郑先隽 - 专任教师

郑先隽教授

电话：

E-mail：sam.zheng@bnu.edu.cn

研究方向：主要从事“AI＋心理学”交叉研究与人才培养，致力于发展以人的认知、能力、体验、价值与福祉为中心的人本人工智能（Human-Centered AI）。研究聚焦三个相互关联的问题：心理学如何为人工智能的设计、评估与治理提供理论和方法基础；人工智能如何拓展心理学研究、测量与应用的边界；人与人工智能如何形成优势互补、共同学习和协同决策的混合智能系统。

研究综合采用认知实验、行为测量、眼动追踪、心理测量、用户研究、多模态数据分析、计算建模与AI原型验证等方法，面向智能产品、教育学习、复杂工作、组织变革与辅助技术等真实场景开展跨学科研究。从帮助重度运动障碍者表达思想的HawkEye眼动辅助沟通系统，到支持产业一线工作者保存和发展专业技能的DeepHow，再到RenbenAI和DeepPsy对AI心理影响与心理学智能体的探索，其研究始终围绕同一个核心问题：如何让人工智能更好地理解人、增强人，并服务于人的自主发展与福祉。

研究平台网站：renbenai.org｜deepsy.ai｜i2ilab.io

个人履历

北京师范大学心理学学士、认知心理学硕士，美国伊利诺伊大学香槟分校工程心理学博士、统计学硕士。其学术训练横跨认知心理学、工程心理学、人因工程、统计建模、人机交互与人工智能。

2005年至2018年任职于西门子美国研究院，曾任Senior Key Expert、资深科学家兼首席研究员，围绕复杂人机系统、智能交互、工业数字化、能源管理、医疗技术与辅助沟通开展跨学科研究和技术研发。主持或参与美国能源部可再生能源大数据、商业建筑人机协同节能、工业智能检测、可穿戴与增强现实维护等项目，并领导西门子团队与Eye-Com合作开发面向霍金教授辅助沟通需求的HawkEye眼动打字系统。

2018年在美国创立人工智能企业DeepHow，围绕多模态人工智能、专家知识表征、技能学习和人机协同开展长期研发与规模化实践。相关平台已服务100余家企业、1500余个站点，覆盖28个国家，为研究真实工作环境中的隐性知识捕获、技能传递、人机信任、组织学习与人工智能采纳提供了独特的真实场景基础。

曾任美国罗格斯大学用户体验方向兼职教授、清华大学幸福科技实验室（H+Lab）学术主任、清华大学心理学系兼职教授，并长期参与北京师范大学应用心理专业用户体验（MAP-UX）方向建设、课程体系设计与研究生指导，累计指导40余名MAP-UX毕业生。现依托北京师范大学心理学学科优势，推动“心理学＋AI”交叉方向、人本人工智能研究平台及复合型人才培养体系建设。

科学研究

总体研究框架

以人本人工智能为核心研究旗帜，围绕“心理学赋能AI、AI赋能心理学、人机混合智能”三条主线，重点推进人本AI创新设计、人机协同认知增强、人本AI心理影响评价与多模态技能数字化研究。

1. 人本人工智能与心理影响评价

研究大模型、智能体和自动化系统如何影响人的认知负荷、信任、控制感、能动性、职业认同、工作意义、心理安全与福祉；发展具有心理测量基础、能够反映AI长期心理与社会影响的评价框架、指标体系和研究方法。

2. 人机混合智能与协同认知

研究人与智能体之间的能力分工、动态任务分配、共同决策、错误恢复和信任校准机制，探索AI对人的判断、学习、创造力和专业能力的增强与潜在削弱，形成兼顾绩效、发展与主体性的人机协同设计原则。

3. AI产品体验与可信交互

面向生成式AI和智能体的概率性、生成性与持续演化特征，研究用户如何形成AI心理模型、理解不确定性与错误、建立或修复信任，并发展AI产品可理解性、可预测性、可控性、可信度与长期体验的测量和评价方法。

4. 多模态学习、知识表征与技能数字化

研究如何从视频、语音、文本、图像、眼动和操作行为中识别、表征和传递人的隐性知识与复杂技能，探索专家知识捕获、个性化学习、知识迁移、人机共同学习及认知增强的心理机制与计算方法。

5. 工程心理学、眼动与计算美学

围绕动态场景知觉、注意与情境意识、眼动交互、复杂人机系统、视觉复杂度和审美判断开展研究，将心理学实验、眼动分析、计算模型与真实系统设计相结合。

代表性研究与应用

HawkEye眼动打字与辅助沟通系统

在西门子美国研究院期间，领导西门子团队与Eye-Com合作开发HawkEye眼动辅助沟通系统（HawkEye AAC Program），面向渐冻症及重度运动障碍人群探索高效率、低负担的文字输入与辅助沟通方法。系统通过眼动追踪、注视停留或辅助开关完成字母选择，在测试中达到每分钟16个单词的输入速度，展现出相较传统扫描式辅助输入显著提升交互效率的潜力。

2011年2月18日，英国剑桥大学霍金教授办公室出具正式支持信。霍金教授在信中明确表示对Eye-Com与西门子共同开发的HawkEye系统持续关注，并鼓励相关团队为其本人开展后续研发与演示；他期待该系统能够改善其沟通、工作和独立生活的能力，并帮助更多具有类似需求的人。该信由霍金教授以右手拇指指纹确认，并由见证人签字。这一项目集中体现了以技术扩展人的能力、维护人的自主性并改善生活质量的人本设计理念。

多模态知识与技能学习

基于DeepHow长期真实场景实践，研究如何将专家操作视频、语言讲解、工作流程与情境信息转化为结构化、可检索、可学习的知识表示，探索人工智能支持下的技能学习、知识迁移、个性化指导和组织学习机制。该方向把心理学中关于专长、学习、认知负荷和知识迁移的研究，与多模态人工智能和工业智能体设计相结合。

研究与创新平台

RenbenAI：人本人工智能研究与评价平台

RenbenAI（renbenai.org）围绕人本人工智能研究、评价与社会影响建设开放平台，重点关注AI如何影响人的认知、情绪、信任、工作意义、职业发展和主观福祉。平台正在建设人本AI影响指数（Human-Centered AI Impact Index，HEAI），尝试突破仅以技术暴露度、任务替代率和经济指标衡量AI影响的传统框架，从心理测量和工作者真实体验出发，系统研究AI焦虑、人机信任、工作意义、未来预期与人机协同体验。当前数据探索平台覆盖342类职业，并支持纵向趋势追踪。

DeepPsy / Agent Leo：心理学智能体研究与教学平台

DeepPsy / Agent Leo（deepsy.ai）是面向心理学研究、教学与知识传播建设的智能体实验平台。平台通过构建心理学大师智能体，使学习者能够与不同心理学流派、理论传统和代表人物开展交互式对话，并支持多位智能体围绕同一问题开展比较与讨论。平台当前汇集100余位国内外心理学代表人物，为心理学史、理论心理学和生成式AI研究提供新的交互环境，同时支持对智能体角色一致性、知识可追溯性、人机信任、学习迁移与信息可靠性等问题的实验研究。

i2iLab：AI＋UX项目制人才培养与创新实践平台

i2iLab（i2ilab.io）是面向AI时代创新实践和跨学科人才培养建设的开放平台。平台采用项目制学习、快速原型、用户研究和真实问题驱动的方式，通过“理解问题-设计智能体-用户研究-原型开发-效果评估-公开上线”的完整过程，帮助心理学、教育、用户体验与非技术背景的学习者把对人的理解转化为可验证的AI研究、产品和社会影响。

代表性学术成果

发表学术论文60余篇，参与形成10余项美国及国际专利和公开专利申请。以下成果按研究主题与代表性择选，非完整目录。

部分代表性论文

1. Dai, L., Zhang, K., Zheng, X. S., Martin, R. R., Li, Y., & Yu, J. (2022). Visual complexity of shapes: A hierarchical perceptual learning model. The Visual Computer, 38, 419–432. https://doi.org/10.1007/s00371-020-02023-z

2. Dou, Q., Zheng, X. S., Sun, T., & Heng, P.-A. (2019). Webthetics: Quantifying webpage aesthetics with deep learning. International Journal of Human-Computer Studies, 124, 56–66. https://doi.org/10.1016/j.ijhcs.2018.11.006

3. Wang, B., Sun, T., & Zheng, X. S. (2019). Beyond winning and losing: Modeling human motivations and behaviors with vector-valued inverse reinforcement learning. Proceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment, 15(1), 195–201. https://doi.org/10.1609/aiide.v15i1.5244

4. Fan, Z., Zhang, K., & Zheng, X. S. (2019). Evaluation and analysis of white space in Wu Guanzhong’s Chinese paintings. Leonardo, 52(2), 111–116.

5. Zhang, J., Yu, J., Zhang, K., Zheng, X. S., & Zhang, J. (2017). Computational aesthetic evaluation of logos. ACM Transactions on Applied Perception, 14(3), 1–21. https://doi.org/10.1145/3058982

6. Yu, F., Peng, K., Zheng, X. S., & Liu, Z. (2016). The semantic network model of creativity: Analysis of online social media data. Creativity Research Journal.

7. Zheng, X. S., Foucault, C., Matos da Silva, P., Dasari, S., Yang, T., & Goose, S. (2015). Eye-wearable technology for machine maintenance: Effects of display position and hands-free operation. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems, 2125–2134. https://doi.org/10.1145/2702123.2702305

8. 喻丰，彭凯平，郑先隽（2015）. 大数据背景下的心理学：中国心理学的学科体系重构及特征. 科学通报，60，520–533.

9. Liu, S., Zheng, X. S., Liu, G., Jian, J., & Peng, K. (2013). Beautiful, usable, and popular: Good experience of interactive products for Chinese users. Science China Information Sciences, 56, 1–14. https://doi.org/10.1007/s11432-013-4835-4

10. Zheng, X. S., & McConkie, G. W. (2010). Two visual systems in monitoring of dynamic traffic: Effects of visual disruption. Accident Analysis & Prevention, 42(3), 921–928. https://doi.org/10.1016/j.aap.2009.10.023

11. Zheng, X. S., Chakraborty, I., Lin, J. J.-W., & Rauschenberger, R. (2009). Correlating low-level image statistics with users’ rapid aesthetic and affective judgments of web pages. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems, 1–10. https://doi.org/10.1145/1518701.1518703

12. Iqbal, S. T., Adamczyk, P. D., Zheng, X. S., & Bailey, B. P. (2005). Towards an index of opportunity: Understanding changes in mental workload during task execution. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems, 311–320.

代表性专利与公开专利申请

· Smart imaging using artificial intelligence. US 10,957,037 B2（授权，美国；智能代理辅助医学成像质量优化）。

· Smart image navigation for intracardiac echocardiography. US 12,478,436 B2

· （授权，美国；医学智能图像导航）。

· Building energy split calculation and visualization. US 10,719,895 B2（授权，美国；建筑能耗计算与可视化）。

· Advanced human-machine interface for collaborative building control. US 9,104,183 B2（授权，美国；面向节能与使用体验的人机协同建筑控制）。

· System and method for capturing, indexing and extracting digital workflow from videos using artificial intelligence. US 2021/0271886 A1；WO 2021/178250 A1（公开专利申请；多模态AI工作流与专家知识提取）。

· Eye typing system using a three-layer user interface. US 2012/0086645 A1；WO 2012/050990 A1（公开专利申请；面向重度运动障碍人群的眼动输入）。

· Systems and methods for a gaze and gesture interface. US 2013/0154913 A1；WO 2012/082971 A1（公开专利申请；眼动与手势多模态交互）。

· Method and user interface for forensic video search. US 92,692,43 B2（授权，美国；视频检索交互）。

Configuration tool for video analytics. US 92,822,96 B2（授权，美国；视频分析配置工具）

教学工作

主要承担和建设人工智能、工程心理学、用户体验与人机交互等交叉方向课程，关注人工智能时代心理学学生的理论基础、科学研究能力、技术理解、产品思维与创新实践能力。

主要教学与人才培养方向包括：

· 人本人工智能与人机协同；

· 心理学与生成式人工智能；

· AI产品设计与用户体验；

· 大模型、智能体与人机混合智能；

· 多模态学习、知识表征与技能数字化；

· AI产品体验评估、用户研究与心理测量。

教学强调心理学理论、科学方法与真实问题相结合，采用案例分析、项目制学习、用户研究、认知实验、原型开发与效果验证等方式，引导学生在“理解人—定义问题—设计AI—验证体验—评估影响”的完整过程中形成跨学科能力。

研究生培养重视心理学理论和研究方法的基础训练，同时鼓励学生掌握人工智能、计算建模、多模态数据分析与快速原型开发方法，成长为能够连接科学研究、技术创新与社会实践的复合型人才。此前长期参与北京师范大学MAP-UX方向课程体系设计与研究生指导，累计指导40余名毕业生，相关项目涉及AI聊天机器人、数字人、智能教育、用户信任、情感交互与AI产品体验等方向。

社会工作

长期参与心理学、人机交互、用户体验与人工智能领域的学术交流和社会服务，推动心理学研究进入智能产品、教育学习、复杂工作、组织发展与辅助技术等真实应用场景。

国际会议报告

2025年受邀在NVIDIA GTC San Jose大会作“Upskill Manufacturing Workforces with AI Agents”专题报告，与Acuity Brands学习与发展负责人共同介绍智能体AI在制造业技能发展、专家知识捕获和人机协同中的应用。同年，DeepHow基于多模态人工智能和智能体技术构建的AI教练及工业知识管理实践，在NVIDIA GTC Washington, D.C.大会黄仁勋主题演讲中展示，并被纳入NVIDIA关于AI推动美国制造业再工业化的官方专题视频。

曾受邀在American Manufacturing Summit、American Food Manufacturing Summit等国际制造业会议作专题报告或主持专业工作坊，并多次参与FABTECH、IMTS、Hannover Messe及Connected Worker等重要制造业展会与专业论坛交流，持续推动多模态知识表征、技能数字化、员工学习和人机协同在真实产业场景中的研究与应用。

专业写作与社会传播

2021年受邀加入Forbes Technology Council，围绕人本人工智能、未来工作、员工技能发展与制造业数字化发表专业观点。长期在Forbes、Industry Today、Training Magazine、Pharma Manufacturing和SmartBrief等国际专业媒体发表署名文章，并接受Communications of the ACM、Unite.AI、Smart Industry及Plastics Machinery & Manufacturing等媒体采访，持续探讨AI如何增强人的能力、促进隐性知识传承、支持员工学习与改善人机协同。