Towards Cognitive Process-Aware Proactive Writing Support
作者: Masahiro Yoshida, Atsuya Kobayashi, Kei Tateno, Xiang 'Anthony' Chen
分类: cs.HC, cs.AI
发布日期: 2026-08-31
💡 一句话要点
提出基于认知过程的主动写作支持以解决创作负担问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 主动写作支持 认知过程理论 用户需求推断 创意写作 写作工具 行为分析 支持类型
📋 核心要点
- 现有写作支持工具要求用户明确提示，尤其在创意写作中，用户意图常常模糊，造成负担。
- 论文提出通过认知过程理论推断用户需求，识别14种写作支持类型，以提供更合适的主动支持。
- 实验结果显示，该方法在提高用户表达能力和创意探索方面有效，且增强了用户对主动建议的参与度。
📝 摘要（中文）
大型语言模型可以支持写作，但现有工具要求用户明确表达提示，这在创意写作中尤为繁重。主动支持通过推断用户需求来减轻这一负担，但面临确定提供何种支持和何时干预的挑战。本文聚焦于前者，假设Flower和Hayes的写作认知过程理论能够为可观察的写作行为与适当支持类型之间提供可解释的桥梁。通过形成性研究和文献综述，识别出与六种认知过程相关的14种写作支持类型及其特征交互行为，并在AToM CoWriter中实例化该框架。两项内部研究提供初步证据，表明该方法提高了表达能力和创意探索，且认知过程推断增加了对主动建议的参与度。
🔬 方法详解
问题定义：本研究旨在解决现有写作支持工具对用户明确提示的依赖，尤其在创意写作中，用户的意图往往不明确，导致支持效果不佳。
核心思路：通过Flower和Hayes的写作认知过程理论，推断用户在写作过程中的需求，从而提供适当的支持，减少用户的认知负担。
技术框架：整体架构包括用户写作交互的实时监测、认知过程推断模块、支持类型推荐系统以及用户反馈机制。主要模块包括数据采集、行为分析、支持推断和用户界面。
关键创新：本研究的创新点在于将认知过程理论与写作支持系统结合，形成了一种新的支持选择机制，与传统依赖用户明确提示的方法本质不同。
关键设计：在支持类型的设计中，结合了14种写作支持类型，并通过用户交互行为特征进行关联，确保支持的针对性和有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用AToM CoWriter的用户在表达能力和创意探索方面有显著提升，认知过程推断的引入使得用户对主动建议的参与度增加，初步研究表明参与者的满意度和写作质量均有所提高。
🎯 应用场景
该研究的潜在应用领域包括教育、创意写作软件和内容创作平台。通过提供主动写作支持，可以显著提升用户的写作体验和创作效率，未来可能影响写作工具的设计和开发方向。
📄 摘要（原文）
Large language models can support writing, but existing tools require users to explicitly articulate prompts-particularly burdensome in creative writing, where intentions are often ambiguous. Proactive support that infers users' needs from writing interactions could alleviate this burden, but raises two challenges: determining what support to provide and when to intervene. This work focuses on the former. We hypothesize that Flower and Hayes' cognitive process theory of writing-which characterizes writing through six cognitive processes-offers an interpretable bridge between observable writing behavior and appropriate support types. Through a formative study and literature review, we identify 14 writing support types associated with these cognitive processes, along with characteristic interaction behaviors linked to each process. We then instantiate this framework in AToM CoWriter, which infers support needs from writing interactions and document context. Two within-subjects studies (N = 21) provide initial evidence that this approach improves expressiveness and idea exploration, and that cognitive process inference increases engagement with proactive suggestions. These findings suggest that cognitive processes can provide a promising basis for support selection in proactive writing systems.