先报告条目（PRISMA）指南，约75%为缺乏透明检索协议的描述性综合；覆盖范围上，现有综述呈现碎片化状态，缺乏能够捕捉社会与技术要素动态协同演化的框架；此外，约85%的综述（124篇中的105篇）未涉及生成式AI（GenAI），未能回应这一根本性转变。本研究遵循PRISMA范围综述扩展版（PRISMA-ScR）指南对HAI文献进行了综述。2019年之前发表稀疏，此后急剧上升；引文量在2021年达到峰值，近期队列尚未积累足够引文。不同国家呈现出差异化格局：中国在发表数量上领先但引文滞后；美国拥有最多高被引论文；英国在合作网络中占据核心桥梁位置；德国聚焦于可解释AI和人机交互；韩国则同时在技术和社会科学两条路径上推进。主题分析识别出五个核心主题。基于文献，研究人员开发了社会技术系统的协同演化框架（CFSTS），分析了五种HAI应用场景，并识别了相关挑战与应对策略。本研究将HAI研究从碎片化描述推向系统化理论建构，为研究和实践提供了循证指导。
论文解读文章
研究背景与问题
随着自然语言处理（NLP）、语音识别、手势追踪和机器学习（ML）等技术的快速进步，以及图形处理器（GPU）成本的持续下降，与机器进行对话已从概念验证阶段演变为日常习惯。这种跨模态的双向互动被称为人机智能交互（HAI）。当前AI系统正从普通应用程序进化为具备决策能力的自主实体，这促使HAI范式发生深刻变革。然而，学术界面临一系列新问题：人类应如何与算法协作？伦理边界何在？社会是否会真正接受这种新型合作关系？
现有HAI综述存在三个显著局限：方法论上，仅9%的研究遵循PRISMA指南，约75%为缺乏透明检索协议的描述性综合；覆盖范围上，文献碎片化严重，缺乏能捕捉社会与技术要素动态协同演化的框架；此外，约85%的综述未涉及生成式AI（GenAI），未能回应这一根本性范式转变。因此，有必要开展一项严格的方法论驱动的系统性综述，以整合分散的知识体系，并为GenAI时代的HAI研究提供理论基础。
研究方法与关键技术方法
本研究采用范围综述（scoping review）方法，遵循PRISMA-ScR指南。文献检索主要在Web of Science（WoS）核心合集（包括SCIE和SSCI）中进行，检索截止日期为2026年4月30日。检索词涵盖三大组件：人类相关词（human* OR user）、AI相关词（AI OR “Artificial intelligence” OR Chatbot OR ChatGPT OR “deep learning” OR “Gen AI” OR GenAI OR “generative AI” OR GPT* OR “Large Language Model” OR LLM OR “Machine learning” OR “natural language interface” OR “natural language processing” OR NLP OR OpenAI）以及交互相关词（interact*），限定在标题（TI）、作者关键词（AK）和Keywords Plus（KP）字段。同时补充检索了IEEE Xplore和Scopus数据库中的高被引论文（至少100次引用）。最终纳入1,592篇论文（1,468篇文章和124篇综述）。研究人员采用基于编码手册的主题分析方法，遵循Braun和Clarke的六步框架（数据熟悉化、初始编码生成、主题搜索、主题审查、主题定义与命名、报告产出），并由两名研究人员独立对20%的子样本（n=294）进行编码，Krippendorff名义alpha值为0.93。国家层面的合作网络分析采用CiteSpace软件，基于Brandes算法计算中介中心性。
研究结果
3.1 年度发文量与引文量：HAI年产出在2000至2018年间稀疏且不规则，2019年起急剧上升。引文量在2021年达到历史最高点11,810次。整体轨迹分为三个阶段：萌芽期（2000-2018年，产出稀疏）、起飞期（2019-2021年，加速增长与2021年引文高峰）、快速增长期（2022年至今）。学科参与也经历了三阶段演变：计算机科学主导早期；心理学在2019-2023年间崛起；到2024-2025年，领域已扩散至45个学科。
3.2 国家发文量与跨国合作：中国和美国合计贡献全球半数以上发文量。中国以454篇居首，但高被引论文转化率仅10.35%；美国以81篇高被引论文居首，转化率达20.82%。英国中介中心性高达0.91，在合作网络中占据核心桥梁位置；德国（0.30）和美国（0.20）居中；韩国（0.10）最低。各国研究特色鲜明：中国聚焦身体信号识别与人机界面、物理人机协作、对话代理与社会交互；美国关注信任机制、拟人化与社会临场感、公平性与可解释性；英国融合技术创新与应用场景，涵盖物理人机协作控制、感知技术与手势识别、服务导向场景与社会交互；韩国呈现技术与社会科学的双轨并行模式；德国在物理人机协作、可解释AI（XAI）和人机信任与透明度设计方面建立显著优势。
3.3 HAI综述分析：对124篇综述的分析显示，约60%发表于2024年后。仅约9%明确援引PRISMA指南，约75%为无透明检索协议的描述性综合。医疗保健占最大份额但高度细分；约85%的综述未实质性涉及GenAI。
3.4 HAI文章主题分析：通过主题分析识别出五大核心主题：人-生成式AI交互（507篇，占比最高）、人-聊天机器人交互（261篇）、人-智能感知技术交互（252篇）、人-AI信任与决策交互（251篇）、人-机器人交互（197篇）。各主题均呈持续增长态势，其中人-生成式AI交互自2025年起显著扩张。
讨论与结论
本研究基于社会技术协同演化视角，整合了技术的社会建构（SCOT）、社会认同理论（SIT）和认知负荷理论（CLT）三大理论传统，构建了社会技术系统的协同演化框架（CFSTS）。该框架揭示了HAI研究的三个核心维度：交互形式（技术语境如何表征）、信任校准（期望与证据差距如何修正）和人机协作（角色与权力如何重新分配），三者形成螺旋式递归结构。CFSTS能够解释文献中反复出现的性能-信任反转现象、制度滞后现象以及身份碎片化现象，其解释力超越了任何单一理论。
研究结论指出：HAI已从HCI的一个子集演变为其社会技术延伸，呈现出算法参数与公共价值之间的递归互构模式。本研究将HAI研究从碎片化描述推向系统化理论建构，为跨领域的研究与实践提供了循证指导。论文发表在《Data Science and Management》。
