所有作品

人机交互研究

在你决定开口之前……

阳明交大的协作研究,用匿名相似提示,在参与者决定要不要发言之前,让他们知道可能有人抱持相近的想法。入选 TAICHI 2026 Poster Track。

项目

OmniObserve

我的角色

研究协作・文献搜集、研究讨论与实验支持

状态

研究原型 · TAICHI 2026 海报发表

阅读研究介绍
OmniObserve 的海上求生任务界面,包含公开与私人排序,以及带有匿名相似性提示的可编辑想法卡片
界面图片:OmniObserve 研究团队 · 研究与图片来源 · CC BY-SA 4.0

你有一个想法,但不肯定其他人会不会同意,也担心在场会不会有专业的人听到觉得很可笑。你在等一个适合插话的时机;等到了,话题已经换了。

这不是我们想象出来的情境,而是研究参与者自己描述的经验。有人说自己其实有想法,只是大家讨论得太热烈,不知道什么时候该加入;也有人说,第一次想点开提示时它消失得太快,第二次点开时话题已经过去了。

OmniObserve: Revealing Hidden Consensus in Online Meetings 是我在阳明交大的协作研究,想处理的就是这段缺口。

第四个时刻

在追求多元观点的在线会议里,从私下思考到公开发言之间常常卡着一道关卡。当人预期自己会被评价,或不知道别人是否也有类似的想法时,少数意见和还不成熟的点子就容易被留在心里。

现有的系统大多在帮忙整理公开的想法、在讨论中明显介入,或在分享前让 AI 私下评估。OmniObserve 瞄准的是另一个时刻:你有一个私下的想法,另一位参与者可能也有兼容的想法,而你正在决定要不要开口。

我们用「隐藏共识」(hidden consensus)指参与者之间尚未说出口、但彼此重叠的想法;用「公开前的社会证据」(pre-public social evidence)指在任何人决定发言之前,提示「这种重叠可能存在」的轻量信号。

系统怎么运作

参与者私下说出或打出的想法,会被转写、摘要成 idea block:简短、可编辑、只有本人看得到的卡片。

系统中的全局 agent 负责跨参与者配对,分三关筛选。第一关只比对同一个任务项目上其他人的卡片。第二关用语义相似度过滤,余弦相似度门槛为 0.7。第三关把剩下的交给 LLM 分类器,必须在排序立场或实际建议上兼容才算配对成功。

通过的配对会以匿名提示送出,分成三种:理由相同、理由不同,以及两者兼具。收到提示的人可以查看配对关系、关掉提示、只针对这则提示和匿名对象分享理由、把自己的卡片送到公开聊天室,或者什么都不做。无论选哪一个,对方完整的私人内容都不会公开。

OmniObserve 的想法卡片、匿名提示与手动分享控制

两个形成性研究

Study A 是受试者间的先导研究,使用 Lost at Sea 共识任务:两组陌生人中,一组没有提示,一组打开提示。Study B 是受试者内设计,每组在一个任务中使用相似度提示、另一个任务中不使用,任务包括推理型的 Lost at Sea 和视觉设计型的 Enhance the Poster。每一场都有三位真正的参与者,以及一位暗桩,负责在讨论中提出一个看起来合理的公开立场。

评分较高的项目集中在三件事:能自己控制何时公开、先私下再公开的流程有助于参与,以及提示带来的认同感与分享意愿。

我们观察到的事

在陌生人组成的小组里,参与者把提示当成公开前的私下确认。P04 说:「It felt like I could secretly check whether anyone had the same thought. If yes, then at least one or two people would agree, and I would not be completely rejected.」先偷偷看看有没有人想法一样,知道至少不会完全被否定,再决定要不要说。P11 也说,看到 same-reason 提示时,觉得自己的想法是对的,更愿意表达。

沉默常常是一种策略。有人会等别人先提起,再补上自己的理由;有人想法一直都在,只是在等安全的时机。只看发言次数,很容易把这种沉默误读成不投入。

同一种提示,不同人读出不同意思。「理由相同」可能代表安全,也可能代表重复、不必再说;「理由不同」可能是意见冲突的风险,也可能是补充观点的邀请。有参与者提醒,颜色标记能帮不主动的人说出与他人相符的想法,却也可能让没配对到的想法更难说出口。

熟悉程度会改变组件的价值。idea block 在陌生组和熟人组都有用;相似度提示在熟人组里作用不明显,在陌生人之间多半带来支持,有时也让人更谨慎。

界面上,参与者希望先看到轻量的类型标记再决定要不要点开,提示要停留得够久,而且公开与否必须由自己决定。P09 说得很直接:「I would want to control it myself. If the system put my idea in public and said it was mine, that already feels forced.」

研究最核心的收获是「分阶段的公开控制」:设计时要明确定义 AI 侦测什么、什么时候出现、谁会收到,以及谁能把它公开。这个研究想做的,不是让 AI 更会说话,而是让人更有机会把话说出来。

我的角色

OmniObserve 是团队研究,作者依序为 Shih-Kai Hong、Ethel Yu-Tsen Hsiao、Yi-Jie Chen、Jason Zhi-Jun Chang、Elvis Dragon Mao 与 Grace Yu-Chun Yen。我参与了整个研究过程,包括搜集文献、参与讨论,以及在实验中担任暗桩与现场支持。研究以 Poster 124 入选 TAICHI 2026,并获得阳明交大资工系 115 学年度专题竞赛佳作。研究目前仍在进行,下一步计划加入开放式发想任务、对照会议逐字稿分析提示如何被接续使用,并进行规模更大的比较研究。

我们经常期待科技让人们更快速地交换信息、更有效率地完成讨论。但有时候,真正阻碍沟通的不是工具不够快,而是一个人不太确定自己的声音会不会被接纳。OmniObserve 还没有回答所有问题,但它让我们有机会重新思考:好的交互设计,或许不只是让人更容易说话,也包括让人有安全感,并且能自己决定什么时候开口。

参考资料

本文研究内容与参与者引文改写自 Sky Hong 撰写的 OmniObserve 研究介绍(https://skyhong.tw/omniobserve/),原文以 CC BY-SA 4.0 授权。

制作团队

与阳明交大 HAIX Lab 的 Shih-Kai Hong、Ethel Yu-Tsen Hsiao、Yi-Jie Chen、Jason Zhi-Jun Chang 及 Grace Yu-Chun Yen 共同研究。界面图片:OmniObserve 研究团队,CC BY-SA 4.0。

下一个项目emfont