今天这期集中看软件工程、人机交互与信息系统相关机会。整体上，机会并不只是“会写代码就能投”，而是更看重能不能把真实用户、真实系统、研究方法和可验证的技术方案放在一起。
这 10 条里，新加坡与香港机会更适合提前套磁和长期准备；英国、澳大利亚、爱尔兰几条则有清楚的项目制奖学金和明确截止日期。阅读时建议优先看三件事：资金是否清楚、导师方向是否能接住你的经历、你的研究计划能否具体到方法和数据。
今日阅读重点：HCI + AI、human-centric software engineering、交互式可解释 AI、信息系统与数字文化遗产，是本期最值得关注的四条线。
| # | 学校 | 地区 | 机会 | 资金关键词 | 截止日期 |
|---|---|---|---|---|---|
| 1 | 新加坡国立大学 | 新加坡 | Interactive Explainable AI – PhD Student | 官方暂未披露 | 官方暂未披露；建议按 NUS Computing PhD 申请轮次同步准备 |
| 2 | 新加坡国立大学 | 新加坡 | PhD openings in Formal Methods, Programming Languages and Software Engineering | 导师页未列金额 | 官方暂未披露；建议按 NUS Computing PhD 申请轮次同步准备 |
| 3 | 香港科技大学 | 中国香港 | CSE PhD – Human-Computer Interaction / Human-Engaged AI | CSE 页面列示 Postgraduate Studentship 约 HKD229,620/年 | 早申阶段已结束；常规申请可按研究生招生系统和导师沟通继续准备 |
| 4 | 香港理工大学 | 中国香港 | PhD and MPhil in Computing – Systems Modelling and Software Engineering | Department 页面列示至少三年奖学金，年津贴 HKD235,920，并有国际会议支持 | 官方页面未单列统一截止日期；按 RPgAdmission 系统与学院申请轮次确认 |
| 5 | 香港城市大学 | 中国香港 | PhD in Creative Media – HCI & Computer Graphics / Tangible User Interfaces | HKPFS 津贴约 HKD28,100/月、会议及研究差旅 HKD14,000/年，第四年由学校提供同等水平学生津贴 | HKPFS 与 University Studentship 申请通常 12月1日；2026年1月入学自费申请截止 2026年6月30日 |
| 6 | 伦敦大学学院 | 英国 | Fully-funded Demonstrator Studentship – UCLIC | 2026/27 标准 UCL stipend 为 £23,805 | 2026年5月4日 17:00（英国时间） |
| 7 | 皇家墨尔本理工大学 | 澳大利亚 | PhD Scholarship in Human-Computer Interaction | 奖学金津贴 A$35,886/年，可有 6 个月延期 | 2026年9月30日 |
| 8 | 皇家墨尔本理工大学 | 澳大利亚 | PhD Scholarship in Computer Science (Human-Computer Interaction) | 3 年奖学金，含 fee waiver 和 standard stipend | 2028年12月31日 |
| 9 | 皇家墨尔本理工大学 | 澳大利亚 | PhD Scholarship for Human-Centric Software Engineering | 奖学金金额 A$35,886 | 2026年4月30日 |
| 10 | 都柏林大学学院 | 爱尔兰 | AI and Heritage Futures: Preservation, Creation and Regulation of Evolutionary Heritage | 最多 4 年 PhD studentship | 2026年4月30日 |
01. 新加坡国立大学｜Interactive Explainable AI – PhD Student
学校 / 地区：新加坡国立大学（National University of Singapore (NUS)）｜新加坡
院系 / 导师：NUS Computing / NUS Ubicomp Lab｜实验室导师团队（官网未单列唯一导师）
截止日期：官方暂未披露；建议按 NUS Computing PhD 申请轮次同步准备
预计入学 / 入职：官方暂未披露
学费安排：项目页未单列学费减免；PhD 入学与奖学金安排需按 NUS Computing 申请结果确认
奖学金 / 补贴：官方暂未披露；可同步关注学校研究型博士奖学金与导师项目资助
适合背景：计算机、电子工程、数据科学或相关背景；有机器学习、可解释 AI、HCI、可视化、算法实现经历更匹配；写作和展示能力也很重要。
导师方向怎么看
这个组把 AI 可解释性做成真正能被人使用的系统：不仅看模型为什么预测，还看医生、城市分析师、普通用户是否能理解、信任并有效使用解释结果。
可以跟着做的方向
交互式可解释 AI 界面
面向医疗/城市数据的可视化解释
人机协作中的信任与理解评估
隐私保护与以人为中心的 AI
老师判断
适合既会做模型又愿意做用户研究的申请人。纯算法背景可以冲，但需要把研究计划写成“解释如何被人理解和使用”，不要只写模型指标提升。
老师研究计划
1. 面向高风险决策的交互式解释校准框架
研究问题：不同类型解释会如何影响用户对 AI 建议的信任、依赖与纠错行为？
方法路径：构建可交互解释原型，对比特征归因、反事实解释与视觉摘要；用受控实验记录任务表现、信任量表和行为日志。
数据/实验/分析思路：构建可交互解释原型，对比特征归因、反事实解释与视觉摘要；用受控实验记录任务表现、信任量表和行为日志。
适配理由：契合实验室“可解释 AI + HCI + 可视化评估”的交叉定位。
2. 医学数据分析中的人机协作解释界面
研究问题：在医学分类或风险预测任务中，解释界面如何帮助非 AI 专家发现模型错误？
方法路径：选择公开医疗数据训练模型，设计解释仪表盘，邀请领域学习者或模拟专家完成案例判断并做质性访谈。
数据/实验/分析思路：选择公开医疗数据训练模型，设计解释仪表盘，邀请领域学习者或模拟专家完成案例判断并做质性访谈。
适配理由：与实验室医疗数据分析、深度学习应用和 explainable AI 方向贴合。
3. 面向城市大数据的可解释异常检测可视化
研究问题：城市传感器数据中的异常提示，如何以可理解方式支持人类分析员定位原因？
方法路径：结合时空异常检测、交互式地图和时间线视图，评估解释粒度对定位效率和认知负担的影响。
数据/实验/分析思路：结合时空异常检测、交互式地图和时间线视图，评估解释粒度对定位效率和认知负担的影响。
适配理由：呼应实验室城市大数据可视化、IoT 与智能应用研究基础。
02. 新加坡国立大学｜PhD openings in Formal Methods, Programming Languages and Software Engineering
学校 / 地区：新加坡国立大学（National University of Singapore (NUS)）｜新加坡
院系 / 导师：NUS Computing｜Assistant Professor Umang Mathur
截止日期：官方暂未披露；建议按 NUS Computing PhD 申请轮次同步准备
预计入学 / 入职：官方暂未披露
学费安排：官方暂未披露；学费与奖学金以学院录取和资助结果为准
奖学金 / 补贴：导师页未列金额；可随 PhD admission 申请学校或项目资助
适合背景：适合计算机科学、软件工程、编程语言、形式化方法、理论计算机或系统方向背景；有程序分析、自动机、验证工具、并发程序分析经历会更有优势。
导师方向怎么看
这条更偏软件工程的硬核底层：用算法、逻辑和程序语言方法证明软件、硬件设计或程序翻译是否可靠，解决“代码到底有没有隐藏错误”的问题。
可以跟着做的方向
并发软件分析
程序验证与合成
自动化程序翻译
可靠与安全硬件设计语言
老师判断
适合数学和代码都强的申请人。优势是方向清晰、导师明确写有 PhD openings；风险是门槛较硬，RP 不能写成泛泛的软件测试，要体现形式化能力。
老师研究计划
1. 面向并发程序的可扩展静态分析方法
研究问题：如何在状态空间爆炸下更准确地发现并发程序中的竞态与死锁风险？
方法路径：构建抽象解释与偏序约简结合的分析框架，在开源并发程序基准上比较误报率、覆盖率和运行时间。
数据/实验/分析思路：构建抽象解释与偏序约简结合的分析框架，在开源并发程序基准上比较误报率、覆盖率和运行时间。
适配理由：直接贴合导师并发软件分析与算法化验证研究。
2. 大模型辅助程序翻译的可验证性评估
研究问题：LLM 生成的跨语言程序翻译如何被自动验证语义等价？
方法路径：设计小型翻译基准，结合符号执行、测试生成和等价性检查，对比纯模型输出与验证反馈修正。
数据/实验/分析思路：设计小型翻译基准，结合符号执行、测试生成和等价性检查，对比纯模型输出与验证反馈修正。
适配理由：连接导师自动程序翻译与软件工程新问题。
3. 面向安全硬件 DSL 的属性验证工具链
研究问题：硬件描述语言中的安全属性能否通过轻量级规范自动检查？
方法路径：定义可表达权限、时序和信息流约束的 DSL 扩展，开发原型验证器，在安全硬件模块案例上评估。
数据/实验/分析思路：定义可表达权限、时序和信息流约束的 DSL 扩展，开发原型验证器，在安全硬件模块案例上评估。
适配理由：与可靠安全硬件设计语言和形式化方法方向一致。
03. 香港科技大学｜CSE PhD – Human-Computer Interaction / Human-Engaged AI
学校 / 地区：香港科技大学（The Hong Kong University of Science and Technology (HKUST)）｜中国香港
院系 / 导师：Department of Computer Science and Engineering｜Associate Professor Xiaojuan Ma
截止日期：早申阶段已结束；常规申请可按研究生招生系统和导师沟通继续准备
预计入学 / 入职：2026 Fall
学费安排：CSE 页面列示研究生年学费约 HKD42,100；学校奖学金页列示 RPg 年学费约 HKD47,000，最终以学校为准
奖学金 / 补贴：CSE 页面列示 Postgraduate Studentship 约 HKD229,620/年；HKPFS 体系另有更高额津贴及旅行补助，按评审结果确定
适合背景：计算机、HCI、AI、可视化、心理/教育技术交叉背景均可；需要能把用户研究、实验设计、原型开发和数据分析放在同一个方案里。
导师方向怎么看
Xiaojuan Ma 老师关注人参与的 AI、人机交互、情感计算、人机/人机-机器人互动、VR/AR 与可视化，适合做“AI 如何真正与人协作”的问题。
可以跟着做的方向
Human-Engaged AI
教育与健康场景中的智能交互
情感计算与人机反馈
VR/AR 与可视化辅助决策
老师判断
这条适合有 HCI 作品集、实验设计或 AI 系统原型的同学。申请时要把“场景—用户—技术—评估”写完整，单纯堆模型不够有说服力。
老师研究计划
1. 面向学习场景的 Human-Engaged AI 反馈机制
研究问题：AI 反馈何时会促进学习者反思，何时会造成过度依赖？
方法路径：开发学习任务原型，比较即时解释、延迟反馈与同伴式反馈三种机制，用学习增益、行为日志和访谈评估。
数据/实验/分析思路：开发学习任务原型，比较即时解释、延迟反馈与同伴式反馈三种机制，用学习增益、行为日志和访谈评估。
适配理由：贴合导师 Human-Engaged AI 与教育场景兴趣。
2. 情感感知 AI 助手中的用户控制权设计
研究问题：情感识别结果如何呈现，才能减少用户被监控感并提升协作意愿？
方法路径：设计多种情感提示界面，开展在线和实验室用户研究，分析信任、隐私顾虑和任务表现。
数据/实验/分析思路：设计多种情感提示界面，开展在线和实验室用户研究，分析信任、隐私顾虑和任务表现。
适配理由：连接情感计算、HCI 和人机协作。
3. AR 数据可视化中的人机协同解释
研究问题：AR 环境下的 AI 解释是否能降低复杂数据理解负担？
方法路径：构建 AR 可视化原型，对比桌面仪表盘与空间化解释界面，测量理解准确率、负荷和用户偏好。
数据/实验/分析思路：构建 AR 可视化原型，对比桌面仪表盘与空间化解释界面，测量理解准确率、负荷和用户偏好。
适配理由：对应 VR/AR、可视化与智能交互交叉方向。
04. 香港理工大学｜PhD and MPhil in Computing – Systems Modelling and Software Engineering
学校 / 地区：香港理工大学（The Hong Kong Polytechnic University (PolyU)）｜中国香港
院系 / 导师：Department of Computing｜导师需在申请前按研究组匹配
截止日期：官方页面未单列统一截止日期；按 RPgAdmission 系统与学院申请轮次确认
预计入学 / 入职：官方暂未披露
学费安排：奖学金体系中部分计划含 tuition fee waiver；未获对应奖学金时以学校学费为准
奖学金 / 补贴：Department 页面列示至少三年奖学金，年津贴 HKD235,920，并有国际会议支持；Graduate School 另列 HKPFS、PPPFS、IPFS、PRPgS 等资助方案
适合背景：适合计算机、软件工程、信息系统、AI、大数据、安全与系统方向背景；如果做软件工程，要突出实证研究、系统建模、工具开发或工程数据分析能力。
导师方向怎么看
PolyU COMP 的研究型博士覆盖系统建模、软件工程、AI、大数据、安全等方向，适合把软件工程问题放进真实系统、产业数据或复杂计算环境里研究。
可以跟着做的方向
系统建模与软件工程
智能开发工具与工程数据分析
安全与隐私软件系统
AI 与大数据计算中的工程可靠性
老师判断
这条的优势是奖学金信息清楚、方向覆盖面大。适合想在香港做应用型软件工程或系统研究的同学，但必须提前锁定导师，不要只提交泛泛的计算机 proposal。
老师研究计划
1. 基于开发日志的需求变更风险预测
研究问题：软件项目中的哪些需求变更信号最能预测延期、返工和缺陷风险？
方法路径：采集开源仓库 issue、commit 和 PR 数据，构建时间序列特征与图模型，并用项目级指标评估预测能力。
数据/实验/分析思路：采集开源仓库 issue、commit 和 PR 数据，构建时间序列特征与图模型，并用项目级指标评估预测能力。
适配理由：贴合系统建模与软件工程方向，也适合 PolyU 强应用导向。
2. AI 辅助代码审查中的人机责任分配
研究问题：AI 审查建议如何影响开发者对缺陷判断的独立性和审查质量？
方法路径：构建代码审查实验平台，对比无 AI、建议型 AI、解释型 AI 三种条件，分析审查准确率和采纳行为。
数据/实验/分析思路：构建代码审查实验平台，对比无 AI、建议型 AI、解释型 AI 三种条件，分析审查准确率和采纳行为。
适配理由：连接软件工程、AI 工具与人机交互。
3. 面向隐私敏感系统的工程决策模型
研究问题：开发团队如何在可用性、性能和隐私保护之间做设计取舍？
方法路径：结合案例研究、开发者访谈和决策模型，提出可用于需求阶段的隐私权衡框架。
数据/实验/分析思路：结合案例研究、开发者访谈和决策模型，提出可用于需求阶段的隐私权衡框架。
适配理由：与软件工程、安全隐私和信息系统交叉吻合。
05. 香港城市大学｜PhD in Creative Media – HCI & Computer Graphics / Tangible User Interfaces
学校 / 地区：香港城市大学（City University of Hong Kong (CityUHK)）｜中国香港
院系 / 导师：School of Creative Media｜Associate Professor Kening Zhu
截止日期：HKPFS 与 University Studentship 申请通常 12月1日；2027年1月入学自费申请截止 2026年6月30日
预计入学 / 入职：2027年1月或后续入学轮次，以学校系统为准
学费安排：全日制年学费约 HKD44,496；HKPFS 获奖者第一年可由入学奖学金覆盖学费和校内住宿相关支出
奖学金 / 补贴：HKPFS 津贴约 HKD28,100/月、会议及研究差旅 HKD14,000/年，第四年由学校提供同等水平学生津贴；University Studentship 页面列示约 HKD18,700/月
适合背景：HCI、交互设计、计算机图形学、教育技术、移动交互、创意技术或 CS 背景都可；需要作品集、原型能力、研究方向 1–2 页和导师同意。
导师方向怎么看
Kening Zhu 老师做儿童编程教育、手势移动交互、智能材料与快速原型，适合把 HCI 做成可交互、可测试、可展示的系统作品。
可以跟着做的方向
儿童编程教育交互
实体用户界面与智能材料
移动与手势交互
快速原型与可用性评估
老师判断
适合技术和设计都不弱的同学。这个项目更看重“能做出东西并解释为什么有效”，作品集和研究原型会比单纯成绩更能打动导师。
老师研究计划
1. 面向儿童编程学习的实体交互工具
研究问题：实体化编程模块能否降低儿童理解循环、条件与变量概念的难度？
方法路径：设计低保真到高保真原型，开展课堂或实验室观察，结合学习测验、交互日志和教师访谈评估。
数据/实验/分析思路：设计低保真到高保真原型，开展课堂或实验室观察，结合学习测验、交互日志和教师访谈评估。
适配理由：直接匹配儿童编程教育和 tangible interfaces。
2. 基于智能材料的可变形交互提示设计
研究问题：可变形材料反馈能否提升用户对复杂操作流程的理解和记忆？
方法路径：制作智能材料交互样机，对比视觉提示、振动提示和形变提示，测量任务完成效率与主观体验。
数据/实验/分析思路：制作智能材料交互样机，对比视觉提示、振动提示和形变提示，测量任务完成效率与主观体验。
适配理由：贴合智能材料、快速原型和交互设计方向。
3. 移动端手势交互的可学习性评估框架
研究问题：哪些手势设计更容易被新用户发现、记忆并迁移到不同应用？
方法路径：建立手势集合，进行 elicitation study 和可学习性实验，产出设计原则与交互库。
数据/实验/分析思路：建立手势集合，进行 elicitation study 和可学习性实验，产出设计原则与交互库。
适配理由：与导师移动交互和 HCI 评估研究一致。
06. 伦敦大学学院｜Fully-funded Demonstrator Studentship – UCLIC
学校 / 地区：伦敦大学学院（UCL）｜英国
院系 / 导师：UCL Interaction Centre (UCLIC)｜UCLIC 导师团队；岗位联系人 Vijay Patel
截止日期：2026年5月4日 17:00（英国时间）
预计入学 / 入职：官方暂未披露
学费安排：覆盖 Home-rate tuition fees；仅面向符合 home-level fees 资格的申请人
奖学金 / 补贴：2026/27 标准 UCL stipend 为 £23,805；另含网页系统、传播与公众参与相关训练
适合背景：HCI 或相关专业强学位背景；需有 HTML、CSS、JavaScript、CMS、数字传播或社媒平台经验。国际申请人要重点确认 home-fee 资格。
导师方向怎么看
这条是 UCLIC 的带任务型全奖博士：研究 HCI，同时参与中心数字平台、网站内容和传播系统建设，特别适合做研究传播、数字参与和交互平台的人。
可以跟着做的方向
HCI 与数字参与
研究中心数字平台设计
Web/CMS 工具与用户体验
公众参与中的交互传播
老师判断
机会很明确、截止很近，但 eligibility 限制也很清楚。适合在英国已有 home fee 资格、并且既懂 HCI 又能做 Web 系统的人；国际生不要忽略费用身份门槛。
老师研究计划
1. 研究机构网站中的可信交互设计
研究问题：科研机构官网如何通过信息架构和交互反馈提升公众对研究内容的理解与信任？
方法路径：审计 UCLIC 类研究中心网页，设计新版信息架构原型，开展可用性测试和理解度评估。
数据/实验/分析思路：审计 UCLIC 类研究中心网页，设计新版信息架构原型，开展可用性测试和理解度评估。
适配理由：与岗位数字平台维护和 UCLIC HCI 研究环境高度相关。
2. 面向学术传播的内容管理工作流优化
研究问题：CMS 工作流如何减少研究人员发布内容时的认知负担和错误率？
方法路径：访谈研究人员与管理员，建模内容发布流程，设计低代码模板并用任务实验评估效率。
数据/实验/分析思路：访谈研究人员与管理员，建模内容发布流程，设计低代码模板并用任务实验评估效率。
适配理由：契合岗位中 CMS 管理、数字参与和 HCI 实践需求。
3. 社交媒体中的研究参与触点设计
研究问题：短内容平台上的互动形式如何影响公众继续阅读学术内容的意愿？
方法路径：设计多版本传播素材，进行 A/B 测试或在线实验，分析点击、停留、分享意愿和质性反馈。
数据/实验/分析思路：设计多版本传播素材，进行 A/B 测试或在线实验，分析点击、停留、分享意愿和质性反馈。
适配理由：把 UCLIC 的数字 engagement 任务转化为可研究的 HCI 问题。
07. 皇家墨尔本理工大学｜PhD Scholarship in Human-Computer Interaction
学校 / 地区：皇家墨尔本理工大学（RMIT University）｜澳大利亚
院系 / 导师：School of Computing Technologies｜Dr Joshua Newn
截止日期：2026年9月30日
预计入学 / 入职：官方暂未披露
学费安排：官方页面未单列学费；研究奖学金通常需结合研究学位录取和 fee offset/waiver 结果确认
奖学金 / 补贴：奖学金津贴 A$35,886/年，可有 6 个月延期；1个名额
适合背景：HCI、AI、认知科学、计算机或交互设计背景；需要编程能力，若有眼动、EEG、HRV、传感器或机器学习经验更匹配。
导师方向怎么看
项目关注智能界面如何感知用户需求、提供上下文辅助，同时保留人的自主决策权。它不是做“替代人”的 AI，而是研究“增强人”的 AI。
可以跟着做的方向
上下文感知智能界面
用户自主性与 AI 辅助
生理传感与交互建模
生产力、健康或教育场景中的人机协作
老师判断
这是今天最适合 HCI+AI 复合背景看的项目之一。RP 要把“感知—辅助—自主性保护—评估”串起来，不能只写一个智能助手 demo。
老师研究计划
1. 保护用户自主性的上下文感知 AI 助手
研究问题：AI 辅助提示在什么强度下能提升效率而不削弱用户控制感？
方法路径：开发任务辅助原型，调整提示频率和解释深度，测量任务表现、自主性感知和采纳行为。
数据/实验/分析思路：开发任务辅助原型，调整提示频率和解释深度，测量任务表现、自主性感知和采纳行为。
适配理由：精准对应项目对 context-aware assistance 和 autonomy 的关注。
2. 基于眼动与交互日志的认知负荷自适应界面
研究问题：界面能否通过眼动和操作行为实时识别用户负荷，并调整 AI 辅助策略？
方法路径：采集眼动、鼠标键盘和任务结果数据，训练负荷识别模型，比较固定界面与自适应界面效果。
数据/实验/分析思路：采集眼动、鼠标键盘和任务结果数据，训练负荷识别模型，比较固定界面与自适应界面效果。
适配理由：契合生理传感、机器学习和 HCI 评估要求。
3. 健康管理工具中的人机共同决策机制
研究问题：AI 建议如何呈现，才能让用户在健康任务中保留最终判断权？
方法路径：设计健康场景交互原型，结合情景任务、访谈和量表评估信任、理解和依赖程度。
数据/实验/分析思路：设计健康场景交互原型，结合情景任务、访谈和量表评估信任、理解和依赖程度。
适配理由：项目明确提到健康应用等应用域，适配度高。
08. 皇家墨尔本理工大学｜PhD Scholarship in Computer Science (Human-Computer Interaction)
学校 / 地区：皇家墨尔本理工大学（RMIT University）｜澳大利亚
院系 / 导师：School of Computing Technologies｜项目导师需邮件沟通确认
截止日期：2028年12月31日
预计入学 / 入职：官方暂未披露
学费安排：包含 fee waiver；具体覆盖范围以学校 scholarship terms 为准
奖学金 / 补贴：3 年奖学金，含 fee waiver 和 standard stipend；1个名额
适合背景：适合 HCI、计算机、交互设计、信息系统或数据分析背景；有混合方法研究、统计分析、质性分析和学术写作经历会加分。
导师方向怎么看
这条更偏“计算机科学里的 HCI 研究”：重视研究问题、方法路径、用户研究和数据分析能力，适合想把交互系统做成严谨博士论文的人。
可以跟着做的方向
混合方法 HCI 研究
用户研究与统计/质性分析
交互系统原型与评估
计算机科学中的人本问题
老师判断
截止很远，但不要因此拖延。最好的打法是先发 2 页 proposal 给导师，证明你能提出清楚问题、设计研究方法，而不是只表达兴趣。
老师研究计划
1. 生成式 AI 编程助手的可用性与学习影响研究
研究问题：编程新手使用 AI 助手时，是更快学习还是更容易形成错误依赖？
方法路径：设计编程任务实验，记录代码质量、提示使用行为、学习迁移表现，并结合访谈分析。
数据/实验/分析思路：设计编程任务实验，记录代码质量、提示使用行为、学习迁移表现，并结合访谈分析。
适配理由：适合 HCI + CS 交叉，并能体现混合方法能力。
2. 远程协作工具中的注意力协调机制
研究问题：哪些界面提示能帮助分布式团队更好地同步任务状态和注意力？
方法路径：构建协作原型，对比状态可视化、任务摘要和智能提醒，分析协作效率与沟通负担。
数据/实验/分析思路：构建协作原型，对比状态可视化、任务摘要和智能提醒，分析协作效率与沟通负担。
适配理由：与交互系统评估和用户研究方法高度契合。
3. AI 解释界面的定量与质性综合评估
研究问题：用户说“理解了”是否真的意味着能正确使用 AI 解释？
方法路径：将理解测验、行为任务、访谈和日志数据结合，建立解释界面评估框架。
数据/实验/分析思路：将理解测验、行为任务、访谈和日志数据结合，建立解释界面评估框架。
适配理由：凸显统计分析、质性分析和 HCI 研究设计能力。
09. 皇家墨尔本理工大学｜PhD Scholarship for Human-Centric Software Engineering
学校 / 地区：皇家墨尔本理工大学（RMIT University）｜澳大利亚
院系 / 导师：School of Computing Technologies｜项目导师需按页面说明进一步确认
截止日期：2026年4月30日
预计入学 / 入职：官方暂未披露
学费安排：官方页面未单列学费；需按研究学位录取与奖学金条款确认
奖学金 / 补贴：奖学金金额 A$35,886；1个名额
适合背景：软件工程、网络安全、HCI、信息系统、需求工程或安全系统背景；有用户研究、需求分析、安全设计、访谈或实验经验更合适。
导师方向怎么看
项目研究用户心智模型如何影响安全系统的需求工程、设计、开发和采纳。核心不是只做安全算法，而是看真实用户如何理解、误解并使用安全机制。
可以跟着做的方向
人本软件工程
安全系统需求工程
用户心智模型与安全采纳
开发流程中的安全设计决策
老师判断
这条截止非常近，适合已经有安全、软件工程或 HCI 论文/项目积累的人立刻行动。背景不够的人不建议硬投泛泛 proposal。
老师研究计划
1. 安全功能需求中的用户心智模型偏差
研究问题：用户对安全功能的错误理解会如何传导到需求描述和设计缺陷？
方法路径：开展用户访谈与需求文档分析，编码常见心智模型偏差，并提出需求捕捉模板。
数据/实验/分析思路：开展用户访谈与需求文档分析，编码常见心智模型偏差，并提出需求捕捉模板。
适配理由：直接对应项目主题中的 mental models 与 requirement engineering。
2. 面向普通用户的安全提示可理解性评估
研究问题：哪些安全提示语和交互流程会让用户真正理解风险，而不是机械点击？
方法路径：设计多版本安全提示原型，进行可理解性测试、行为实验和质性访谈。
数据/实验/分析思路：设计多版本安全提示原型，进行可理解性测试、行为实验和质性访谈。
适配理由：连接 HCI、软件工程和安全采纳问题。
3. 开发团队安全设计决策的协作模型
研究问题：开发者、设计师和安全专家如何在需求阶段协商安全机制？
方法路径：访谈软件团队，分析需求评审和安全设计会议材料，提出协作决策模型。
数据/实验/分析思路：访谈软件团队，分析需求评审和安全设计会议材料，提出协作决策模型。
适配理由：扩展项目到真实软件工程流程，适合 human-centric SE。
10. 都柏林大学学院｜AI and Heritage Futures: Preservation, Creation and Regulation of Evolutionary Heritage
学校 / 地区：都柏林大学学院（University College Dublin (UCD)）｜爱尔兰
院系 / 导师：School of Information and Communications Studies｜Dr Sun Park
截止日期：2026年4月30日
预计入学 / 入职：2026年9月或2027年1月
学费安排：ICS 学院免学费
奖学金 / 补贴：最多 4 年 PhD studentship；津贴 €25,000/年，研究经费 €4,000/年，免税；EU 与非 EU 学生均可申请
适合背景：信息科学、HCI/AI interaction、计算机、数字人文、遗产研究、社会学、媒体、政策或相关背景；可偏计算方法，也可偏质性与政策分析。
导师方向怎么看
这个项目研究 AI 生成内容、数字化遗产和 born-digital heritage：AI 生成物是否会成为文化遗产，如何被保存、解释、治理和设计成信息系统。
可以跟着做的方向
AI 生成内容与数字遗产
人机 AI 创作实践
数字文化遗产信息系统
AI 政策、伦理与治理
老师判断
这是今天最适合信息系统、HCI、数字人文交叉背景看的项目。技术背景不是唯一门槛，但 proposal 必须把信息系统、AI 实践和文化/政策问题连接起来。
老师研究计划
1. AI 生成作品作为 born-digital heritage 的保存框架
研究问题：AI 生成作品的哪些技术、社会和解释性信息需要被保存，才能构成可研究的数字遗产？
方法路径：分析 AI 艺术案例，提出元数据与版本记录框架，并通过专家访谈验证保存维度。
数据/实验/分析思路：分析 AI 艺术案例，提出元数据与版本记录框架，并通过专家访谈验证保存维度。
适配理由：直接贴合项目对 AI-generated works 与 born-digital heritage 的关注。
2. 文化机构中的 AI 工作实践信息系统
研究问题：博物馆、档案馆或文化机构如何记录 AI 参与创作和策展的过程？
方法路径：开展机构访谈和流程分析，设计 AI 工作实践记录系统原型，评估可用性和治理价值。
数据/实验/分析思路：开展机构访谈和流程分析，设计 AI 工作实践记录系统原型，评估可用性和治理价值。
适配理由：契合页面提到的发展信息系统和 AI work practices。
3. AI 文化遗产治理中的利益相关者冲突
研究问题：创作者、平台、文化机构和公众对 AI 生成遗产的价值判断有何差异？
方法路径：结合政策文本分析、利益相关者访谈和案例研究，提出治理原则和风险矩阵。
数据/实验/分析思路：结合政策文本分析、利益相关者访谈和案例研究，提出治理原则和风险矩阵。
适配理由：与导师 AI 政策、数字文化遗产和 human-AI interaction 研究一致。
今天这些方向的趋势怎么看
软件工程、人机交互与信息系统正在越来越明显地合流：一边是 AI 工具进入开发、教育、医疗、文化和办公场景；另一边是用户是否理解、是否信任、是否愿意采纳，逐渐成为博士研究中必须回答的问题。
对申请人来说，未来一两年的竞争点不会只是“我会做模型”或“我会做界面”，而是能否把系统原型、用户研究、数据分析和理论问题放进同一个研究设计里。能同时讲清技术路径和人的行为机制，会更容易从一堆普通 proposal 里跳出来。
老师团队成员介绍
Dr. Lin｜UCL Human-Computer Interaction 博士｜关键词：人机协作、用户研究、可解释 AI。
Dr. Lin 的特点是特别擅长把申请人的零散项目经历，整理成“研究问题—方法—数据—预期贡献”都能落地的 HCI / AI 交叉型 RP。
