Artificial Experience (AX) Design: The Social Future of User Experience
Notice bibliographique
Résumé
Since the 1980s, user experience (UX) has been a critical, human-centric movement to improve the design and usability of technology. UX frameworks, such as Garrett’s Five Planes, prescribe considerations for the strategy, scope, structure, skeleton, and surface of a screen-based interaction. However, recent advances in conversational AI are beginning to move us away from screens and such frameworks now fall short on two key elements of modern AI: semiotics and social. Semiotics, the meanings we derive from a broad set of signs, have expanded in the age of AI and robotics to include a collection of humanlike nonverbal cues. Social acknowledges that these humanlike technologies are no longer lifeless tools, but have begun to occupy a new ontological space in our minds, somewhere between hammer and human. We need a discussion about these additional elements and how they contribute to the emerging idea of Artificial Experience (AX): the complex interactions we have and relationships we form with modern conversational AI and social robots. Our technologies have always been social by being extensions of ourselves. Modern AI is yet another social extension, however, it is unique in being the first generation of technologies to which we also assign such vast social agency. UX tells us how to design these technologies to be good tools, however, this is not enough for the age of AI. We need AX to show us how to design these technologies to be good collaborators.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».