Human-Centered Recommendations For Ai-Powered Academic Literature Review Tools

Soegiantoro, Holy Rhema (2025) Human-Centered Recommendations For Ai-Powered Academic Literature Review Tools. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032232143_Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Conducting academic literature reviews is a critical yet often arduous task for students and researchers, marked by challenges in managing vast information, synthesizing diverse perspectives, and identifying key insights. While Artificial Intelligence (AI) assistants offer potential for streamlining this process, their adoption and effectiveness are contingent on a human-centered design approach. This mixed-methods study investigates the factors influencing the use of AI literature review tools by academicians. Quantitative survey data (N=107) explored correlations between AI tool usage and perceived pain points, tool value (ease of use and usefulness), user innovativeness, and tool effectiveness/efficiency, alongside demographic moderators. Qualitative thematic analysis of user experiences provided rich insights into specific frustrations, benefits, and future aspirations for these tools. Key quantitative findings indicate that higher AI tool usage correlates significantly with greater challenges in search time and synthesis, higher perceived tool value, greater individual innovativeness, and higher perceived tool effectiveness. Demographic moderation effects were limited, with age uniquely influencing the relationship between publication volume stress and AI adoption. Qualitatively, themes highlighted the impact of "Interface Immediacy" and "Workflow Fluidity" on usability, the necessity of "Core Feature Efficacy," significant "Critical Pain Points" (e.g., access limitations, inaccurate summaries), key benefits like "Cognitive Offloading," and strong "Aspirations for Holistic Research Ecosystem Integration" including advanced analytical support. This research identifies crucial user needs, proposing recommendations for AI assistants that address specific pain points and align with expectations for usability, utility, and advanced cognitive support, fostering a more effective human-AI research partnership.
====================================================================================================================================
Melakukan tinjauan literatur akademis merupakan tugas yang penting namun seringkali sulit bagi mahasiswa dan peneliti, yang ditunjukkan dengan tantangan dalam mengelola informasi yang sangat luas, mensintesis berbagai perspektif, dan mengidentifikasi wawasan utama. Meskipun asisten Kecerdasan Buatan (AI) menawarkan potensi untuk menyederhanakan proses ini, adopsi dan efektivitasnya bergantung pada pendekatan desain yang berpusat pada manusia. Penelitian dengan metode campuran ini menyelidiki faktor-faktor yang memengaruhi penggunaan alat bantu tinjauan literatur AI oleh para akademisi. Data survei kuantitatif (N=107) mengeksplorasi korelasi antara penggunaan alat AI dan masalah yang dirasakan, nilai fitur (kemudahan penggunaan dan kegunaan), keinovatifan pengguna, dan efektivitas/efisiensi fitur, di samping moderator demografis. Analisis tematik kualitatif terhadap pengalaman pengguna memberikan wawasan yang kaya tentang frustrasi, manfaat, dan aspirasi masa depan untuk alat-alat ini. Temuan kuantitatif utama menunjukkan bahwa penggunaan alat AI yang lebih tinggi berkorelasi secara signifikan dengan tantangan yang lebih besar dalam waktu pencarian dan sintesis, nilai fitur yang dirasakan lebih tinggi, keinovatifan individu yang lebih besar, dan efektivitas alat yang dirasakan lebih tinggi. Efek moderasi demografis terbatas, dengan usia yang secara unik memengaruhi hubungan antara tekanan volume publikasi dan adopsi AI. Secara kualitatif, tema-tema menyoroti dampak dari “Interface Immediacy” dan “Workflow Fluidity” terhadap kegunaan, perlunya “Core Feature Efficacy”, “Critical Pain Points” yang signifikan (mis. keterbatasan akses, rangkuman yang tidak akurat), manfaat utama seperti “Cognitive Offloading”, dan “Aspirasi untuk Integrasi Ekosistem Penelitian Holistik” yang kuat, termasuk dukungan analitik tingkat lanjut. Penelitian ini mengidentifikasi kebutuhan pengguna yang krusial, mengusulkan rekomendasi untuk asisten AI yang mengatasi masalah spesifik dan selaras dengan ekspektasi untuk kegunaan, utilitas, dan dukungan kognitif tingkat lanjut, sehingga mendorong kemitraan penelitian manusia-AI yang lebih efektif.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Artificial Intelligence assistant, literature reviews, Human-Centered Artificial Intelligence, Adoption of Innovation, Asisten Kecerdasan Buatan, tinjauan pustaka, Kecerdasan Buatan yang Berpusat pada Manusia, Adopsi Inovasi
Subjects:	L Education > LC Special aspects of education > LC156 Literacy T Technology > T Technology (General) > T58.8 Productivity. Efficiency T Technology > T Technology (General) > T59.7 Human-machine systems.
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Holy Rhema Soegiantoro
Date Deposited:	18 Jul 2025 06:58
Last Modified:	18 Jul 2025 06:58
URI:	http://repository.its.ac.id/id/eprint/120054

Actions (login required)

View Item