CCF第八届CSCW与社会计算暑期学校

The 8th CCF CSCW & Social Computing Summer School

当前，大模型智能体正以空前的速度深入科研、教育、医疗、办公、社会服务等真实场景。无论是通过Vibe coding用几句话生成复杂软件，还是借助“小龙虾”等AI工具自动处理报表，亦或是通过手机AI助手一键完成信息搜索与推荐，AI的应用已随处可见。在这一过程中，AI已不再仅仅是提升效率的工具，而正在深刻改变人们沟通、协作、决策以及组织知识的方式。与此同时，随着大模型、多模态AI与智能体技术的快速迭代，AI逐渐具备了规划任务、调用工具、协同执行和持续交互的能力，正稳步实现从“被动应答”向“主动协作”的跨越。在AI深度融入社会协作的今天，一个关键问题摆在我们面前：在一个AI与人类共生的社会中，我们该如何构建和谐的人智关系，提升人类工作者与AI协同工作结果的综合质量和效率，这正是当前计算机支持的协同工作（Computer Supported Cooperative Work, CSCW）和社会计算（Social Computing）研究的前沿问题。

01 本期暑期学校聚焦什么主题？

"技术"与"社会"如何双向奔赴

“技术”扎根“社会”: 大模型智能体正逐步从实验室走向真实的社会应用场景。例如，通过Vibe coding技术，开发者只需简单描述即可生成代码；各类AI工具也正帮助学生进行课程规划、文献撰写和程序开发，辅助教师批改作业、协助医生整理病历等。然而，这些看似功能完备的技术在实际落地时，往往会遭遇应用瓶颈。其核心原因在于，实验室环境下构建的模型与真实的社会环境存在物理隔离，导致AI系统的功能设定与社会的实际期望和需求之间出现了错位。因此，AI技术的落地不能仅依靠计算机科学，还需要与社会学、心理学、管理学等学科深度协作。需要借助社会科学的方法，深入、细致地理解用户，精准挖掘真实的社会需求。只有以此驱动AI技术的适应性创新，才能让AI从通用的技术能力，逐步转化为适配特定社会情境的解决方案，真正无缝融入实际的工作流程与社会系统之中。

“社会”守护“技术”: 在融入社会的过程中，AI的角色正从“被动应答”转变为“主动协作”，这也带来了一系列新问题：例如，模型可能会放大历史数据中的偏差，生成内容的准确性难以完全验证，以及用户对AI产生过度依赖等。要有效解决这些问题，亟需计算机科学与社会学、心理学、法学等学科的深度合作。例如，可以通过社会模拟来观察AI可能存在的偏见，或借助“人机协同”实验来测量人们的信任度和使用行为。这些跨学科研究将为识别潜在风险、建立行业规范以及优化AI设计提供科学依据，促使AI技术在公平与透明的轨道上不断迭代，最终形成一个社会价值与技术能力相互校准、相互促进的良性循环。

02 适合谁来参加？

不同学科背景的你

不论你来自计算机、心理学、社会学、设计、管理，还是其他任何学科，只要你对“人如何与技术互动协同”感兴趣，我们都欢迎你的加入！
跨学科的视角正是推动这个领域不断前进的关键。

不同阶段求知的你

本科生：对科研充满好奇，想抢先探索“AI × 社会”、"大模型智能体 × 人机协同"等交叉议题，正在寻找真正打动你的研究方向；
研究生：如果你正在寻找论文选题、研究方法和合作机会，希望将自己的研究与大模型、智能体、人机协同、社会计算等前沿热点连接起来；
青年学者：希望关注社会科学与计算科学的交叉研究，拓展学术合作可能。

研究兴趣匹配的你

正在从事AI技术研究，期望更深入和全面理解潜在用户的期望需求，使得所构建的AI技术能够更加贴近实际应用；
期望探索前沿AI技术如何赋能CSCW、人机交互、普适计算等相关场景与应用（协同推荐、协同创作、协同控制、协同开发、健康与医疗决策、在线社区等）；
期望聆听AI技术与社会学、心理学等交叉的跨学科研究方法与案例，了解其双向赋能的范式。

03 你将获得什么？

前沿学术研究

聆听CSCW与社会计算领域顶尖学者的专题报告，了解学科前沿与研究趋势,为你的研究选题寻找灵感与方向；
深度解析大模型、智能体、人机协作与AI社会应用等最新研究案例，无论是初步探索还是深入钻研，都能获得启发；
与来自不同学科背景的同龄人开展学术对话，在跨学科交流中激发灵感、碰撞观点，找到志同道合的研究伙伴。

实践交流平台

与优秀学者面对面交流，获得针对你研究阶段的个性化指导，拓展学术合作与实践机会；
分享你的研究idea或初步思考，赢得关注、收获反馈，让模糊的兴趣转化为清晰的研究问题；
打开通向更多可能性的窗口，也许一次讨论就能促成一次合作。

未来发展机会

表现优秀者将有机会获得硕士推免和博士推荐的机会，往届已有多位学员成功推免至复旦等全国顶尖高校；
合作发表高水平论文，往届暑期学校不乏后续在CHI、CSCW、UbiComp、WWW、SIGIR、NeurIPS、ICLR等顶级学术会议发表论文的学员；
你，也可以成为下一位在“AI × 社会”研究中发光的探索者！

04 本次暑期学校如何安排？

● 主办：中国计算机学会（CCF）

● 承办：CCF协同计算专委会、北京师范大学

● 协办：CCF 人机交互专委会、 CCF 普适计算专委会、ACM SIGCHI China Chapter

● 举办地点：北京师范大学（北京市海淀区新街口外大街19号）

● 举办时间：2026年7月17~19日

● 指导委员会：顾宁（复旦大学）、李勇（清华大学）、郭斌（西北工业大学）、曹健（上海交通大学）、孙宇清（山东大学）、孙海龙（北京航空航天大学）

● 学术委员会主任：卢暾（复旦大学）、吕鹏（北京师范大学）

● 组织委员会主任：张鹏（复旦大学）、李诺（复旦大学）

● 日程安排：

05 如何报名和联系？

(1) 学员规模：计划100人，根据报名情况择优录取，CCF会员优先。

(2) 注册费用：CCF学生会员300、非会员400，CCF会员600、非会员800。注册费用包含暑期学校期间三天的午餐，交通、住宿自理。

(3) 报名链接：https://ccf.org.cn/1bl8VOj

(4) 报名截止时间：2026年7月10日。

(5) 联系人：祝铭，北京师范大学，18728636322，277165704@qq.com.

06 授课讲师与内容详情

吕鹏教授

吕鹏，北京师范大学社会学院教授（2026-），入选国家级青年人才。清华大学社会学系博士、清华大学自动化系博士后。美国芝加哥大学联合培养博士、韩国首尔国立大学访问学者。研究人类群体行为、计算社会科学、智能社会治理、社会公共安全、社会历史模拟、大型社会模拟、智能文化旅游等议题，主持国家社科重大项目（立项资助+滚动资助）、中央引导地方科技发展专项、国家智能社会治理实验综合基地专项等。以第一作者或（联合）通讯作者在《社会学研究》《中国行政管理》《社会发展研究》《浙江社会科学》《南开学报（哲学社会科学版）》《求索》《山东大学学报（哲学社会科学版）》《学海》《江淮论坛》《Nature Cities》《Cities》《Knowledge-Based Systems》《Artificial Intelligence Review》《Engineering Applications of Artificial Intelligence》《Chaos, Solitons and Fractals》《Expert Systems With Applications》《Reliability Engineering & System Safety》《Applied Soft Computing》《Information Processing and Management》《Applied Mathematics and Computation》《Communications in Nonlinear Science and Numerical Simulation》《Journal of Computational and Applied Mathematics》《CAAI Transactions on Intelligence Technology》《Archaeological and Anthropological Sciences》《The Journal of Mathematical Sociology》等中英文期刊发表高水平论文100余篇。

报告题目

人类群体行为动力学与智能社会治理

本报告将系统讲解人类群体行为动力学的理论框架与计算方法，聚焦群体行为的宏观涌现规律与微观行为机理。课程核心内容包括：基于智能体仿真模拟（ABM）的研究范式，通过人类群体行为生命周期模型揭示行为从萌发、扩散到衰减的动态演化路径；网络群体行为预测算法则利用社交网络结构与个体交互数据，实现对群体情绪与行动趋势的量化预判。在应用层面，课程结合城市级大型社会模拟器的构建经验，展示如何将上述模型嵌入交通拥堵疏导、公共安全应急响应等真实治理场景。通过参数校准、情景推演与压力测试，模拟器可评估不同政策干预下的群体反应，为决策提供数据支撑。报告旨在阐明计算社会科学如何通过建模与仿真，将群体行为研究从“事后解释”推向“事前预判”，为智能社会治理提供可计算、可验证的方法论工具，助力治理模式从经验驱动向数据-模型协同驱动转型。

陈思明研究员

陈思明，复旦大学大数据学院青年研究员，博士生导师，上海市高层次引进人才，复旦大学可视分析与智能决策实验室（FDUVIS）负责人。曾任德国弗劳恩霍夫智能分析和信息系统研究所（Fraunhofer IAIS）研究员与德国波恩大学的博士后研究员，复旦学士（2011）、北大博士（2017）。从事大数据可视化，可视分析与人智协同的研究，主要研究方向包括：大模型驱动的可视分析及故事叙述，主动式数据分析智能体，3D沉浸式可视化等，应用于智能教育、人文智能、智能电力、舆情分析等方向。共发表国际学术论文100余篇，其中在IEEE VIS，IEEE TVCG, ACM CHI, CSCW等顶级国际可视化与人智协同会议以及期刊(CCF A)上发表50余篇文章，获得各类最佳论文海报/提名奖十余次（包括ACM CHI，IEEE PacificVis TVCG最佳论文提名奖等，获奖率3-5%），获得AI2000国际可视化研究领域2014-2024十年最具影响力学者提名奖（全球100名），作为第一主编出版《大数据可视化与可视分析》教材。主持国家级项目、省部级项目与企业联合项目十余项。担任IEEE Computer Graphics & Applications (CG&A)国际期刊副主编，IEEE PacificVis论文主席，中国可视化大会论文主席等。

报告题目

人文智能: 大模型驱动的可视分析与故事叙述

数据可视化与可视分析是将复杂数据转化为人类可理解的洞察、支撑分析与决策的核心方法。随着大模型技术的快速发展，数据的分析与表达正经历从人工驱动到人机协同的范式转变。本报告围绕这一转变，系统梳理从基础方法到大模型驱动方法的演进，并落脚于智能教育等应用场景。报告首先介绍数据可视化的基础方法，阐述视觉编码、交互探索与可视分析在复杂数据理解中的基本原理；在此基础上，介绍大模型驱动的可视分析方法，利用大模型的语言理解与推理能力构建面向分析任务的智能体，实现任务的自动规划与执行、自然语言驱动的探索式交互，并推动分析范式由被动响应转向主动协同，从而降低使用门槛、提升人机协同的分析效率。进而，介绍大模型驱动的故事叙述方法，通过人机共创支持从数据洞察到叙事表达的半自动化生成，涵盖叙事结构的组织、视觉呈现与信息传达，使复杂数据能够以易于理解和传播的形式触达更广泛的受众。报告以智能教育为典型应用场域，探讨上述方法如何用于刻画学习者的学习过程、辅助科学概念的解释与知识的有效传播，并展望其在数字人文、社会媒体分析等领域的拓展前景。

马帅副研究员

马帅，中国科学院软件研究所副研究员。于香港科技大学获得博士学位，后在芬兰阿尔托大学从事博士后工作，并曾在苏黎世联邦理工学院等高校进行访问学者研究。长期围绕人机协同与人机混合智能开展研究，重点关注相关理论基础、用户建模方法与关键技术机制。近年来，在 ACM CHI、ACM TOCHI 等人机交互领域CCF-A类会议和期刊发表论文20余篇，并四次获得ACM CHI最佳论文提名奖。曾担任ACM CHI 2025、ACM CHI 2026、ACM IUI 2026、ACM DIS 2025、ACM FAccT 2024等国际会议程序委员会成员（subcommittee associate chair），并长期担任ACM CHI、ACM TOCHI、IJHCS、IEEE VIS、ACM UIST、ACM CSCW等十余个人机交互领域国际会议和期刊的审稿人。

报告题目

提升人机协同中的合理信赖：从能力建模、自信校准到人机协商

人工智能并非完美可靠。在人机协同过程中，人不仅需要判断何时应当采纳AI的建议，也需要识别何时应当质疑或拒绝AI。然而，受人类认知偏差、AI能力边界不清以及系统决策过程不透明等因素影响，现有的人机协同系统常常导致用户对AI的过度信赖或信赖不足，进而损害人机团队的决策质量与协作绩效。围绕如何提升人对AI的合理信赖，讲者将从三个相互关联的层面介绍相关研究：在计算层面，对人与AI的能力差异进行建模，以识别双方各自的优势与局限；在认知与行为层面，通过校准用户的自信心，帮助其更准确地判断自身与AI的相对能力；在协作机制层面，引入人机协商机制，使人与AI能够围绕分歧进行信息交换、论证与共同决策。相关工作连续发表于 CHI 2023、CHI 2024 和 CHI 2025。课程将详细介绍上述研究的问题提出、方法与系统设计、用户实验设计以及数据分析方法，并讨论如何将理论问题转化为可检验的研究假设。最后，课程还将延伸至智能体时代，探讨人在监督自主AI智能体时面临的信赖校准、过程监管、失败预警与适时介入等新问题。

王希廷副教授

王希廷，中国人民大学高瓴人工智能学院副教授，博士生导师，入选北京市人才计划青年项目。王希廷曾任微软亚洲研究院首席研究员，于清华大学获得学士及博士学位，研究领域为大模型解释与对齐。获CCF自然科学二等奖，获得吴文俊人工智能青年科技奖，2篇论文入选IEEE TVCG（CCF-A）封面论文。研究成果落地支付宝百灵大模型、微软必应搜索、Outlook及MSN，影响上亿用户，年收入增益上亿元。担任ICML、AAAI领域主席、Visual Informatics （Q1）青年编委。曾任IEEE VIS（CCF-A）组委会档案主席、ICML领域主席。

报告题目

面向通用大模型的评测与对齐

大模型展现出在广泛任务上的通用性，但其通用性来源机制和控制方法仍有待深入理解。本报告尝试借鉴认知科学中研究人类通用智能的范式，初步探索大模型通用性的来源及其可控机制，主要包括两个方面：在评测层面，借鉴心理学理论，通过价值观及测度论分析模型的任务泛化模式，探索对人工智能通用性进行科学量化评估的方式；在对齐层面，提出价值观的神经元级控制对齐方法，通过干预关键功能模块的激活模式探索不依赖特定任务的强泛化性控制方法，例如跨情境的价值观控制方法。

卢暾教授

卢暾，复旦大学计算与智能创新学院教授、博导、副院长，上海市数据科学重点实验室副主任，复旦大学人智协同计算研究中心主任，美国卡耐基梅隆大学（CMU）访问学者。现为中国计算机学会杰出会员、协同计算专委秘书长，上海市计算机学会协同信息服务专委会副主任。研究方向为协同与社会计算、群智与人智协同、大模型智能体模拟、数字社会智能治理等。主持多项国家自然科学基金、国家科技部和上海市重要项目和课题，系列成果发表在CSCW、CHI、UbiComp、NeurIPS、ICLR、ICML、WWW、SIGIR、SIGKDD、IEEE TKDE、ACM TOIS等领域权威会议和期刊上，曾获得过CSCW等多个国际学术会议最佳论文（提名）奖等。

张鹏副教授

张鹏，复旦大学计算与智能创新学院副教授、博士生导师，入选微软亚洲研究院“铸星计划”（2022~2023）及CCF协同计算专委会“青年学者激励计划”等，获得首批CAAI-联想蓝天科研基金资助；中国计算机学会（CCF）高级会员，担任CCF协同计算专委会和人机交互专委会执行委员。主要研究方向为CSCW与社会计算、人机交互等，在CSCW、CHI、WWW、SIGIR、TOIS等权威学术会议和期刊以第一作者或通讯作者发表论文50余篇；主持国家自然科学基金面上、青年等项目；申请和授权发明专利20余件，多次获得ChineseCSCW最佳论文奖、上海市计算机学会优秀论文奖等奖项；担任CCF A类会议CHI、CSCW的领域副主席（AC）及多个权威期刊的审稿人。