Detailansicht
Designing understanding for AI interfaces
from communication models to interaction design and adaptability
Elisabet Delgado Mas
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Joint-Degree Middle European interdisc. master prog. in Cognitive Science
Betreuer*in
Martin Takáč
DOI
10.25365/thesis.80722
URN
urn:nbn:at:at-ubw:1-23899.06692.878736-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit untersucht die Interaktion zwischen Mensch und künstlicher Intelligenz (KI) aus der Perspektive von Interface-Design und Kommunikationstheorie. Je mehr KI menschliche Aktivitäten erweitert, desto stärker verlagert sich der Engpass für positive Wirkung: weg von technischer Optimierung, hin zu menschlicher Kognition und den Interaktionsmustern, die wir mit KI etablieren. Wir argumentieren, dass die Interfaces von Conversational Agents (CAs), wie ChatGPT und Claude, häufig daran scheitern, unsichtbare Fähigkeiten, Limitierungen und Unsicherheit zu kommunizieren. Erschwert wird dies zusätzlich dadurch, wie unterschiedlich Signifikanten von verschiedenen Menschen und Kulturen interpretiert werden, was wir als die vier Herausforderungen der KI-Signifikation definieren. Durch die Synthese von Konzepten wie Normans Designprinzipien und den Kommunikationsmodellen von Shannon-Weaver und Schramm analysieren wir, wo und wie Bedeutung in der Kommunikation verloren geht, und schlagen einen Übergang von statischem Design hin zu menschzentrierten adaptiven Interfaces vor. Um Diagnose in Intervention zu übersetzen, führen wir dynamische Signifikanten ein, Interface-Elemente, die sich mit dem CA und dem Nutzer weiterentwickeln, und präsentieren drei umsetzbare Designs für aktuelle CA-Interfaces: (1) kontextuelles Warn-Feedback, das den Gesprächsfluss nicht unterbricht, (2) eine Capability-Tracking-Wunschliste, die Momente des Systemversagens in dokumentierte Möglichkeiten für Nutzerengagement und Entwicklungsfeedback verwandelt, (3) ein kognitives Changelog, das die Evolution von CAs durch ein adaptives Dashboard und pädagogische Metaphern transparent und persönlich relevant macht. Durch die Integration von Kognitionswissenschaft, Kommunikationstheorie und Designpraxis bietet diese Masterarbeit sowohl das theoretische Vokabular als auch praktische Ansatzpunkte, um KI-Interfaces menschzentrierter zu gestalten und die Auffindbarkeit von Affordanzen sowie nützliche konzeptuelle Modelle von KI zu fördern.
Abstract
(Englisch)
This thesis explores human and artificial intelligence (AI) interaction through the lens of interface design and communication theory. As AI increasingly augments human activity, the primary bottleneck for positive impact gradually changes from technical optimization to human cognition and the interaction patterns we establish with AI. We argue that the interfaces of conversational agents (CAs), such as ChatGPT and Claude, often fail to communicate invisible capabilities, limitations, and uncertainty, all compounded by how differently signifiers are interpreted across people and cultures, which we define as the four challenges of AI signification. By synthesizing concepts like Norman’s design principles and Shannon-Weaver’s and Schramm’s communication models, we analyze where and how meaning is lost in communication, and propose moving from static design toward human-centered adaptive interfaces. To translate diagnosis into intervention, we introduce dynamic signifiers, interface elements that evolve with the CA and the user, and present three implementable designs for current CA interfaces: (1) contextual warning feedback that does not interrupt conversational flow, (2) a capability tracking wish list that transforms moments of system failure into documented opportunities for user engagement and development feedback, (3) a cognitive changelog that makes CA evolution transparent and personally relevant through an adaptive dashboard and pedagogical metaphors. Integrating cognitive science, communication theory, and design practice, this research offers both the theoretical vocabulary and practical starting points for making AI interfaces more human-centered, fostering discoverability of affordances and useful conceptual models of AI.
Schlagwörter
Schlagwörter
(Deutsch)
KI
Schlagwörter
(Englisch)
conversational agents human-AI interaction interface design communication theory AI transparency explainability graphic user interface design semiotics interdisciplinarity accessibility user experience user expectations human-technology interaction human-computer interaction human-machine interaction chatbot interfaces CA GUI UX AI
Autor*innen
Elisabet Delgado Mas 
Haupttitel (Englisch)
Designing understanding for AI interfaces
Hauptuntertitel (Englisch)
from communication models to interaction design and adaptability
Publikationsjahr
2026
Umfangsangabe
154 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Martin Takáč
AC Nummer
AC17822511
Utheses ID
80107
Studienkennzahl
UA | 066 | 013 | |