Großes Sprachmodell (LLM)-basierte anwendungsbezogene Assistenten, oder Copiloten, dürfen
Automatisieren Sie Softwareaufgaben, Aber Benutzer bevorzugen oft Learning by Doing, erhöhen
Fragen zum optimalen Automatisierungsgrad für einen effektiven Benutzer
Erfahrung. Wir haben zwei Automatisierungsparadigmen untersucht, indem wir und entworfen haben
Implementierung eines vollautomatischen Copiloten (AutoCopilot) und eine halbautomatische
Kopilot (Geführter Copilot) das automatisiert triviale Schritte beim Anbieten
Schritt-für-Schritt-Anleitung. In einer Benutzerstudie (N=20) über Datenanalyse und
Visuelle Gestaltungsaufgaben, GuidedCopilot übertraf AutoCopilot bei der Benutzersteuerung,
Software-Dienstprogramm, und Lernfähigkeit, besonders für explorative und kreative Zwecke
Aufgaben, während AutoCopilot Zeit für einfachere visuelle Aufgaben sparte. Ein Nachtrag
Design-Erkundung (N=10) Erweiterter GuidedCopilot mit Aufgaben- und Statuserkennung
Merkmale, einschließlich kontextbezogener Vorschauclips und adaptiver Anweisungen. Unser
Die Ergebnisse unterstreichen die entscheidende Rolle der Benutzerkontrolle und der maßgeschneiderten Anleitung
Entwicklung der nächsten Generation von Copiloten, die die Produktivität steigern, Unterstützung
unterschiedliche Fähigkeitsniveaus, und ein tieferes Software-Engagement fördern.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: