近日，ACM CSCW 2022(The 25th ACM Conference on Computer-Supported Cooperative Work and Social Computing)在线开幕，复旦大学计算机科学技术学院协同信息与系统实验室的张鹏青年副研究员、卢暾教授、顾宁教授等完成的3篇长文在该会议发表。ACM CSCW是人机交互领域的顶级学术会议，也是中国计算机学会推荐的A类国际学术会议。
论文《Building User-oriented Personalized Machine Translator based on User-Generated Textual Content》针对当前机器翻译难以满足用户意义构建的问题，提出了一个个性化的机器翻译模型，旨在从用户在社会媒体环境下生成的文本内容中学习用户个性化的语言风格，并利用Transformer等深度学习技术生成个性化翻译结果。论文将微博个性化文本内容先翻译成目标语言，再回译为原始输入语言，得到个性化机器翻译配对数据集。然后基于预训练-微调思想，从该数据集学习不同用户的语言风格，生成个性化翻译结果。实验结果表明，该文构建的模型在个性化指标上取得了优于普通机器翻译模型的结果，并且在BLEU、PPL等机器翻译指标上保持了较好水平，模型能够生成更自然和生动的翻译结果，同时提升翻译结果的可理解性。
论文《Building a Personalized Model for Social Media Textual Content Censorship》针对社会媒体用户生成内容的过度公开问题，提出了一个个性化多任务的用户生成内容审查模型，旨在对用户内容的公开性进行分类并检测非公开内容中的敏感信息。该论文从内容角度出发，对与用户生成内容公开性以及敏感信息相关的因素进行分析，基于Seq2Seq结构构建了个性化多任务的内容审查模型。模型判定内容公开性，同时细粒度识别非公开内容中的敏感信息，指导用户对内容进行修改，防范内容过度公开。该研究还以微博作为研究站点，设计实现了内容审查工具原型。定性和定量评估结果表明，该文提出的模型在ACC、Reall和F1等指标上优于基准方法，原型工具在帮助用户识别敏感信息方面发挥了重要作用。
论文《Alignment Work for Urban Accessibility: A Study of How Wheelchair Users Travel in Urban Spaces》对残障人士对城市无障碍设施信息的使用情况进行了探索和分析。大量的工作通过提供出行目的地的无障碍信息来支持残障人士规划出行，这些研究很大程度上将无障碍设施视为城市空间的一种属性，对于残障人士外出和移动的了解有限。该文基于关系模型探索城市无障碍，不是将其作为外部属性，而是视为残障人士与城市环境相互作用而动态构建。同时，文章还探究了来自中国两个不同城市的14名轮椅使用者在日常生活中外出和管理行程的做法，并基于扎根理论对研究数据展开迭代编码和分析。创新性地揭示了残障人士为了实现无障碍出行而进行的“排齐工作（Alignment Work）”。论文呼应将无障碍理解为通过人类与环境的互动动态共同创造的观点，并扩展了强调关联的相互依赖框架，使用排齐的概念来强调实现无障碍的过程中和残障人士相互关联的各种因素(例如，工具、同伴、工作人员、陌生人等)，以及残障人士为实现外出活动时的移动性而将这些因素编织在一起的行为模式。
