DeepConnect：促進跨領域研究協作的視覺分析系統
arXiv - Human-Computer InteractionYingchaojie Feng, Zekai Shao, Yiqun Sun, Yixuan Tang, Anthony K. H. Tung
開發了一款結合大型語言模型（LLM）與視覺分析的系統，協助研究者進行跨領域合作夥伴的發現、任務轉化與溝通準備。
AI 幫你先抓重點
AI 重點 1
從「靜態個人資料」轉向「情境化任務導向」的合作模式。
滑鼠懸停看 AI 判斷理由
傳統研究者搜尋依賴靜態檔案，難以對應新計畫的特定需求；此系統強調將目標轉化為具體任務，這改變了我們理解協作啟動方式的邏輯，從找「人」變成找「能力與任務的匹配」。
AI 重點 2
利用 AI 緩解跨領域溝通中的「語言障礙」與「心理門檻」。
滑鼠懸停看 AI 判斷理由
跨領域最難點在於術語不通與初步接觸的壓力。系統透過揭示術語差異並提供對話演練，將原本模糊的社交行為轉化為可視覺化、可預演的結構化過程，降低了協作難度。
核心研究發現
- 1
DeepConnect 能將抽象的協作構想轉化為特定領域的任務，並透過檢索相關論文來支持跨領域的探索過程。
- 2
系統能透過協調式視覺化技術，讓使用者比較不同候選研究者的適配性與互補性，並揭示不同領域間的術語差異與重疊。
- 3
透過案例研究與使用者研究證實，該系統在形成互補團隊、精煉研究構想以及進行接觸前的溝通演練方面具有顯著價值。
對教育工作者的啟發
對於推動跨學科專題學習（PBL）或大型研究計畫的教育工作者而言，此系統提供了「結構化協作」的範例。建議在設計跨領域課程或研究計畫時，不應僅提供主題，更應提供工具協助學生將宏觀目標拆解為不同領域的具體任務。此外，應重視「溝通預演」的重要性，透過建立共同語言（Common Ground）來降低跨領域學習者在面對新知識領域時的認知負荷與社交焦慮。
原始文獻資訊
- 英文標題：
- DeepConnect: A Visual Analytics System for Bridging Interdisciplinary Research Collaborations
- 作者：
- Yingchaojie Feng, Zekai Shao, Yiqun Sun, Yixuan Tang, Anthony K. H. Tung
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。