Tiffany
- 复旦大学大数据本科
- UCSB Media Arts Technology硕士
- 佐治亚理工大学人机交互博士
Susie：我们先请 Tiffany 老师和大家简单介绍一下自己的研究方向。
Tiffany：
我现在的研究方向主要集中在 data literacy 和 data visualization literacy，简单来说，就是如何把数据相关的知识和能力教给普通人，让不具备专业背景的人，包括 K–12 学生，能够在日常生活中理解数据、使用数据，并基于数据做出更理性的决策。
Susie：能不能再具体讲一讲你现在做的研究是偏应用，还是偏算法和模型？
Tiffany：
在 Georgia Tech 的 HCI 体系下，其实有很多不同的研究方向。我所在的方向叫 learning science and technology，本质上是在研究“人是如何学习的”，以及当学习这件事情和技术结合在一起之后，会发生什么。
在这个方向里，大致会有两个核心问题。一个是如何设计技术来更好地支持学习，比如如何设计系统、界面或交互方式，让人学得更好。另一个是如何教人学习技术本身，比如怎么教 AI、怎么教计算机科学、怎么教数据科学、怎么培养 computational thinking。
所以除了比较传统的 learning science 方向，比如教育心理学、动机研究、教育技术之外，我们会非常强调技术如何辅助学习，以及如何让人更好地理解和使用技术。
Susie：我注意到在很多学校，learning science 通常会放在教育学院，但在 Georgia Tech 是放在人机交互甚至工程学院下面。你觉得这种设置在研究上有什么不同吗？
Tiffany：
这个观察非常准确。除了 Georgia Tech 之外，像 CMU、Northwestern 这样的计算机强校，也会把 learning science 或 learning technology design 放在计算机学院下面。也有一些学校，比如宾大、NYU、斯坦福，会把相关项目设在教育学院、文理学院，或者作为一个独立项目存在。
在我们这个体系下，整体研究视角是从人机交互出发的。HCI 本身强调的是 user-centered design，也就是理解人如何使用技术，再去设计系统。在 learning science and technology 这个分支里，我们把 user 换成 learner，变成 learner-centered design。
区别在于，这里的“使用技术”不是为了高效完成任务，而是为了认知发展、理解加深和学习成长。所以我们会特别关注技术如何支持人的思维过程，而不是单纯的效率。
另一方面，这种设置也更鼓励有计算机背景的学生加入。因为如果你要教 AI、教计算机科学、教数据科学，你首先需要对这些领域本身有扎实理解，然后再结合 learning science 的理论，去思考应该如何教、为什么要这样教。
Susie：听起来这个领域非常交叉，那是不是更偏好有计算机或工程背景的学生？
Tiffany：
至少在偏工程学院、偏 HCI 的项目里，确实是这样。我身边的大部分同学本科都有计算机背景，但很多人会同时结合心理学、设计、教育学或者传统 HCI 的训练，比如双专业或者辅修。
我自己本科在复旦，其实受益于一个非常灵活的环境。我当时对博物馆非常感兴趣，而博物馆本身就是一种 informal learning 场景，所以我选了很多和博物馆设计、用户体验相关的课程。这些跨学科的经历，对我后来选择这个研究方向帮助很大。
但如果是偏教育学院或 learning science 的项目，学生背景会更加多样，可能更多来自心理学、行为科学、教育学。
Susie：也就是说，如果是工程学院下面的人机交互项目，至少要有一定理工科或计算机基础？
Tiffany：
对，大部分情况下是这样。如果完全没有理工背景，申请会比较困难。老师通常希望你至少具备 computing 的基础，这样你才有能力对“教技术”这件事情负责。
Susie：那如果从更大的角度来看，人机交互这个领域本身有哪些主要分支？
Tiffany：
HCI 现在是一个非常广的领域。最早的时候，它主要研究人在使用计算机时的行为模式，结合心理学模型去预测人如何与技术交互。
后来随着计算机普及，出现了很多新的分支。比如social computing，研究像 Wikipedia、Stack Overflow、知乎这样的共创平台，关注虚拟社区、社会网络和协作行为。
还有ubiquitous computing，也就是软硬件结合的方向，包括可穿戴设备、传感器、物联网。这一方向和机械工程、材料科学、生物工程等领域联系非常紧密。
再比如data visualization 和 data literacy，最早从 scientific visualization 出发，后来扩展到面向普通用户的数据理解和决策支持。
近十几年，HCI 也越来越多地引入人文社科和哲学视角，比如 feminist HCI、critical race theory 在技术设计中的应用，以及 AI 伦理、人机关系和技术监管等议题。
总体来说，这是一个高度交叉、不断扩展的领域。
Susie：面对这么广的方向，申请前大家该如何确定自己的研究兴趣？
Tiffany：
对我来说，一个很重要的方法是从自己真正喜欢什么出发。我喜欢博物馆、电影、舞蹈、音乐，同时我也擅长数学、编程和逻辑思维。当你把“你喜欢什么”和“你擅长什么”放在一起思考，就更容易找到一个具体且可持续的研究方向。
我当时就是去搜索，看看有没有人把我感兴趣的事情变成研究。比如博物馆和计算机技术，真的有一群人在研究。舞蹈和 AI、传感器、VR，也同样有人在做。
很多看似冷门的兴趣，其实都有研究社区。大胆去想、去搜、去了解，你往往能找到自己的位置。
Susie：那在课程准备上，有没有一些特别建议？
Tiffany：
HCI 没有什么绝对必须修的课，更重要的是“CS 加什么”。你选的导师是 CS 加 design，还是 CS 加 learning，还是 CS 加 hardware，你有没有对应的补充背景，会非常重要。
总体来说，和 design、human factors、心理学、行为科学、社会学、人类学相关的课程，都会对 HCI 非常有帮助。
Susie：如果博士期间发现研究方向不合适，可以调整吗？
Tiffany：
在我们项目里，这是可以发生的。有些同学会通过联合导师的方式，把两个方向结合起来；也有少数人会更换导师甚至方向。项目整体是比较 open 的，也会在前期通过 mini project 帮助学生探索不同研究方向。
但是否会影响毕业时间，还是 case by case。
Susie：那毕业之后，人机交互博士的去向通常是哪些？
Tiffany：
我们项目里，去 academia 的比例其实挺高的，有做 postdoc 的，也有直接做 faculty 的。也有不少同学去 industry，比如苹果、谷歌，做 design researcher、research scientist 或 AI ethics 相关工作。
还有一些人创业，把研究转化成产品。总体来说，这是一个学术和产业路径都存在的领域。
Susie：在申请材料中，哪些因素最重要？
Tiffany：
SOP 非常重要，其次是你是否和导师匹配。老师往往更看重你的动机、背景和你为什么想做 HCI，而不是你已经做过多少研究。这个项目的学生背景非常多样，老师更关心你能在未来五年里成长为什么样的研究者。
Susie：关于套磁，有什么特别建议吗？
Tiffany：
在套磁之前，先确认老师是否有 funding、是否计划招人。可以通过公开信息或和在读学生交流获取信息。学生往往比老师更了解实际情况。
套磁时，不要只看老师过去的论文，而要关注他现在在做什么项目、有什么 funding，这些才是最有效的切入点。
Susie：最近 funding 有一些变化，这对 HCI 博士有影响吗？
Tiffany：
在教育相关方向，确实有影响，新生 offer 的 funding 形式变得更不确定。但整体招生规模并没有明显下降。更多的变化体现在 funding 的结构，而不是是否招人。
Susie：最后，你觉得读博士需要具备哪些个人素质？
Tiffany：
最重要的是自我驱动力。博士阶段很多事情需要你主动提出、主动推进。其次是沟通能力，你需要和导师、合作者持续沟通。还有自信。研究没有唯一正确答案，你需要相信自己的判断，面对反复修改和拒绝。这些能力和学术能力同样重要。
【竞赛报名/项目咨询+微信：mollywei007】
