HCI 研究贡献的七种形态

01 · 论文身份与阅读结论

一篇 HCI 论文的贡献，不等于它做过哪些工作，而是完成这些工作之后，别人获得了什么此前没有的、可以理解和利用的知识。Wobbrock 与 Kientz 用七种知识形态组织这个问题，并为不同产物配上不同的评价依据。

Paper Verified：正式标题为 Research Contributions in Human-Computer Interaction，作者按顺序为 Jacob O. Wobbrock、Julie A. Kientz，均署名 University of Washington。发表于 Interactions 23(3)，2016 年 5–6 月，刊页 38–44，DOI 10.1145/2907069。用户原文件共 7 页，第一页是开篇插图，正文从刊页 39 开始；没有额外附录，也没有机器学习模型、训练实验或消融表。

版本核验：作者网站的 2016 正式文章 PDF与用户原 PDF 的七页提取文本逐页完全相同；文件字节不同，原文件及已有标注保持原样。旧笔记的 Wobbrock-2012.pdf是另一份单作者、6 页的未发表白皮书 Seven Research Contributions in HCI，当前可下载版注明最后更新于 2015-11-06。不能用这个链接替代双作者 2016 文章的书目信息。

Our Interpretation：本文最实用的作用是让作者把「贡献陈述」与「证据责任」连接起来，让评审先理解工作的知识产物，再判断验证是否充分。它不是投稿成功预测器，也没有证明七类穷尽所有未来 HCI 研究。

阅读基准：用户原 PDF 全部 7 页及参考文献；原图 1–2、原表 1–3 全部保留。以下标记分别表示 Paper Verified（原文事实）、Author Claim（作者主张）、Our Interpretation（分析判断）、Research Extension（尚未验证的研究建议）。

02 · 研究问题、论证结构与贡献单位

HCI 的参与者来自计算机科学、工程、设计、心理学、社会科学等传统。同样叫「好研究」，不同传统可能重视发现、可运行系统、理论解释、研究方法或设计表达。如果把一种传统的验证方式当成统一门槛，就容易把有价值的工作排除在外；如果只强调多元，又可能使评价缺乏清楚的依据。本文尝试在开放性与可判断性之间建立一张概念地图。

作者实际做了三件事

1. 概念整理：总结来自早期白皮书的七种知识贡献，给出各类定义、评价标准与具体例文。
2. 历史梳理：展示 CHI 投稿分类如何从混合工作活动、研究对象与方法的长描述，逐渐转向较简洁的知识类型。
3. 描述性统计：报告 CHI 2016 作者自选标签的投稿与录用分布，展示这一届会议产生、传播的知识结构。

因此，本文的「方法」应理解为概念分析、历史材料整理与会议元数据描述，而非训练一个分类模型。文章没有报告系统检索协议、双人编码一致性实验、随机对照教学研究或分类法有效性的受控检验。CHI 投稿系统采用这套标签，是实际使用的证据，但不是分类互斥、完备或能改善评审质量的独立证明。

不要把活动、载体与贡献混为一谈

Our Interpretation：一项用户研究可能只是为系统主张提供验证，也可能同时得到值得单独保留的人类行为发现。反过来，代码量再大，如果没有解释新能力、新机制或可迁移知识，也不能仅凭工程投入确认研究贡献。判断单位是主张和知识增量，而不是论文里出现过哪些材料。

原文刊页 39–40：知识贡献、学科多样性与文章目标

03 · 七类贡献的完整判断框架

下表按原文顺序保留全部七类，并把定义、评价依据与常见误判并列。最后一列是本页的操作性解读，不是原文给出的机械评分规则。

原文并没有给这七类设定互斥的决策树。一项工作可以由 Artifact 主导，同时贡献新的 Empirical 发现；一套共享语料可以伴随新的抽样 Methodological 贡献。多种贡献需要分别提出和举证，不能把同一个结果重复命名七次来扩大贡献数量。

Our Interpretation：可以用一个问题快速定位：删掉所有实验过程、工具名称和实现细节之后，读者还带走什么？若答案是一个发现，偏实证；是一种实现新交互的办法，偏制品；是一种可迁移的研究做法，偏方法学；是一套解释或组织概念，偏理论。这个启发式仅用于整理主张，不能替代细读。

原文刊页 40–42：七类定义及评价标准

04 · 实证与制品：同样有实验，知识目标可能不同

实证贡献：方法严谨与发现重要，两个条件都不能省略

实证知识来自观察与数据收集。原文明确容纳定性或定量、实验室或田野，以及带有不同认识论立场的数据。列举的来源包括实验、用户测试、田野观察、访谈、问卷、焦点小组、日记、民族志、传感器和日志。这些方法的共同点不是数字多，而是结论与材料之间有可审查的关系。

严谨不等于只报告统计检验：一个定性研究同样需要交代参与者、情境、材料来源、分析过程与解释边界。这些具体实践是本页对「方法合理」的展开，原文并未规定统一操作清单。即使某个差异具有统计显著性，若问题无关紧要或效果缺乏实质意义，也不能凭显著性本身说明贡献重要。

Our Interpretation：系统可用性测试可能告诉我们「此系统在这些任务下可用」，但这不必然产生可迁移的人类行为发现。若要另列实证贡献，需要说明发现相对于已有研究的新意、其解释范围及方法是否足以支持该范围。

制品贡献：评估要随着制品所承载的主张变化

原文说制品贡献常伴随实证研究，但并非必须如此，有时甚至不应如此。这里的重要限制是评价方式与主张相称：对设计愿景强行测量完成时间可能答非所问；对明确声称让用户更快的输入技术，却拒绝任何人类表现证据，也不成立。原文引用 Greenberg 与 Buxton 对可用性评价的讨论，并以 Olsen 的系统研究评价工作为依据；它没有授予所有系统论文免于验证的权利。

对于材质编辑工具，一段能生成图的程序、一个可交互原型，以及一项「艺术家能够以更低认知负担完成有意图的编辑」的研究主张，是三个不同层次。前两项可以支撑第三项的研究，但不能直接替代第三项所需的证据。这个例子是对框架的应用，不是本文做过的实验。

原文刊页 40–41：Empirical 与 Artifact

05 · 方法、理论、数据：区分研究手段与可复用知识

方法学：为什么别人也能照着做、得到可信结果

方法学贡献指导研究或实践如何开展：发现、测量、分析、设计、制造都在范围内。原文的例子既有方法应用、创新和改造，也有新度量与新量表。因此，新意不必表现为全新算法，但必须清楚说明旧方法为什么不够、改动了什么、怎样知道改动有效。

原文强调这些属性需要重复验证，未把「一次实验看起来有效」当成充分条件。在程序化材质研究里，若要贡献新的可编辑性度量，需要证明它测到了编辑能力，而不只是节点数量、图大小或渲染相似度。

理论：概念组织、预测与解释不是同一个成熟程度

理论贡献包括概念、定义、模型、原则与框架，既可定性，也可定量。作者用「如何做」与「做什么、为什么做、预期什么」区分方法学与理论，又用「观察到什么」与「解释为什么」区分发现与成熟理论的目标。两类工作会相互支持，不应理解为经验研究不允许解释，或理论研究不能含有实验。

过窄的理论只能解释原始情境，迁移价值有限；过宽的理论对几乎任何结果都能自圆其说，也可能没有真正的区分力。原文提出科学理论应能被检验和证伪，理论验证通常依靠实证工作。与此同时，它列出的理论类例子也包含设计空间和思考框架。因此，将一个有用框架归入 Theoretical，并不等于声称它已经成为成熟的预测性或因果理论。

Our Interpretation：本文自身的七类框架主要提供分类与评价语言，没有给出能预测单篇录用结果的定量理论。检验它，可以研究不同使用者是否理解一致、是否能识别原本遗漏的知识、能否改进贡献陈述；这些尚未由本文验证。

数据集：贡献的是共同资源的使用价值与代表性

数据集应提供有用的新语料，通常伴随特性分析；基准测试可以帮助统一比较。原文强调「有用且有代表性的共同语料」，并指出数据集常伴随访问工具或新方法。Dataset 与 Methodological 可以同时成立，但两者的知识主张应分开：资源覆盖了什么，与资源怎样构造或评价，是不同问题。

Research Extension：材质图数据若要作为独立 Dataset 贡献，应明确材质族、图结构、节点类型、参数与编辑操作覆盖，记录数据生成或筛选过程，并说明许可、划分和已知偏差。合法执行率与材质族多样性不能替代人类编辑需求的代表性；这个检查表是本页建议，并非原文公开了某个材质数据集。

原文刊页 41–42：Methodological、Theoretical 与 Dataset

06 · 综述与观点：综合知识与改变看法各有标准

Survey 是综合，不是问卷的英文同名

本文的 Survey Contributions 指文献综述与元分析：综合一个研究主题已有工作，揭示趋势、缺口及进一步研究机会。问卷调查作为数据收集方法，出现在 Empirical 的方法列表中；仅因英文都用 survey，不能把问卷论文归入文献综述类。

原文说综述通常适合已经达到一定成熟程度的主题，但其例子也包含「Emerging topic」。这里的成熟度应理解为已经有足够材料支持有意义的综合，而不是要求领域必须很老。好的综述需要完整性、深度、组织性，并帮助读者看见研究空间；堆砌上百条引用并不能取代比较维度与综合结论。

Our Interpretation：检验一篇综述，不仅看纳入多少论文，也要看遗漏是否系统性影响结论、分类是否有解释力、相邻方向能否比较、研究空白是否由材料支持。本文给出通用评价语言，但没有规定系统综述的数据库、检索式、纳入排除标准或元分析统计流程。

Opinion 的区别在目的，不在是否有研究依据

观点贡献通过论证促使读者改变理解或实践，目标包含反思、讨论与争论。它可以调动实证、理论、历史等多种材料，评价依据是论证能否成立：证据是否可信、是否公平处理相反观点、问题是否具有广泛相关性、表达是否易于理解。

原笔记写到议题「广为接受」容易产生误导。原文要求议题具有广泛兴趣、文章易于读懂，并不是要求论点已经成为多数人的共识。提出有力的异议，恰好可能是 Opinion 的价值。另一个误区是把「论点新颖」当成充分条件：新颖而没有论据、忽略显而易见的反例，仍是薄弱论证。

本文将 Oulasvirta 与 Hornbæk 的 HCI Research as Problem-Solving列为 Opinion 的 Definition 示例。这揭示了分类可以针对论证目的：一篇文章即使提出概念框架，也可以通过说服读者采用一种学科理解而体现 Opinion 贡献。标签边界不是固定的学科户籍。

原文刊页 42–43：Survey、Opinion 与例文

07 · 原文的全部 35 个例子

每类贡献各有五个例子。下面保留全部原始子标签、论文标题与来源，便于看到同一知识类型内部的多样性。中文最后一列只解释为什么作者把它放在这里，不对这 35 篇论文的完整结果、实验质量或全部贡献作二次认证。本次完整精读对象仍是 2016 这篇文章。

这份例子清单是教学性地图，不是系统抽样的 HCI 全集，也不是每种类型的排名。单看论文题目往往无法完成分类：一篇包含工具的文章可能主要贡献一种研究方法，一篇提出模型的文章也可能以说服读者采用新观点为目标。应回到具体主张及支撑材料。

原文刊页 40–43：全部 Examples，7 类 × 5 篇。原文对部分 CHI 2016 文献标注 To appear；此处保留 2016 年与会议身份，不将写作时态误解为另一出版年份。

08 · 三张原表：CHI 分类怎样从工作描述转向知识类型

Paper Verified：1996–2001 年，CHI 要求作者标示论文类型，但还未称作贡献类型；1996 年的例子包括 experience papers 和 systems papers。作者指出，1998 年的征稿启事首次出现 contribution 一词；到 2000 年，已有较长的贡献描述。2002–2008 年要求提交 30 词的 contributions and benefits statement，供会议程序使用。

2009–2013 年投稿时从清单选择类型；2014–2015 年类型仍列于征稿启事，但不能在提交时选择。2016 年转成可选投稿关键词，由 Frank Bentley 与 Jofish Kaye 制定，并受早期白皮书影响。以下是论文对历史材料的整理，不是本页对当前投稿系统的规则说明。

原 Table 1 · CHI 2006–2008：长描述

完整保留九项及 2006、2007、2008 的原文差异。原表只有描述列；这里新增短标签与中文释义用于阅读，没有删除或合并条目。该时期同时要求 30 词贡献与收益陈述。

原 Table 2 · CHI 2009–2015：准贡献类型

九行是跨年份的并集，不代表每一年都同时具有九种选项。Experience 仅标示于 2009/2010，Validation and refutation 仅标示于 2014/2015；Opinions 在 2011–2015 年名为 Argument。年份列是对原表方括号的展开。

原 Table 3 · CHI 2016 与七类框架的对应

原表的 Empirical 单元格跨越两行；重建时在两行都写明 Empirical 以避免读者误以为第二类没有对应项。八个投稿标签对应七类知识，差异正是 Empirical 的拆分。

Author Claim：早期分类混合了知识类型、工作类型、实质关注点与方法路径，后来的简短标签更聚焦于产生的知识。Our Interpretation：「越来越简洁」并不自动证明分类更准确；本文没有给出跨年份一致性编码或决策质量实验。三张表最有力地支持的是命名方式与组织原则发生变化，而不是一套分类法已经取得可量化优越性。

原文刊页 43：Table 1–3 与历史叙述

09 · 两张原图与完整 CHI 2016 统计

原 Figure 1 · 问的是 primary，却允许零选、单选、多选

表单标题使用「primary contribution type」，但作者明确说明可不选、选一个或选多个。不能根据问题措辞把结果当成单标签分类。2,316 篇投稿中，130 篇未选择标签（5.6%），1,481 篇选择一个（63.9%），705 篇选择多个（30.4%）；平均 1.29 个标签，标准差 0.66。百分比四舍五入后相加为 99.9%，不是漏了 0.1% 的论文。

原 Figure 2 · 灰、蓝、橙三种柱子的分母不同

灰色是该标签在全部投稿中的占比；蓝色是该标签在全部录用论文中的占比；橙色是该标签自身投稿的录用率。图按投稿数递减排列，整体 2,316 篇投稿、546 篇录用，整体录用率为 23.6%。下面把原图全部八类、两个计数与三个比例重建为可读表格，没有只保留最高或最低值。

计算关系：为阅读而重建，不是原文提出的模型

令 \(S=2316\) 为全部投稿数，\(A=546\) 为全部录用数，\(S_t\) 和 \(A_t\) 为带标签 \(t\) 的投稿数与录用数。三列百分比分别是：

例如 Method 的三个百分比依次来自 \(445/2316\)、\(79/546\)、\(79/445\)，得到 19.2%、14.5%、17.8%。它们不能互换。整体录用率是 \(100\times546/2316\approx23.6\%\)，并非八个类别录用率的算术平均。

Paper Verified：「系统使用实证」标签最多，占投稿与录用项目均约 44.0%；「关于人的实证」录用率最高，为 26.3%；Artifact 录用率 23.9%，与总体接近。Method、Theory、Essay/Argument、Survey、Dataset 的类内录用率都低于总体。后五类中 Essay/Argument 最高，为 21.6%；Dataset 最低，为 16.7%，同时投稿数只有 30、录用数只有 5。

Our Calculation：八类投稿计数相加为 2,999 次标签出现，录用计数相加为 685 次。相应占比之和约为 129.49% 与 125.46%，超过 100% 是多标签结构导致的正常结果。\(2999/2316\approx1.2949\) 与原文平均 1.29 相容。没有逐篇标签组合，无法从这些边际计数独立重算标准差 0.66，也不能求各标签交集或精确的「任一实证」总人数。

原文刊页 44：Figure 1–2、所有计数、比例及描述

10 · 数据究竟证明了什么，哪些推断不能做

三个统计细节尤其重要

1. 类别不是独立样本。一篇论文可能同时进入系统、方法、实证等多个行。比较两行时，不能直接假设它们是互不重叠的两组论文；总体录用率又包含每个子类自身。
2. 选择标签不是随机分组。作者对类型的理解、投稿策略与工作的性质都可能影响勾选；未选标签的 130 篇也未必随机缺失。标签不是随机施加的处理变量。
3. 小类对少量决定敏感。Dataset 的分母为 30；固定分母下多录用一篇会改变约 3.33 个百分点。这是读者的敏感性计算，不是原文置信区间或显著性检验。

原文没有报告分类间的假设检验、置信区间、回归模型或去混淆分析。本页不补造 p 值，也不把「最高」解释为统计显著优于所有其他类别。该统计是对 CHI 2016 当届记录的描述；推论到下一届、其他会议或未来 HCI 需要额外设计与材料。

概念论文的可核验性应该怎样检查

本次可直接复核的是：七类定义与各类标准是否完整，35 个例子是否归位，三张历史表是否忠实，八类统计能否从计数复算，以及作者主张是否超出这些材料。原文没有给出逐篇投稿记录或对应分析脚本，因此不能复现标签交叉关系、未标注录用情况、标准差或混淆因素分析。

「基础模型、参数量、训练集划分、学习率、推理采样、模型消融」不适用于这篇文章。历史表是演化材料，不是算法基线；七类是知识框架，不是网络模块。若提出未来分类实验，应另写实验设计，并标为研究延伸。

数据与作者的价值提醒：原文刊页 44。统计边界、敏感性计算与再分析建议为本页判断。

11 · 与 Problem-Solving 框架对照，以及本文自己的贡献定位

补充一手核验：Oulasvirta 与 Hornbæk 的框架区分实证、概念、建设性研究问题，再以问题解决能力评价结果；其五个方面是重要性、有效性、效率、迁移和可信度。它明确包含理论与概念问题，并非只适用于产品或现实应用。因此，旧笔记中「三类贡献、偏实际应用、因而不够灵活」的概括需要修正。对照原文，正文 4956–4959 页

Our Interpretation：比较时应先区分两个问题：「留下了什么知识产物？」与「解决了什么知识缺口、解决得有多好？」七类框架适合前者。对于本文，可以先描述它提出的组织框架、历史综合与统计材料，再追问这些材料是否真的缓解研究定位和评价困难。这个顺序比给两个框架做普适的优劣排名更有操作性。

以上是本页的分类判断，不是作者自选标签，也不是出版社的官方类型。若写一段英文贡献评价，可以表述为：The paper primarily offers a conceptual framework for distinguishing forms of HCI knowledge and their evaluation criteria. Its descriptive analysis of CHI 2016 and its historical synthesis provide secondary contributions. Its argument for contribution-sensitive evaluation also has an opinion-oriented dimension. 这里的 primary 表示本页为写作聚焦作出的选择，不排除另一位读者基于文章说服目的把 Opinion 作为主类。

两套框架都不应被简化成自动贴标签器。对自己的论文，先提出确切主张，再选能暴露证据缺口的分析方式；不要先选有利标签，再回填贡献故事。

本文七类与对照论文被列为 Opinion 示例的依据：原文刊页 43。对照资料只用于纠正旧笔记中的框架混淆；不替代对另一篇文章的单独精读。

12 · 把框架变成写作与评审的工作表

Research Extension：以下六步是基于本文编制的工作方法，尚未通过用户研究验证。它用于检查贡献陈述是否清楚、证据是否对应，不是本文发布的标准化评分量表。

1. 写出研究缺口。指出此前不知道什么、解释不了什么或做不到什么。区分「我还没做过」与「已有研究尚未解决」。
2. 写出可反驳或可质疑的具体主张。把「我们开发了工具」改写为工具让哪种能力成为可能；把「做了用户研究」改写为发现了什么、适用于谁和什么情境。
3. 给每条主张选知识类型。先选最能表达主要增量的一类；只有存在独立知识产物时再标注次要贡献。
4. 明确相邻工作的差异。新系统与旧系统、新发现与旧解释、新方法与旧程序都需要可辨别的比较；综述和观点也要说明组织或论证超出了什么。
5. 逐条配证据和边界。说明哪项材料支持哪条结论、还存在哪些替代解释，以及哪些情境没有被研究。
6. 做反向核对。若删掉一项证据，主张是否仍被充分支持；若删掉一条贡献，论文是否只是换了说法而没有损失知识？这样可以识别证据空缺和重复计数。

评审先读「要证明什么」，再判断「证据够不够」

对于强调交互可能性的系统，可以要求机制和能力边界清楚，但不应自动要求一种无关的人类速度实验。对于声称降低用户负担的系统，也不能因为归为 Artifact 就放弃对负担主张的验证。对理论框架，可以要求边界、反例与对已有知识的增益；对综述，则需要检查综合深度和覆盖合理性。

同样，不宜把研究工作划分为「做系统的」与「做用户研究的」两个阵营。一个工作组合可以让系统揭示可能性，让实证材料说明使用情境，再让概念分析解释何时这些能力有意义。贡献陈述应让这些层次形成关系，而不是只形成标签列表。

基础标准来自原文七类评价描述；六步流程与陈述工作表均为本页提出，未宣称验证有效。

13 · Reviewer Commentary：价值、薄弱点与可检验改进

Strengths · 贡献与证据匹配是最强的实践价值

本文把跨学科的评价冲突转译成具体知识产物，帮助读者理解为什么一个系统、一个方法和一个理论不能完全依靠同一套证据标准。每类配备多个例子，且 Artifact 内部继续区分系统、输入技术与设计愿景，比只罗列七个词更有教学价值。

三张历史表将分类变化放在投稿制度中理解；两张统计图则展示概念如何在真实学术流程里被使用。作者没有把较低的录用率等同于较低的研究价值，并明确提醒不要用分类限制未来想象。这些边界使文章更适合用作讨论起点，而不是领域准入规则。

Weaknesses · 概念实用性尚未转成独立验证

• 形成过程不够可审计。七类来自白皮书与学科经验，但文章没有报告系统性生成类别、寻找反例、比较其他分类法的完整程序。不能仅凭选出的例子证明类别覆盖整个 HCI。
• 类别处于不同抽象层次。有的按产物（Dataset、Artifact），有的按认识方式（Empirical），有的按组织形式或论证目的（Survey、Opinion）区分。这使多标签很自然，却也给稳定编码带来困难。
• 一些边界需要操作说明。例如量表工具可同时有 Artifact 和 Methodological 面向，概念框架可以服务 Opinion 目的。若用于计量研究，需要明确主次标签依据与歧义处理。
• 评价语言仍然宽泛。重要、有用、合理、有说服力都需要情境化。原文没有给出统一阈值；这保留了多元性，也意味着不同评审仍可能有显著分歧。
• 会议统计范围有限。自选、多标签、单届、聚合计数使它适合描述，不足以识别评审制度对某类工作的因果影响。
• 理论标准存在张力。可证伪性适用于科学理论的主张，但理论类又涵盖设计空间和思考框架。使用时应说明这些产物的具体知识责任，避免把所有概念工作压成同一种预测模型要求。

这些批评是对框架使用边界的分析，不是声称文章本应成为机器学习基准。作为七页的学科反思文章，它提供的清晰概念语言有独立价值；若把它用于定量科研评价，才需要补充更强的编码与效度证据。

Potential Improvements · 可以怎样真正验证框架

这些研究应以明确问题、材料选择与评价依据开始；本文没有提供样本量或效应量，不能从它推导出一个保证充分的参与人数。具体规模应根据研究设计、资源与所需精度确定。

Reviewer Commentary 全部为本页判断；被审查事实的依据为2016 全文。

14 · 对 Procedural Material Generation 的研究启发

Research Extension：本文没有研究程序化材质、节点图或生成模型。下面把它的贡献语言用于 PMG 研究规划，目标是使「图像生成效果」「图结构可编辑性」与「人类创作能力」各自承担清楚的证据责任。

一个聚焦的候选研究：可解释的局部图编辑

假设系统允许用户选中材质局部属性，表达目标变化，查看候选节点与影响范围，再通过渲染反馈逐步修正。其主贡献可先聚焦于 Artifact：新的交互能力及实现机制；如果观察揭示了新的编辑行为，再单独提出 Empirical 次要贡献。无需在一篇论文中追求七类齐全。

需要公开的机制包括：图中允许哪些节点和边、怎样表示可编辑参数、用户动作如何映射到修改、执行失败如何反馈、哪些内容自动决定、哪些内容仍由用户选择。若使用 Agent，还需区分系统建议、用户确认、执行结果和失败后的恢复；这些界面机制不能用隐藏的人工挑选来证明。

把算法能力与交互效益分开评价

1. 能力验证：覆盖结构修改、参数修改、约束保持与失败恢复，记录有效执行率、目标实现情况及不可处理的节点／材质族。此层只支持系统能力。
2. 交互比较：若主张降低编辑成本，尽量固定后端生成能力，比较手动节点编辑、同一后端的直接命令界面与候选交互机制。基线应对应目标用户可实际使用的工具。
3. 任务与参与者：同时考虑有明确目标的控制任务与较开放的创作任务，说明专业经验、任务熟悉度和学习阶段。任务顺序、训练与工具熟练度都可能影响观察。
4. 证据组合：目标完成、时间、修改次数、错误恢复与主观负担各回答不同问题；辅以对操作过程和失败案例的分析。不要把多个量压成没有构念依据的单一「创作质量分」。
5. 机制检验：若要知道收益来自影响范围提示、候选预览还是自动修复，可在后续研究中控制或拆分这些因素。只有对应设计才能把组件存在与收益联系起来。

这里不指定训练网络、学习率或参与人数，因为研究问题尚未确定到需要这些参数的程度。生成质量差可能限制交互任务，界面机制弱也可能浪费生成能力；两者应在研究中分别记录，而非把所有效果都归给模型或都归给界面。

最有价值的迁移

对 PMG 工作而言，本文的启发是明确自己要交付哪一种知识。视觉相似度可以支持重建质量主张；合法执行可以支持工程可靠性主张；可理解的编辑操作和人类任务证据才能支撑相应交互主张。把这些层次连接起来，会让贡献陈述更准确，也更容易发现真正值得研究的缺口。

以上全部为基于七类框架的研究设想，没有被本文实验验证；核心框架来源：原文刊页 40–42。

15 · 来源、旧笔记修正与交付边界

一手来源与版本关系

1. Wobbrock 与 Kientz，2016 正式文章，作者公开 PDF：本页完整内容、全部原表、原图及统计的公开定位入口。与用户 PDF 的七页提取文本逐页一致。原 DOI 为 10.1145/2907069；出版社网页此次未能直接读取，身份依原 PDF 和作者公开副本核实。
2. Seven Research Contributions in HCI，单作者白皮书：用于核实前身与版本。文件标注 2012 版权、2015-11-06 最后更新；不是本文的附录，不合并计入本文页数。
3. HCI Research as Problem-Solving，Aalto 大学资料库记录及作者机构正式重印 PDF：用于限定范围的概念对照。正文为 12 页，4956–4967；下载文件为 13 页，含一页资料库封面。资料库自动生成的会议地点／日期字段与原文页眉有不一致，本页引用原文的 CHI 2016 与 DOI，不采用该条附带事件字段。

原文六条 Endnotes 的完整索引

• Olson 与 Kellogg，Ways of Knowing in HCI，Springer，2014：不同认识方式的背景。
• Höök、Bardzell、Bowen、Dalsgaard、Reeves 与 Waern，Framing IxD knowledge，Interactions 22(6)，2015，32–36：交互设计知识的讨论。
• Wobbrock，Seven research contributions in HCI，未发表白皮书：七类框架的前身。
• Greenberg 与 Buxton，Usability evaluation considered harmful (some of the time)，CHI 2008，111–120：评价与研究阶段、主张匹配。
• Olsen，Evaluating user interface systems research，UIST 2007，251–258：系统研究的评价依据。
• Popper，The Logic of Scientific Discovery，第 2 版，Routledge Classics，2002：原文关于可检验性与可证伪性的引文。

上述作用说明限于它们在本文中的引证位置，不表示本次完整阅读了这些书籍及各篇参考文献。35 个分类例文的完整标题与链接见第 7 节。

对旧笔记的具体补充

完成范围

本页完整阅读与重建对象为用户提供的 2016 文章。原表 1–3 全部条目、原图 1–2 和图内八类统计均已保留；开篇的装饰性插图不作为研究结果图重复加入。数字已按原文核对，三个百分比列按计数复算；本页自己的公式仅解释这些分母，没有伪造原论文公式。

新增 Markdown 和合并候选均保留全部旧正文、提示词与 PDF++ 锚点；合并候选以原始 14,712 字节为逐字节前缀。元数据、人物链接和索引仅提出归档建议，尚未写入实际知识库。本次完成静态内容、数学源码、表格、图片文件解码、链接目标与大小检查；实际浏览器中的公式渲染、导航点击和不同屏宽布局，按约定留待下载后验收。