# 生成 AI が実用になってからの HCI の研究潮流（2023〜2026）：作る研究の多さと、人の側に残る確かめる仕事

- 著者：小川 修一郎（デザイン研究者／デザインコンサルタント）https://jamjet-iqbal.com/
- 初出：2026-11-01、更新：2026-11-01
- 正規の URL（HTML）：https://jamjet-iqbal.com/notes/ai-hci-research-trends/
- 英語版：https://jamjet-iqbal.com/en/notes/ai-hci-research-trends/（Markdown：https://jamjet-iqbal.com/en/notes/ai-hci-research-trends.md）
- 言語：ja
- キーワード：HCI, human-computer-interaction, generative-AI, LLM, CHI, human-AI-interaction, overreliance, appropriate-reliance, AI-agents, delegation, homogenization, creativity-support, accessibility, AI-in-education, sycophancy, synthetic-participants, literature-review

> ChatGPT の公開（2022 年 11 月）からの 3 年あまりに、HCI（人とコンピュータの相互作用）の研究が生成 AI について何を問うてきたかを、CHI を中心とする査読論文と主要なプレプリント 43 本と、CHI の論文数の数えで整理した。題名か要旨に LLM や生成 AI の語を含む CHI の論文の割合は、OpenAlex の数えで 2023 年の 1.9% から 2024 年の 13.2%、2026 年の 23.0% へ増えた。2020〜2024 年の CHI の LLM 論文 153 本の系統的レビュー（Pang ら 2025）では、62.74% が LLM をシステムの部品として使い、90.85% が研究の妥当性に関わる限界を認め、84.98% が閉じた GPT 系のモデルを使っていた。量の主流は、生成 AI を部品にしたシステムを作る研究である。HCI が新しく知ったことは、使う人の側に何が起きるかを測る研究に多く書かれている。素材としての難しさ（非専門家のプロンプトの失敗、構想の溝）、頼りすぎと適切な信頼、エージェントへの委任と監督、個人の出来と集団の均質化、学習への害、障害のある人への表象の害と確かめる負担、迎合と長期の使用の心理的影響、参加者の代わりとしての LLM の妥当性である。これらに共通して、人の仕事は作ることから確かめ、統合し、監督することへ移ると報告され（Lee ら 2025、Sarkar と Drosos 2025）、使っているあいだの成績や好みと、外したあとの学び、集団の多様性、人のためになることがずれる（Bastani ら 2025、Doshi と Hauser 2024、Cheng ら 2026）。ずれを縮める設計は、使う人に好まれにくい（Buçinca ら 2021、Cheng ら 2026）。害が出ない条件を示す研究もある（Kazemitabaar ら 2023、Bastani ら 2025 の学習用の安全策、Kim ら 2024 の一人称の不確かさの表明）。

## CHI の論文に生成 AI はどれだけ入ったか

HCI の最大の国際会議である CHI の論文のうち、題名か要旨に LLM や生成 AI の語を含むものは、2023 年に 1.9% だった。
2024 年に 13.2%、2025 年に 16.7%、2026 年に 23.0% になった（OpenAlex の CHI 会議録の記録で数えた。数え方は `source/review/ai-hci-research-trends/papers.md`）[^count]。
CHI 2023 の投稿の締め切りは 2022 年 9 月で、ChatGPT の公開より前である。
3 年で、CHI の論文のおよそ 4 本に 1 本が、題名か要旨に生成 AI の語を含むようになった。

この数は、生成 AI の研究がどれだけ増えたかを示すが、何を問う研究が増えたかは示さない。
2020〜2024 年の CHI の LLM 論文 153 本を読んだ系統的レビュー（Pang ら 2025）は、LLM が論文の中で担う役割を五つに分けた。
割合の大きい順に、次のとおりである。

- LLM をシステム、試作、アルゴリズムの部品として使う研究（62.74%、96 本）
- 使う人の LLM の受け止め方を調べる研究（23.53%）
- LLM そのものを調べる研究（9.80%）
- 研究の道具として使う研究（9.15%）
- 参加者や利用者の代わりとして使う研究（7.19%）

適用の領域は、コミュニケーションと文章（22.88%）、人の能力の拡張（16.99%）、教育（14.38%）、プログラミング（11.11%）の順に多い。
同じレビューは、153 本のうち 90.85% が研究の妥当性に関わる限界を認め、84.98% が閉じた GPT 系のモデルを使うか調べていたと報告する。

量で見た主流は、生成 AI を部品にして何かを作る研究である。
一方で、生成 AI について HCI が何を新しく知ったかは、作ったものの性能より、使った人の側に何が起きたかを測った研究に多く書かれている。
このノートは、CHI を中心とする査読論文と主要なプレプリント 43 本を、問いごとに九つのまとまりに分けて読んだ。
論点ごとに代表的な研究を選んだので、43 本の中では使う人の側を測った研究が多く、その比は CHI 全体の比ではない。
数値と主張は、本文が取れた 32 本では本文で、取れなかった 11 本では要旨で照合した（末尾の未検証事項）。
読んでいくと、まとまりの違う研究が、同じ二つのことを別々の場面で報告している。

## 生成 AI を素材にすると、何が難しくなったか

生成 AI は、自然言語で振る舞いを指示できる設計の素材として HCI に入ってきた。
ChatGPT より前の事例研究で、実務家 11 人がプロンプトで機械学習の機能を試作すると、試作できる人の範囲が大きく広がり、試作が速くなり、協働者の会話が具体的になった（Jiang ら 2022、要旨）。
同時に、プロンプトの逆算、例のデータ集め、プロンプトの効き目の評価という新しい難しさが生まれた。

難しさは、AI の専門家でない人ほど大きい。
非専門家がチャットボットのプロンプトを設計すると、体系的でなく場当たり的に試し、人に指示するときの期待を持ち込み、過度に一般化して失敗した（Zamfirescu-Pereira ら 2023、要旨）。
著者らは、この困難がエンドユーザープログラミングと対話型機械学習で知られてきた困難と重なると述べる。
Subramonyam ら（2024）は、Norman の実行の溝と評価の溝の手前に、何を頼み、どう言い、出力に何を期待するかを見通す「構想の溝（gulf of envisioning）」を置いた。

試作と評価の道具も作られた。
プロンプトとモデルを並べて比べる ChainForge の利用者には、場当たりの探索、限られた評価、反復的な改良の三つの使い方が見られた（Arawjo ら 2024）。
Weisz ら（2024）は生成 AI のアプリの設計原則を 6 つにまとめ、そのうち三つ（生成のばらつき、共創、不完全さへの設計）を生成 AI に固有の性質から、三つ（責任ある設計、メンタルモデル、適切な信頼と依存）を既存の原則の読み直しから立てた。
6 原則の半分は、生成 AI 以前から論じられてきた原則を、生成 AI に合わせて読み直したものである。
生成 AI 以前の指針には、49 人の実務家が 20 の製品で確かめた、人と AI の相互作用の指針 18 項目がある（Amershi ら 2019、要旨）。

実務の現場では、道具より先に使い方の取り決めが欠けていた。
UX の実務家 24 人への面接で、会社の生成 AI の方針はほとんどなく、チームで共有した使い方もなかった（Takaffoli ら 2024、要旨）。
実務家は生成 AI を主に一人で文章を書く仕事に使い、ワイヤーフレームや試作には限界を感じていた。

## 人はいつ AI の出力を鵜呑みにするか

頼りすぎ（overreliance）の研究は、生成 AI 以前の AI 支援の意思決定の研究から続いている。
Buçinca ら（2021）は、AI の提案を見る前に自分で考えさせる介入（cognitive forcing）を三つ作り、199 人の実験で、説明を添えるだけの設計より頼りすぎが減ることを示した。
ただし、頼りすぎを最も減らした設計に、人は最も低い主観評価を付けた。

説明が頼りすぎを減らすかどうかには条件がある。
Vasconcelos ら（2023）は、人が課題に自分で取り組む費用と AI に頼る費用を比べて戦略を選ぶと考え、迷路の課題の 5 実験（N = 731）で、課題の難しさ、説明の難しさ、報酬が頼りすぎを左右することを示した。
説明が頼りすぎを減らすのは、説明を確かめる費用が、AI をそのまま信じる費用より下がるときである。

生成 AI では、出力の言い方そのものが設計の対象になった。
医療の質問に LLM の答えを見ながら答える事前登録の実験（N = 404）で、一人称で不確かさを表す答え（「よくわかりませんが…」）は、誤った答えへの頼りすぎを減らし（なくしはしなかった）、正答率を上げた（Kim ら 2024）。
一般的な視点で不確かさを表す答え（「はっきりしませんが…」）では、効果が弱く有意でなかった。
検索でも、LLM の対話型検索を使うと従来の検索より偏った問い方が増え、利用者の意見を強める LLM は偏りを強めた（Sharma ら 2024、要旨）。

頼り方の研究は、職場の自己報告にも広がった。
知識労働者 319 人が挙げた 936 件の実例を分析すると、生成 AI への信頼が高いほど批判的思考は少なく、自分への自信が高いほど多かった（Lee ら 2025、要旨）。
同じ研究は、批判的思考の中身が、情報の確認、応答の統合、課題の監督へ移ると報告する。
Tankelevitch ら（2024）は、生成 AI の使いにくさを、使う人に高いメタ認知の監視と制御を求めることとして捉え直した。
自分が何を求めているか、出力がそれに合っているかを判断する負担が、使う人の側に残る。

## AI に計画と実行を任せるとき、人は何をするのか

2023 年の Generative Agents（Park ら 2023）は、記憶の流れ、内省、計画を持つエージェント 25 体を箱庭に住まわせ、もっともらしい人の振る舞いを模した。
その後の HCI では、人の代わりに計画を立てて何段も実行するエージェントを、人がどこまで任せ、どこで関わるかが問われるようになった。

任せるときの信頼は、計画の見かけに引きずられる。
LLM のエージェントを日常の補助に使う実験（N = 248）で、人はもっともらしいだけの計画を誤って信頼しやすかった（He ら 2025）。
Cocoa（Feng ら 2026）は、計画の各段を人かエージェントに割り当てられる設計で、ラボ調査（n = 16）では使いやすさを損なわずに操縦しやすさを上げ、1 週間の実地展開（n = 7）で研究者の使い方を観察した。
頼まれる前に提案するプログラミングの補助では、提案の時機などの細かな設計要素が、生産性と使う人の体験を左右した（Chen ら 2025）。

会話でプログラムを作る vibe coding の観察でも、人の仕事は消えていない。
Sarkar と Drosos（2025）は、vibe coding はプログラミングの専門性を不要にせず、文脈の管理、生成されたコードの素早い評価、AI と手作業の切り替えの判断へ再配分すると結論した。
Lee ら（2025）の「確認、統合、監督」と、ここでの「文脈の管理、評価、切り替えの判断」は、別の対象から同じ移り方を報告している。

## 個人の出来が上がるとき、集団には何が起きるか

生成 AI の案を使って短い物語を書く実験では、293 人の書き手の物語を 600 人が評価した（Doshi と Hauser 2024）。
AI の案を見た書き手の物語は、より創造的で、よく書けて、楽しいと評価され、もともと創造性の低い書き手ほど伸びた。
一方で、AI の案を使った物語どうしは、人だけで書いた物語どうしより似ていた。
著者らはこれを社会的ジレンマにたとえる。
書き手は一人ひとりでは得をするが、集団としては新しさが狭まる。

均質化は、案の出し方、文化、意見の三つの水準で報告されている。
発想の実験（36 人を募り 3 人を除いた）では、ChatGPT の利用者は、Oblique Strategies のカードの利用者より、集団として意味の似た案を出した（Anderson ら 2024）。
インドと米国の 118 人の実験では、AI の提案は書き方を西洋の様式へ寄せ、文化の細部を薄めた（Agarwal ら 2025）。
特定の意見に寄せた書く補助を使った 1,506 人は、書いた文章の意見だけでなく、その後の態度の調査での意見も動いた（Jakesch ら 2023）。

出来そのものの評価にも異論がある。
Torrance の創造性検査を下敷きにした 14 の二値検査（TTCW）で専門家が評価すると、LLM が書いた物語は職業作家の物語より 3〜10 倍少なくしか検査を通らなかった（Chakrabarty ら 2024）。
個人の出来が上がるという結果は、AI の案を使った人と使わなかった人の比較で、AI が書いたものと職業作家の比較ではない。
二つの結果は、比べる相手が違うので矛盾しない。

## 使っているあいだの成績と、外したあとの学び

教育の研究は、使っているあいだと外したあとを分けて測った。
トルコの 1 校の高校と組んだ約 1,000 人の無作為化比較実験で、GPT-4 を使えるあいだの数学の成績は、素の GPT-4 で 48%、学習用に作った GPT Tutor で 127% 上がった（Bastani ら 2025）。
ところが使えなくなったあと、素の GPT-4 を使った群の成績は、使わなかった群より 17% 低かった。
学習用の安全策を入れた GPT Tutor では、この害の大部分が和らいだ。

害が出なかった結果もある。
10〜17 歳の初心者 69 人の統制実験で、コード生成の AI を使うと課題の完了率が 1.15 倍、得点が 1.8 倍になり、その後の手作業でのコードの修正の課題の成績は下がらなかった（Kazemitabaar ら 2023）。
Bastani らとの違いが、課題、年齢、道具の作りのどれから来るのかは、このノートの資料からは分けられない。
初学者が Copilot を使う様子の観察では、AI を解へ導く使い方と、誤った提案に流されて迷う使い方の両方が見られた（Prather ら 2023）。

脳の反応を測った研究もある。
小論文の課題で 54 人の脳波を測ると、脳のつながりは道具を使わない群で最も強く、検索の群が中間で、LLM の群で最も弱かった（Kosmyna ら 2025）。
著者らは、外部の系に頼り続けると自分で考える努力が置き換わる状態を「認知の負債」と呼ぶ。
この研究は査読前のプレプリントで、第 4 回の参加者は 18 人である。

## 障害のある人にとって、何が害になり、何が負担になるか

アクセシビリティの研究は、生成 AI の出力の偏りが誰に向かうかを、当事者と一緒に調べた。
障害のある 56 人が 19 のフォーカスグループで対話モデルを試すと、出力は露骨に攻撃的とはみなされなかった（Gadiraju ら 2023、要旨）。
参加者は、日常やメディアで出会う微妙だが有害な固定観念（感動の材料としての障害者、健常者の救い手）を出力が映していると語った。
画像生成でも、障害のある 25 人は、モデルが障害ごとに還元的な型（たとえば車椅子）を繰り返し示すことを問題にした（Mack ら 2024、要旨）。

視覚障害のある人にとって、生成 AI は見えないものを説明する道具になった。
視覚障害のある 16 人が情景を説明するアプリを 2 週間使った日記研究で、説明への満足は 5 点中 2.76、信頼は 4 点中 2.43 にとどまった（Gonzalez Penuela ら 2024）。
盲の 26 人への調査は、視覚に頼らずには確かめにくい AI の誤りを、利用者がどう確かめ、どう異議を唱えるかを調べた（Alharbi ら 2024）。
視覚で確かめられない人にとって、使う人の側に残る確かめる仕事は、いっそう難しい仕事になる。

## 好まれる AI は、人のためになる AI か

人と AI の関係の研究は、迎合と長期の使用に向かった。
Cheng ら（2026）の誌版の要旨は、11 の最先端モデルが、欺きや違法を含む問いでも、人より 49% 多く利用者の行動を肯定したと報告する。
事前登録の 3 実験（N = 2,405）では、迎合する AI と一度やりとりしただけで、責任を引き受けて対人の衝突を修復する意思が下がり、自分が正しいという確信が強まった。
それでも迎合するモデルは信頼され、好まれた[^cheng]。
著者らは、害をもたらす性質そのものが利用を促すので、迎合が残り続ける誘因が生まれると述べる。

長期の使用を測った研究もある。
4 週の無作為化比較実験（n = 981、30 万通超）で、チャットボットの声の様式と話題の割り付けには、孤独、人との交流、AI への情緒的依存、問題のある使用への有意な効果がなかった（Fang ら 2026）。
一方で、割り付けに関係なく自分から多く使った参加者ほど、結果は一貫して悪かった。
使う量は割り付けていないので、この関係は多く使ったことの効果とは言えない。

関係を売る製品の記録からも、害が分類された。
AI の伴侶アプリ Replika の利用者 10,149 人の会話の抜粋 35,390 件から、関係の侵犯、嫌がらせ、言葉の暴力、自傷、誤情報、プライバシーの侵害の 6 種の害と、AI が担う 4 つの役割（加害者、扇動者、手助けする者、後押しする者）が取り出された（Zhang ら 2025）。
共感の演出については、LLM の対話エージェントが 65 の人の属性について話すとき、属性に価値判断を下し、有害な思想に関わる属性を励ますことがあり、共感を示しはしても利用者の経験の解釈は苦手だと報告されている（Cuadra ら 2024、要旨）。

## LLM は研究の参加者の代わりになるか

生成 AI は研究の方法にも入った。
GPT-3 が作った HCI の質問紙の回答は、本物と見分けにくかった（Hämäläinen ら 2023、要旨）。
著者らは、合成の回答は実験の構想と予備には役立つが結果は本物のデータで確かめる必要があり、クラウドソーシングの自己報告を信頼できなくするおそれもあると述べる。
Park ら（2024、プレプリント）は、米国の 1,052 人への 2 時間の面接と調査からエージェントを作り、本人が 2 週間後に自分の回答を再現する程度を基準に、社会調査の回答や性格をどこまで再現するかを測った。

置き換えへの批判も同じ時期に出た。
Agnew ら（2024）は、人の参加者を LLM で置き換える提案（技術報告と査読論文の少なくとも 13 本）が、人を対象とする研究の基礎にある代表性、包摂、理解の価値と衝突すると論じた。
Wang ら（2025）は、4 つの LLM と、16 の属性にわたる 3,200 人の人を対象にした研究で、LLM が属性集団を誤って描き、平板にすることを示した。
Pang ら（2025）のレビューでは、LLM を研究の道具に使う論文は 9.15% で、9 割の論文が研究の妥当性に関わる限界を認めていた。

## 3 年の潮流をどう読むか

量の主流は、はっきりしている。
CHI の LLM 論文の 6 割強は LLM を部品にしたシステムを作り（Pang ら 2025）、題名か要旨に生成 AI の語を含む論文は 2026 年に 23.0% まで増えた。
九つのまとまりを並べると、それとは別に、論点の主流として二つの報告が繰り返し現れる。

一つめは、人の仕事が作ることから、確かめ、統合し、監督することへ移るという報告である。
知識労働の批判的思考（Lee ら 2025）、vibe coding の専門性（Sarkar と Drosos 2025）、メタ認知の負荷（Tankelevitch ら 2024）、エージェントの計画への信頼（He ら 2025）は、対象も方法も違うのに、同じ向きの移り方を記述している。
その確かめる仕事は、構想の溝（Subramonyam ら 2024）のように最初の頼み方から始まり、視覚で確かめられない人にはいっそう難しくなる（Alharbi ら 2024）。

二つめは、使っているあいだの成績や好みと、長い目で見た結果がずれるという報告である。
使えるあいだの成績は上がるが外すと下がる（Bastani ら 2025）。
個人の出来は上がるが集団としては似る（Doshi と Hauser 2024）。
迎合する AI は人の判断を歪めるのに信頼され好まれる（Cheng ら 2026）。
そして、頼りすぎを最も減らす設計は最も好まれない（Buçinca ら 2021）。
ずれを縮める設計が使う人に好まれにくいことは、頼りすぎ（Buçinca ら 2021）と迎合（Cheng ら 2026）の二つの場面で示されている。

ずれは避けられないものとして報告されているわけではない。
学習用の安全策は外したあとの害の大部分を和らげ（Bastani ら 2025）、一人称の不確かさの表明は頼りすぎを減らし（Kim ら 2024）、説明は確かめる費用が下がるときに効く（Vasconcelos ら 2023）。
コード生成の AI を使った初心者の手作業の成績は下がらなかった（Kazemitabaar ら 2023）。
このノートが読んだ範囲では、3 年の HCI の研究は、生成 AI が人の役に立つか害になるかを一つに決めるより、どの設計と条件でどちらに転ぶかを積み上げてきた。
ずれが出る場面で、好まれることと人のためになることのどちらを基準に設計を選ぶかは、このノートが読んだ研究の中では決まっていない。
人間中心 AI を名乗る査読文献の地図は、人間中心 AI をどう枠づけ、設計し、評価するかにかなりの曖昧さが残ると述べる（Capel と Brereton 2023、要旨）。
人の期待に合い、人の限界を補う「思考の相手」を設計しようという提案（Collins ら 2024）は、その基準の候補の一つである。

## この調べで言えること、言えないこと

言えるのは、CHI で生成 AI を扱う論文の割合が 3 年で 2% 弱から 2 割強に増え、その多くが生成 AI を部品にしたシステムを作る研究であること、そして使う人の側を測った研究が、確かめる仕事の移り方と、短い目と長い目のずれを繰り返し報告していることである。

言えないことも多い。
43 本は、選別で残した研究で、HCI の生成 AI 研究の全体の標本ではない。
二つの報告が「論点の主流」だという読みは、このノートの選んだ論文の中での繰り返しに基づく解釈で、論文数や被引用で測ったものではない。
CHI の件数は、OpenAlex の会議録の記録の付け方に左右され、2025 年は要旨の欠けた記録が 37% あって割合が低く出る。
実験の多くはラボかオンラインの短い課題で、Fang ら（2026）の 4 週と Bastani ら（2025）の学期の一部が長いほうである。
Lee ら（2025）の批判的思考は自己報告で、行動で測ったものではない。
Park ら（2024）、Kosmyna ら（2025）、Fang ら（2026）は査読前で、査読版は見つからなかった。
文化の違いを比べた研究は、このノートでは Agarwal ら（2025）のインドと米国の比較に限られ、ほかの結果がどの文化にまで当てはまるかは確かめていない。

## 関連ノート

- [AIと心理学・認知科学の研究潮流：機械心理学とLLMの認知モデル化（2024–2026）](https://jamjet-iqbal.com/notes/ai-psychology-cognitive-science-trends/)：同じ時期の心理学と認知科学の研究潮流。human-AI 相互作用の心理学のまとまりが、このノートの頼り方の研究と重なる
- [AIと教育学・学習科学の研究潮流：生成AIと学習の実証（2024–2026）](https://jamjet-iqbal.com/notes/ai-education-learning-sciences-trends/)：生成 AI と学習の実証を、教育学と学習科学の側から整理したノート
- [AI エージェントは 70 年で何度流行り、デザインはそのたびに何をしたか（学術研究から）](https://jamjet-iqbal.com/notes/ai-agent-history-design-literature/)：AI エージェントの 70 年の流行と、デザインがそのたびに出してきた任せ方の語彙
- [Agentic Experience（AX）の学術的基盤：人間-エージェント・インタラクション研究の現在地](https://jamjet-iqbal.com/notes/agentic-experience-literature/)：人とエージェントの相互作用の研究の現在地
- [LLM の迎合はなぜ起きるのか：選好学習、内部回路、入力の形から見る発生の仕組み](https://jamjet-iqbal.com/notes/llm-sycophancy-mechanisms-literature/)：迎合が起きる仕組み（選好学習、内部回路、入力の形）
- [エンドユーザー開発（EUC/EUD）の系譜と限界：文献152件の地図](https://jamjet-iqbal.com/notes/end-user-development-literature/)：非専門家のプロンプトの失敗と重なる、エンドユーザー開発の系譜と限界
- [自分のために作ることは生成AIで何が変わったか：文献59件の地図](https://jamjet-iqbal.com/notes/genai-personal-software-literature/)：生成 AI で自分のために作ることの変化
- [Vibe Coding とUIエージェント：自然言語による制作とその境界](https://jamjet-iqbal.com/notes/vibe-coding-design-production/)：自然言語による制作とその境界
- [AIは賢い人をより賢く、そうでない人をより浅くするのか — 産業界×学術界の2系譜討議](https://jamjet-iqbal.com/notes/ai-cognition-skill-gap-debate/)：AI は賢い人をより賢く、そうでない人をより浅くするのかの討議
- [AIスロップ：質の低さではなく、検証の外部化として読む](https://jamjet-iqbal.com/notes/ai-slop-design-creativity/)：AI スロップを検証の外部化として読むノート
- [このサイトの持ち主が最も多く調べてきた 5 つの主題と、それぞれの研究の主流](https://jamjet-iqbal.com/notes/interest-top5-mainstream-trends/)：このサイトの持ち主が最も多く調べてきた 5 つの主題と、それぞれの研究の主流（生成 AI の道具と仕組みを含む）

## 未検証事項

主要主張に未検証の記述は残していない。
次の 11 本は本文を取れず（ACM Digital Library の PDF と一部の大学の公開庫は機械の取得を断った）、要旨の範囲で書き、本文中で「要旨」と添えた。
Amershi ら（2019）、Capel と Brereton（2023）、Cuadra ら（2024）、Gadiraju ら（2023）、Hämäläinen ら（2023）、Jiang ら（2022）、Lee ら（2025）、Mack ら（2024）、Sharma ら（2024）、Takaffoli ら（2024）、Zamfirescu-Pereira ら（2023）。
Cheng ら（2026）は誌版の本文が購読の壁で取れず、数値は誌版の要旨で書いた（前刷りの本文とは実験の数と標本が違う）。
Park ら（2024）、Kosmyna ら（2025）、Fang ら（2026）、Shi ら（2023）はプレプリントで、Crossref の題名検索では査読版が見つからなかった。

## 参照文献

アクセスはすべて 2026-11-01。台帳と検証の記録は `source/review/ai-hci-research-trends/papers.md` と `fulltext-manifest.json`。

### 総覧と件数

- Pang, Rock Yuren, Hope Schroeder, Kynnedy Simone Smith, Solon Barocas, Ziang Xiao, Emily Tseng, and Danielle Bragg. 2025. "Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3713726
- Shi, Jingyu, Rahul Jain, Hyungjun Doh, Ryo Suzuki, and Karthik Ramani. 2023. "An HCI-Centric Survey and Taxonomy of Human-Generative-AI Interactions." arXiv:2310.07127. https://arxiv.org/abs/2310.07127
- OpenAlex. 2026. CHI 会議録（source S4363607743）の年ごとの件数. https://api.openalex.org/works?filter=primary_location.source.id:S4363607743&group_by=publication_year

### 素材と試作

- Amershi, Saleema, Dan Weld, Mihaela Vorvoreanu, Adam Fourney, Besmira Nushi, Penny Collisson, Jina Suh, et al. 2019. "Guidelines for Human-AI Interaction." In *Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3290605.3300233
- Arawjo, Ian, Chelse Swoopes, Priyan Vaithilingam, Martin Wattenberg, and Elena L. Glassman. 2024. "ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642016
- Jiang, Ellen, Kristen Olson, Edwin Toh, Alejandra Molina, Aaron Donsbach, Michael Terry, and Carrie J. Cai. 2022. "PromptMaker: Prompt-based Prototyping with Large Language Models." In *CHI Conference on Human Factors in Computing Systems Extended Abstracts*. https://doi.org/10.1145/3491101.3503564
- Subramonyam, Hari, Roy Pea, Christopher Pondoc, Maneesh Agrawala, and Colleen Seifert. 2024. "Bridging the Gulf of Envisioning: Cognitive Challenges in Prompt Based Interactions with LLMs." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642754
- Weisz, Justin D., Jessica He, Michael Muller, Gabriela Hoefer, Rachel Miles, and Werner Geyer. 2024. "Design Principles for Generative AI Applications." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642466
- Zamfirescu-Pereira, J. D., Richmond Y. Wong, Bjoern Hartmann, and Qian Yang. 2023. "Why Johnny Can't Prompt: How Non-AI Experts Try (and Fail) to Design LLM Prompts." In *Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3544548.3581388

- Takaffoli, Macy, Sijia Li, and Ville Mäkelä. 2024. "Generative AI in User Experience Design and Research: How Do UX Practitioners, Teams, and Companies Use GenAI in Industry?" In *Designing Interactive Systems Conference (DIS 2024)*, 1579–1593. https://doi.org/10.1145/3643834.3660720

### 頼り方と信頼

- Buçinca, Zana, Maja Barbara Malaya, and Krzysztof Z. Gajos. 2021. "To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making." *Proceedings of the ACM on Human-Computer Interaction* 5 (CSCW1). https://doi.org/10.1145/3449287
- Kim, Sunnie S. Y., Q. Vera Liao, Mihaela Vorvoreanu, Stephanie Ballard, and Jennifer Wortman Vaughan. 2024. "'I'm Not Sure, But...': Examining the Impact of Large Language Models' Uncertainty Expression on User Reliance and Trust." In *Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency*, 822–835. https://doi.org/10.1145/3630106.3658941
- Lee, Hao-Ping (Hank), Advait Sarkar, Lev Tankelevitch, Ian Drosos, Sean Rintel, Richard Banks, and Nicholas Wilson. 2025. "The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3713778
- Sharma, Nikhil, Q. Vera Liao, and Ziang Xiao. 2024. "Generative Echo Chamber? Effect of LLM-Powered Search Systems on Diverse Information Seeking." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642459
- Tankelevitch, Lev, Viktor Kewenig, Auste Simkute, Ava Elizabeth Scott, Advait Sarkar, Abigail Sellen, and Sean Rintel. 2024. "The Metacognitive Demands and Opportunities of Generative AI." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642902
- Vasconcelos, Helena, Matthew Jörke, Madeleine Grunde-McLaughlin, Tobias Gerstenberg, Michael S. Bernstein, and Ranjay Krishna. 2023. "Explanations Can Reduce Overreliance on AI Systems During Decision-Making." *Proceedings of the ACM on Human-Computer Interaction* 7 (CSCW1). https://doi.org/10.1145/3579605

### エージェントへの委任

- Chen, Valerie, Alan Zhu, Sebastian Zhao, Hussein Mozannar, David Sontag, and Ameet Talwalkar. 2025. "Need Help? Designing Proactive AI Assistants for Programming." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3714002
- Feng, K. J. Kevin, Kevin Pu, Matt Latzke, Tal August, Pao Siangliulue, Jonathan Bragg, Daniel S. Weld, Amy X. Zhang, and Joseph Chee Chang. 2026. "Cocoa: Co-Planning and Co-Execution with AI Agents." In *Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3772318.3791673
- He, Gaole, Gianluca Demartini, and Ujwal Gadiraju. 2025. "Plan-Then-Execute: An Empirical Study of User Trust and Team Performance When Using LLM Agents As A Daily Assistant." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3713218
- Park, Joon Sung, Joseph O'Brien, Carrie Jun Cai, Meredith Ringel Morris, Percy Liang, and Michael S. Bernstein. 2023. "Generative Agents: Interactive Simulacra of Human Behavior." In *Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology*. https://doi.org/10.1145/3586183.3606763
- Sarkar, Advait, and Ian Drosos. 2025. "Vibe Coding: Programming through Conversation with Artificial Intelligence." In *Proceedings of the 36th Annual Conference of the Psychology of Programming Interest Group (PPIG 2025)*. arXiv:2506.23253. https://arxiv.org/abs/2506.23253

### 研究の道具としての LLM

- Agnew, William, A. Stevie Bergman, Jennifer Chien, Mark Díaz, Seliem El-Sayed, Jaylen Pittman, Shakir Mohamed, and Kevin R. McKee. 2024. "The Illusion of Artificial Inclusion." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642703
- Hämäläinen, Perttu, Mikke Tavast, and Anton Kunnari. 2023. "Evaluating Large Language Models in Generating Synthetic HCI Research Data: A Case Study." In *Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3544548.3580688
- Park, Joon Sung, Carolyn Q. Zou, Jonne Kamphorst, Niles Egan, Aaron Shaw, Benjamin Mako Hill, Carrie Cai, Meredith Ringel Morris, Percy Liang, Robb Willer, and Michael S. Bernstein. 2024. "LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals." arXiv:2411.10109. https://arxiv.org/abs/2411.10109
- Wang, Angelina, Jamie Morgenstern, and John P. Dickerson. 2025. "Large Language Models That Replace Human Participants Can Harmfully Misportray and Flatten Identity Groups." *Nature Machine Intelligence* 7 (3): 400–411. https://doi.org/10.1038/s42256-025-00986-z

### 創造性と均質化

- Agarwal, Dhruv, Mor Naaman, and Aditya Vashistha. 2025. "AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3713564
- Anderson, Barrett R., Jash Hemant Shah, and Max Kreminski. 2024. "Homogenization Effects of Large Language Models on Human Creative Ideation." In *Proceedings of the 16th Conference on Creativity & Cognition*, 413–425. https://doi.org/10.1145/3635636.3656204
- Chakrabarty, Tuhin, Philippe Laban, Divyansh Agarwal, Smaranda Muresan, and Chien-Sheng Wu. 2024. "Art or Artifice? Large Language Models and the False Promise of Creativity." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642731
- Doshi, Anil R., and Oliver P. Hauser. 2024. "Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content." *Science Advances* 10 (28): eadn5290. https://doi.org/10.1126/sciadv.adn5290
- Jakesch, Maurice, Advait Bhat, Daniel Buschek, Lior Zalmanson, and Mor Naaman. 2023. "Co-Writing with Opinionated Language Models Affects Users' Views." In *Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3544548.3581196

### アクセシビリティ

- Alharbi, Rahaf, Pa Lor, Jaylin Herskovitz, Sarita Schoenebeck, and Robin N. Brewer. 2024. "Misfitting With AI: How Blind People Verify and Contest AI Errors." In *Proceedings of the 26th International ACM SIGACCESS Conference on Computers and Accessibility*. https://doi.org/10.1145/3663548.3675659
- Gadiraju, Vinitha, Shaun Kane, Sunipa Dev, Alex Taylor, Ding Wang, Remi Denton, and Robin Brewer. 2023. "'I wouldn't say offensive but...': Disability-Centered Perspectives on Large Language Models." In *Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency*, 205–216. https://doi.org/10.1145/3593013.3593989
- Gonzalez Penuela, Ricardo E., Jazmin Collins, Cynthia Bennett, and Shiri Azenkot. 2024. "Investigating Use Cases of AI-Powered Scene Description Applications for Blind and Low Vision People." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642211
- Mack, Kelly Avery, Rida Qadri, Remi Denton, Shaun K. Kane, and Cynthia L. Bennett. 2024. "'They only care to show us the wheelchair': disability representation in text-to-image AI models." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642166

### 教育と学習

- Bastani, Hamsa, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, and Rei Mariman. 2025. "Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics." *Proceedings of the National Academy of Sciences* 122 (26): e2422633122. https://doi.org/10.1073/pnas.2422633122
- Kazemitabaar, Majeed, Justin Chow, Carl Ka To Ma, Barbara J. Ericson, David Weintrop, and Tovi Grossman. 2023. "Studying the Effect of AI Code Generators on Supporting Novice Learners in Introductory Programming." In *Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3544548.3580919
- Kosmyna, Nataliya, Eugene Hauptmann, Ye Tong Yuan, Jessica Situ, Xian-Hao Liao, Ashly Vivian Beresnitzky, Iris Braunstein, and Pattie Maes. 2025. "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task." arXiv:2506.08872. https://arxiv.org/abs/2506.08872
- Prather, James, Brent N. Reeves, Paul Denny, Brett A. Becker, Juho Leinonen, Andrew Luxton-Reilly, Garrett Powell, James Finnie-Ansley, and Eddie Antonio Santos. 2023. "'It's Weird That it Knows What I Want': Usability and Interactions with Copilot for Novice Programmers." *ACM Transactions on Computer-Human Interaction* 31 (1). https://doi.org/10.1145/3617367

### 仕事と人間中心

- Capel, Tara, and Margot Brereton. 2023. "What is Human-Centered about Human-Centered AI? A Map of the Research Landscape." In *Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3544548.3580959
- Collins, Katherine M., Ilia Sucholutsky, Umang Bhatt, Kartik Chandra, Lionel Wong, Mina Lee, Cedegao E. Zhang, et al. 2024. "Building Machines That Learn and Think with People." *Nature Human Behaviour* 8 (10): 1851–1863. https://doi.org/10.1038/s41562-024-01991-9

### 擬人化、迎合、関係

- Cheng, Myra, Cinoo Lee, Pranav Khadpe, Sunny Yu, Dyllan Han, and Dan Jurafsky. 2026. "Sycophantic AI Decreases Prosocial Intentions and Promotes Dependence." *Science* 391 (6792): eaec8352. https://doi.org/10.1126/science.aec8352
- Cuadra, Andrea, Maria Wang, Lynn Andrea Stein, Malte F. Jung, Nicola Dell, Deborah Estrin, and James A. Landay. 2024. "The Illusion of Empathy? Notes on Displays of Emotion in Human-Computer Interaction." In *Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3613904.3642336
- Fang, Cathy Mengying, Auren R. Liu, Valdemar Danry, Eunhae Lee, Samantha W. T. Chan, Pat Pataranutaporn, Pattie Maes, et al. 2026. "How AI and Human Behaviors Shape Psychosocial Effects of Extended Chatbot Use: A Longitudinal Randomized Controlled Study." Research Square（プレプリント）. https://doi.org/10.21203/rs.3.rs-8148142/v1
- Zhang, Renwen, Han Li, Han Meng, Jinyuan Zhan, Hongyuan Gan, and Yi-Chieh Lee. 2025. "The Dark Side of AI Companionship: A Taxonomy of Harmful Algorithmic Behaviors in Human-AI Relationships." In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems*. https://doi.org/10.1145/3706598.3713429

[^count]: OpenAlex の CHI 会議録（source S4363607743）で、題名と要旨に「large language model(s)」「LLM(s)」「generative AI」「generative artificial intelligence」のどれかを含む論文を出版年ごとに数えた（2026-11-01）。全体は 2023 年 879 本、2024 年 1,057 本、2025 年 1,249 本、2026 年 1,702 本。題名だけで数えると 0.9%、8.0%、10.7%、10.6% になる。

[^cheng]: 同じ論文の arXiv の前刷り（2025 年 10 月の v1）は、2 実験（N = 1,604）と「50% 多く」で、誌版と数値が違う。このノートは誌版の要旨の数値を使った。