論文の概要: Drag or Traction: Understanding How Designers Appropriate Friction in AI Ideation Outputs

• arxiv url: http://arxiv.org/abs/2603.27550v1
• Date: Sun, 29 Mar 2026 07:06:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.018697
• Title: Drag or Traction: Understanding How Designers Appropriate Friction in AI Ideation Outputs
• Title（参考訳）: ドラッグまたはトラクション:AIのアイデアアウトプットにおいて、デザイナが摩擦を適切に適用する方法を理解する
• Authors: A. Baki Kocaballi, Joseph Kizana, Sharon Stein, Simon Buckingham Shum,
• Abstract要約: Seamless AIは、アウトプットを、形状ではなくユーザが消費する完成的で洗練された製品として提示する。 ユーザーは自分のアイデアを生成するのではなく、AIの提案に固執する。 本稿では,AI出力に意図的破壊を導入するジェネレーティブ・フリクションを提案する。
• 参考スコア（独自算出の注目度）: 2.3508851646751663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Seamless AI presents output as a finished, polished product that users consume rather than shape. This risks design fixation: users anchor on AI suggestions rather than generating their own ideas. We propose Generative Friction, which introduces intentional disruptions to AI output (fragmentation, delay, ambiguity) designed to transform it from finished product into semi-finished material, inviting human contribution rather than passive acceptance. In a qualitative study with six designers, we identified the different ways in which designers appropriated the different types of friction: users mined keywords from broken text, used delays as workspace for independent thought, and solved metaphors as creative puzzles. However, this transformation was not universal, motivating the concept of Friction Disposition, a user's propensity to interpret resistance as invitation rather than obstruction. Grounded in tolerance for ambiguity and pre-existing workflow orientation, Friction Disposition emerged as a potential moderator: high-disposition users treated friction as "liberating," while low-disposition users experienced drag. We contribute the concept of Generative Friction as distinct from Protective Friction, with design implications for AI tools that counter fixation while preserving agency.
• Abstract（参考訳）: Seamless AIは、アウトプットを、形状ではなくユーザが消費する完成的で洗練された製品として提示する。 ユーザーは独自のアイデアを生成するのではなく、AIの提案に固執する。 本稿では,AI出力に意図的な破壊(断片化,遅延,曖昧さ)を導入し,それを完成品から半完成品に転換し,受動的受入ではなく人的貢献を促すジェネレーティブ・フリクションを提案する。 6人のデザイナによる質的研究で、ユーザーは、壊れたテキストからキーワードをマイニングし、遅延を独立した思考のワークスペースとして使用し、メタファを創造的なパズルとして解いた。 しかし、この変換は普遍的ではなく、抵抗を妨害ではなく誘惑と解釈するユーザの正当性であるフリクション・ディポジションの概念を動機付けていた。 曖昧さと既存のワークフロー指向に対する寛容さを前提として、Friction Dispositionは潜在的なモデレーターとして出現した。 我々は、保護摩擦とは別の生成摩擦の概念に寄与し、保護機構を維持しながら修正に対処するAIツールの設計上の意味について述べる。

関連論文リスト

• Exploring Semantic-constrained Adversarial Example with Instruction Uncertainty Reduction [51.50282796099369]
  本稿では,多次元命令の不確実性低減フレームワークを開発し,意味論的に制約された逆の例を生成する。 言語誘導サンプリングプロセスの予測により、設計したResAdv-DDIMサンプルにより最適化プロセスが安定化される。 セマンティック制約付き3次元逆数例の参照フリー生成を初めて実現した。
  論文  参考訳（メタデータ） (2025-10-27T04:02:52Z)
• ThematicPlane: Bridging Tacit User Intent and Latent Spaces for Image Generation [49.805992099208595]
  ThematicPlaneは,ユーザが高レベルのセマンティック概念をナビゲートし操作できるシステムである。 このインターフェースは、暗黙の創造意図とシステム制御のギャップを埋める。
  論文  参考訳（メタデータ） (2025-08-08T06:57:14Z)
• Interactive Reasoning: Visualizing and Controlling Chain-of-Thought Reasoning in Large Language Models [54.85405423240165]
  トピックの階層構造としてチェーンオブ思考出力を可視化するインタラクション設計であるInteractive Reasoningを導入する。 私たちは、不確実なトレードオフに直面したAIによる意思決定のプロトタイプであるHippoで、インタラクティブな推論を実装しています。
  論文  参考訳（メタデータ） (2025-06-30T10:00:43Z)
• Intent Tagging: Exploring Micro-Prompting Interactions for Supporting Granular Human-GenAI Co-Creation Workflows [28.404085240725717]
  主な課題は、ユーザ意図(インテリケーションとアライメント)によるAI生成コンテンツの不正調整、AIシステムへの意図の伝達方法に関するユーザの不確実性、多様な創造性(ワークフローの柔軟性)をサポートするためのAIシステムの柔軟性の不足などだ。 これらの課題に触発されて、Intent Tagsの概念に基づいたスライド作成システムであるIntentTaggerを開発しました。 12人の参加者によるユーザスタディは、曖昧さ、メタインテントの活用、インテントタグ駆動のインテントのメリットと課題など、さまざまなレベルのインテントを柔軟に表現する価値に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-26T01:13:47Z)
• Concept Steerers: Leveraging K-Sparse Autoencoders for Test-Time Controllable Generations [5.2956273221301835]
  テキスト・ツー・イメージ生成モデルは、敵対的な攻撃をしがちであり、不安全で非倫理的なコンテンツを不注意に生成する。 我々は,k-スパースオートエンコーダ(k-SAE)を活用して,効率的な,解釈可能な概念操作を実現する新しいフレームワークを提案する。 提案手法は, 安全でない概念除去において$mathbf20.01%$の改善を実現し, スタイル操作に有効であり, 現在の最先端技術よりも$mathbfsim5$x高速である。
  論文  参考訳（メタデータ） (2025-01-31T11:52:47Z)
• AdvAnchor: Enhancing Diffusion Model Unlearning with Adversarial Anchors [61.007590285263376]
  セキュリティ上の懸念から、研究者たちは微調整によって不適切な概念を学ばざるを得なくなった。 最近の微調整手法は、望ましくない概念を排除し、他の概念を保存することの間のかなりの性能のトレードオフを示す。 本稿では,貿易問題を軽減するために,敵対的アンカーを生成する新しいアプローチであるAdvAnchorを提案する。
  論文  参考訳（メタデータ） (2024-12-28T04:44:07Z)
• RealEra: Semantic-level Concept Erasure via Neighbor-Concept Mining [25.769144703607214]
  概念消去は、モデルが保護され不適切な概念に関する知識を取り除くために提案されている。 この「概念残余」問題に対処するためにRealEraを提案する。 また,RealEraは,有効性,特異性,汎用性において,従来の消去方法よりも優れていたことを示す。
  論文  参考訳（メタデータ） (2024-10-11T17:55:30Z)
• PaCE: Parsimonious Concept Engineering for Large Language Models [57.740055563035256]
  Parsimonious Concept Engineering (PaCE)は、アライメントのための新しいアクティベーションエンジニアリングフレームワークである。 アクティベーション空間において,各原子が意味論的概念に対応する大規模概念辞書を構築する。 本研究では,PaCEが言語能力を維持しつつ,最先端のアライメント性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-06-06T17:59:10Z)
• Exploring a Behavioral Model of "Positive Friction" in Human-AI Interaction [1.8673970128645236]
  本稿では,AIを用いたユーザおよび開発者エクスペリエンスにおいて,現在どのような摩擦が有用であるかを特徴付ける「正の摩擦」モデルを提案する。 そして、ハイブリッドな"AI+人間"レンズを取ることの価値を提案することによって、AIユーザと開発者のコンテキストでこのモデルを探求する。
  論文  参考訳（メタデータ） (2024-02-15T03:39:55Z)
• Explainability Pitfalls: Beyond Dark Patterns in Explainable AI [9.020313208419378]
  ユーザを操作する意図がない場合でも、AIの説明から予期せぬ負の下流効果を示す説明可能性落とし穴(EP)を導入する。 EPは、意図的に欺くプラクティスであるダークパターンとは異なるが、関連している。 本稿では,3つの相互接続レベルでEPに対処するための予防的および予防的戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-26T03:05:50Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。