研究论文

公共访问

人们在认知上参与人工智能吗？人工智能辅助对偶然学习的影响

作者:

Krzysztof Z公司。加若和

莉娜马米金娜作者信息和声明

IUI’22：第27届智能用户界面国际会议记录

2022年3月

页794-806

https://doi.org/10.1145/3490099.3511138

出版:2022年3月22日出版历史

所有格式 PDF格式

摘要

当人们在做出困难决策的同时接受建议时，他们往往会在此时做出更好的决策，并在决策过程中增加自己的知识。然而，这种偶然的学习只有当人们认知地参与到他们接收到的信息中并深思熟虑地处理这些信息时才会发生。人们是如何处理从人工智能中获得的信息和建议的，他们是否充分参与其中，从而实现学习？为了回答这些问题，我们进行了三个实验，要求个体做出营养决策，并接受人工智能的模拟建议和解释。在第一个实验中，我们发现，当人们在做出选择之前，既有建议又有解释时，他们会做出比没有得到帮助时更好的决定，但他们没有学习。在第二个实验中，参与者首先做出自己的选择，然后才看到AI的建议和解释；这种情况也导致了决策的改进，但没有学习。然而，在我们的第三个实验中，参与者只得到了人工智能的解释，但没有得到建议，必须做出自己的决定。这种情况导致了更准确的决策和学习收益。我们假设，这种情况下的学习收益是由于更深入地参与决策所需的解释。这项工作提供了一些迄今为止最直接的证据，表明将解释与人工智能生成的建议结合起来可能不足以确保人们认真参与人工智能提供的信息。这项工作还提出了一种技术，可以实现附带学习，并暗示可以帮助人们更仔细地处理AI建议和解释。

工具书类

[1]

大卫·阿尔瓦雷兹·梅利斯（David Alvarez-Melis）、哈尔·达美三世（Hal DauméIII）、詹妮弗·沃特曼·沃恩（Jennifer Wortman Vaughan）和汉娜·瓦拉赫（Hanna Wallach）。2019.证据权重作为以人为本的解释基础。arXiv预印arXiv:1910.13503（2019）。

[2]

约翰·安德森（John R Anderson）和林恩·雷德（Lynne M Reder）。1979年，对加工深度的详细加工解释。法律。；S.Cermak和FIM Craik编辑，《人类记忆中的处理水平》（Erlbam，1979）（1979），第385–404页。

[3]

James J Appleton、Sandra L Christenson、Dongjin Kim和Amy L Reschly。2006.测量认知和心理投入：学生投入工具的验证。《学校心理学杂志》44，5（2006），427-445。

[4]

Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro和Daniel S。焊接。2021.整体超越了部分吗？人工智能解释对互补团队绩效的影响。在CHI’21会议记录中。

数字图书馆

[5]

David W Bates、David Levine、Ania Syrowatka、Masha Kuznetsova、Kelly Jean Thomas Craig、Angela Rui、Gretchen Purcell Jackson和Kyu Rhee。2021.人工智能改善患者安全的潜力：范围界定综述。NPJ数字医学4，1（2021），1-8。

[6]

露西·M·柏林和罗宾·杰弗里斯。1992.顾问和学徒：关于学习和协作解决问题的观察。1992年ACM计算机支持的合作工作会议记录。130–137。

数字图书馆

[7]

Sven Bertel、Thomas Dressel、Tom Kohlberg和Vanessa von，2017年1月。从步行城市导航系统获取的空间知识。《第19届移动设备和服务人机交互国际会议论文集》（奥地利维也纳）（MobileHCI’17）。美国纽约州纽约市计算机协会，第32条，共6页。https://doi.org/10.1145/3098279.3098543

数字图书馆

[8]

Zana Buçinca、Phoebe Lin、Krzysztof Z。Gajos和Elena L。格拉斯曼。2020年。在评估可解释的人工智能系统时，代理任务和主观测量可能会误导。第25届智能用户界面国际会议（IUI'20）会议记录。美国纽约州纽约市ACM。

数字图书馆

[9]

Zana Buccinca、Maja Barbara Malaya和Krzysztof Z。加霍斯。2021.信任或思考：认知强迫功能可以减少人工智能辅助决策中对人工智能的过度依赖。程序。ACM休姆-计算。互动。5，CSCW1，第188条（2021年4月），21页。https://doi.org/10.1145/3449287

数字图书馆

[10]

Marissa Burgermaster，Krzysztof Z。Gajos、Patricia Davidson和Lena Mamykina。2017.解释在关于营养的临时观察学习中的作用。2017年CHI计算机系统人为因素会议记录（美国科罗拉多州丹佛）（CHI'17）。美国纽约州纽约市ACM，4097–4145。https://doi.org/10.1145/3025453.3025874

数字图书馆

[11]

阿德里安·巴斯森（Adrian Bussone）、西蒙·斯顿夫（Simone Stumpf）和戴姆普娜·奥沙利文（Dympna O'Sullivan）。2015.解释信任和依赖在临床决策支持系统中的作用。2015年国际医疗信息学会议。IEEE，160–169。

数字图书馆

[12]

约翰·T。Cacioppo和Richard E。次要的。1982年认知的需要。《人格与社会心理学杂志》42，1（1982），116–131。https://doi.org/10.1037/0022-3514.42.116

[13]

J T Cacioppo、R E Petty和C F Kao。1984.认知需求的有效评估。《人格评估杂志》48，3（1984），306–307。https://doi.org/10.10207/s15327752jpa4803_13

[14]

朱塞佩·卡里尼。2001.认知需求对动态查询使用的影响分析。在CHI’01《计算机系统中人为因素的扩展摘要》（西雅图，华盛顿）（CHI EA’01）中。ACM，美国纽约州纽约市，383–384。https://doi.org/10.1145/634067.634293

数字图书馆

[15]

Michelene TH Chi和Ruth Wylie。2014.ICAP框架：将认知参与与积极学习成果联系起来。教育心理学家49，4（2014），219–243。

[16]

Michelene T H Chi公司。2009年，《积极-建设-互动：区分学习活动的概念框架》。认知科学专题1，1（2009），73-105。https://doi.org/10.1111/j.1756-8765.2008.01005.x

[17]

雅各布·科恩。1988年，《行为科学的统计力量分析》（第二版）。Lawrence Erlbaum Associates公司。

[18]

Devleena Das和Sonia Chernova。2020年。利用基本原理改进人工任务绩效。第25届智能用户界面国际会议论文集（意大利卡利亚里）（IUI'20）。美国纽约州纽约市计算机协会，510-518。https://doi.org/10.1145/3377325.3377512

数字图书馆

[19]

Pooja M。埃利奥特·德赛（Elliot G.Desai）。玛丽亚·米切尔。马修·黄（Matthew E.Hwang）。大卫·J·莱文。阿尔伯斯和莉娜·马米基纳。2019.个人健康预言家：探索糖尿病自我管理中的个性化预测。2019年CHI计算机系统人为因素会议记录（英国苏格兰格拉斯哥）（CHI'19）。美国纽约州纽约市计算机协会，1-13。https://doi.org/10.1145/3290605.3300600

数字图书馆

[20]

Sanorita Dey、Karrie Karahalios和Wai-Tat Fu。2018年，《实现目标及超越：导航界面中随转方向和位置更新的空间知识偶然学习》（Getting There and Beyond:Incidential Learning of Spatial Knowledge with Turn-by-Turn Directions and Location Updates in Navigation Interfaces）。空间用户交互研讨会论文集（德国柏林）（SUI'18）。美国纽约州纽约市计算机协会，100-110。https://doi.org/10.1145/3267782.3267783

数字图书馆

[21]

Amit Dhurandhar、Pin-Yu Chen、Ronny Luss、Chun-Chen Tu、Paisun Ting、Karthikeyan Shanmugam和Payel Das。2018年。基于缺失的解释：与相关否定的对比解释。神经信息处理系统进展。592–603.

[22]

里卡多·福利亚托（Riccardo Fogliato）、亚历山德拉·乔尔德科娃（Alexandra Chouldechova）和扎卡里·利普顿（Zachary Lipton）。2021.算法风险评估对人类预测的影响及其通过众包研究的分析。程序。ACM休姆-计算。互动5，CSCW2（2021年10月）。https://doi.org/10.1145/3479572arxiv公司：2109.01443

数字图书馆

[23]

凯瑟琳·奥弗里茨（Catherine O Fritz）、彼得·莫里斯（Peter E Morris）和詹妮弗·理查德（Jennifer J Richler）。2012年。效应大小估计：当前用途、计算和解释。实验心理学杂志：General 141，1（2012），2。

[24]

Krzysztof Z公司。加霍斯和克雷斯塔·昌西。2017.人格特征和认知负荷对自适应用户界面使用的影响。第22届智能用户界面国际会议记录（利马索尔，塞浦路斯）（IUI'17）。ACM，美国纽约州纽约市，301-306。https://doi.org/10.1145/3025171.3025192

数字图书馆

[25]

Krzysztof Z公司。加霍斯、凯萨琳娜·雷内克、玛丽·多诺万、克里斯托弗·D。阿尔伯特·Y·斯蒂芬。Jeremy D.洪。Schmahmann和Anoopum S。古普塔。2020年。使用电脑鼠标可捕获共济失调和帕金森综合征，实现精确测量和检测。运动障碍35（2020年2月），354-358。第2版。https://doi.org/10.1002/mds.27915

[26]

Laura Germine、Ken Nakayama、Bradley C Duchaine、Christopher F Chabris、Garga Chatterjee和Jeremy B Wilmer。2012.网络和实验室一样好吗？网络和实验室在认知/感知实验中的可比性能。《心理学公报与评论》19，5（2012），847–857。

[27]

Bhavya Ghai、Q.Vera Liao、Yunfeng Zhang、Rachel Bellamy和Klaus Mueller。2021.可解释的主动学习（XAL）：将人工智能解释作为机器教师的接口。程序。ACM休姆-计算。互动。4，CSCW3，第235条（2021年），28页。https://doi.org/10.1145/3432934

数字图书馆

[28]

本·格林。2021.需要人为监督政府算法的政策缺陷。SSRN（2021）提供。

[29]

Ben Green和Yiling Chen。2019.最终决策中算法的原则和限制。《美国计算机学会人机交互会议录》3，CSCW（2019），1-24。

数字图书馆

[30]

Barbara A Greene、Raymond B Miller、H Michael Crowson、Bryan L Duke和Kristine L Akey。2004.预测高中生的认知参与和成就：课堂感知和动机的贡献。当代教育心理学29，4（2004），462-482。

[31]

Bernd Huber和Krzysztof Z Gajos。2020年。使用未补偿、无监督的样本进行在线虚拟环境实验。Plos one 15，1（2020），e0227629。

[32]

Bernd Huber、Katharina Reinecke和Krzysztof Z。加霍斯。2017.绩效反馈对志愿者在线实验平台社交媒体分享的影响。2017年CHI计算机系统人为因素会议记录（美国科罗拉多州丹佛）（CHI'17）。ACM，美国纽约州纽约市，1882年至1886年。https://doi.org/10.1145/3025453.3025553

数字图书馆

[33]

Maia Jacobs、Jeffrey He、Melanie F.Pradier、Barbara Lam、Andrew C。托马斯·H·安。罗伊·H·麦考伊。Perlis、Finale Doshi-Velez和Krzysztof Z。加霍斯。2021.在时间约束的医疗决策中为信任和协作设计人工智能：社会技术视角。2021年CHI计算机系统人为因素会议记录。美国纽约州纽约市计算机协会，第659条，14页。https://doi.org/10.1145/3411764.3445385

数字图书馆

[34]

梅兰妮·雅各布斯。Pradier、Thomas H.McCoy Jr、Roy H。Perlis、Finale Doshi-Velez和Krzysztof Z。加霍斯。2021.机器学习建议如何影响临床医生的治疗选择：抗抑郁药选择的例子。转化精神病学11（2021）。https://doi.org/10.1038/s41398-021-01224-x

[35]

埃塞·卡马尔。2016.混合智能方向：用人类智能补充人工智能系统。在IJCAI。4070–4073.

[36]

Ece Kamar、Severin Hacker和Eric Horvitz。2012年，在大规模众包中结合人机智能。第11届国际自治代理和多代理系统会议记录-第1卷。国际自治代理和多代理系统基金会，467–474。

[37]

史蒂文·科马洛夫（Steven Komarov）、凯萨琳娜·雷内克（Katharina Reinecke）和克日什托夫（Krzysztof Z）。加霍斯。2013年，用户界面的众包绩效评估。《SIGCHI计算机系统人为因素会议论文集》（巴黎，法国）（CHI'13）。ACM，美国纽约州纽约市，207-216。https://doi.org/10.1145/2470654.2470684

数字图书馆

[38]

本杰明·克拉普（Benjamin Krarup）、迈克尔·卡什摩尔（Michael Cashmore）、丹尼尔·马加泽尼（Daniele Magazzeni）和蒂姆·米勒（Tim Miller）。2019.基于模型的可解释规划对比解释。在ICAPS 2019可解释人工智能规划（XAIP）研讨会上。

[39]

Vivian Lai、Han Liu和Chen hao Tan。2020年。“为什么‘芝加哥’是骗人的？”面向构建面向人类的模型驱动教程。《2020年CHI计算机系统人为因素会议论文集》（美国夏威夷州火奴鲁鲁）（CHI'20）。美国纽约州纽约市计算机机械协会，1-13。https://doi.org/10.1145/3313831.3376873

数字图书馆

[40]

赖薇薇和谭晨浩。2019.关于人类预测以及机器学习模型的解释和预测：欺骗检测的案例研究。在公平、问责制和透明度会议记录中。29–38.

数字图书馆

[41]

Rachel Lam和Kasia Muldner。2017年。在准备协作任务时操纵认知投入以及对学习的影响。学习与指导52（2017），90–101。

[42]

Edith Law、Ming Yin、Joslin Goh、Kevin Chen、Michael A。Terry和Krzysztof Z。加霍斯。2016年，好奇心杀死了猫，但让群众工作变得更好。在2016年计算机系统中的人为因素CHI会议记录（美国加利福尼亚州圣克拉拉）（CHI'16）。美国纽约州纽约市ACM，4098–4110。https://doi.org/10.1145/2858036.2858144

数字图书馆

[43]

李启生，Krzysztof Z。加霍斯和凯萨琳娜·雷内克。2018年，基于志愿者的老年人和残疾人在线研究。在第20届国际ACM SIGACCESS计算机和无障碍会议（爱尔兰戈尔韦）（ASSETS’18）的会议记录中。ACM，美国纽约州纽约市，229-241。https://doi.org/10.1145/3234695.3236360

数字图书馆

[44]

李启生（Qisheng Li）、赵成军（Sung Jun Joo）、杰森·德耶特曼（Jason D Yeatman）和凯萨琳娜·雷内克（Katharina Reinecke）。2020年。使用虚拟枕控制参与者在大范围心理物理在线实验中的视距。科学报告10，1（2020），1-11。

[45]

彼得·利普顿。1990年。对比解释。皇家哲学研究所补编27（1990），247-266。

[46]

Prashan Madumal、Tim Miller、Liz Sonenberg和Frank Vetere。2020年。通过因果透镜进行可解释的强化学习。第三十四届AAAI人工智能会议论文集。https://arxiv.org/abs/1905.10958

[47]

维多利亚·J·。Marsick和Karen E。沃特金斯。2001.非正式和附带学习。成人和继续教育新方向2001，89（2001），25。https://doi.org/10.1002/ace.5

[48]

Victoria J Marsick、Karen E Watkins、Ellen Scully Russ和Aliki Nicolaides。2017年，从复杂性和社会背景的角度重新思考非正式和附带学习。《成人学习、知识与创新杂志》1，1（2017），27-34。

[49]

杰弗里·德·马克思和凯伦·卡明斯。2007年，规范化变更。《美国物理杂志》75，1（2007），87–91。

[50]

蒂姆·米勒。2018.对比解释：结构模型方法。arXiv预印arXiv:1811.03163（2018）。

[51]

蒂姆·米勒。2019.人工智能解释：来自社会科学的见解。人工智能267（2019），1-38。https://doi.org/10.1016/j.artint.2018.07.007阿西夫：1706.07269

[52]

Stefan Münzer、Hubert D Zimmer和Jörg Baus。2012.导航辅助：在寻路支持和配置学习支持之间进行权衡。实验心理学杂志：应用18，1（2012），18。

[53]

阿兰·德·卡塔利多·马斯托。Starke、Christoph Trattner、Amon Rapp和Giovanni Semeraro。2021.探索自然语言证明在食物推荐系统中的作用。第29届ACM用户建模、自适应和个性化会议论文集。美国纽约州纽约市计算机协会，147-157。https://doi.org/10.1145/3450613.3456827

数字图书馆

[54]

Joon Sung Park、Rick Barber、Alex Kirlik和Karrie Karahalios。2019.慢算法提高了用户对算法准确性的评估。程序。ACM休姆-计算。互动。3，CSCW，第102条（2019年11月），15页。https://doi.org/10.1145/3359204

数字图书馆

[55]

理查德·E。佩蒂和约翰·T。卡奇奥波。1986年，说服的精化可能性模型。《沟通与说服》19（1986），1-24。https://doi.org/10.1007/978-1-4612-4964-1_1arxiv:arxiv:1011.1669v3

[56]

Inioluwa Deborah Raji、Andrew Smart、Rebecca N。怀特（White）、玛格丽特·米切尔（Margaret Mitchell）、蒂姆尼特·盖布鲁（Timnit Gebru）、本·哈钦森（Ben Hutchinson）、贾米拉·史密斯-卢德（Jamila Smith-Loud）、丹尼尔·塞隆（Daniel Theron）和帕。2020年，缩小人工智能责任差距：定义内部算法审计的端到端框架。《2020年公平、问责制和透明度会议记录》（西班牙巴塞罗那）（FAT*'20）。美国纽约州纽约市计算机机械协会，33-44。https://doi.org/10.1145/3351095.3372873

数字图书馆

[57]

Katharina Reinecke和Krzysztof Z。加霍斯。2014.量化全球的视觉偏好。《SIGCHI计算机系统人为因素会议论文集》（加拿大安大略省多伦多）（CHI'14）。ACM，美国纽约州纽约市，11–20。https://doi.org/10.1145/2556288.2557052

数字图书馆

[58]

Katharina Reinecke和Krzysztof Z。加霍斯。2015.LabintheWild：使用未补偿样本进行大规模在线实验。《第18届ACM计算机支持合作工作与社会计算会议论文集》（加拿大不列颠哥伦比亚省温哥华）（CSCW’15）。ACM，美国纽约州纽约市，1364-1378年。https://doi.org/10.1145/2675133.2675246

数字图书馆

[59]

Jerome I Rotgans和Henk G Schmidt。2011.基于问题的学习课堂中的认知参与。《健康科学教育进展》16，4（2011），465–479。

[60]

卡塔·斯皮尔（Oliver L.Katta Spiel）。海姆森和丹妮尔·洛特里奇。2019.《如何在调查中更好地处理性别问题：HCI研究人员指南》。互动26，4（2019年6月），62-65。https://doi.org/10.1145/3338283

数字图书馆

[61]

马西耶·托姆恰克和埃瓦·托姆扎克。2014年，重新审查了报告影响规模估算的必要性。效果大小的一些建议度量的概述。《体育科学趋势》1，21（2014），19-25。

[62]

米歇尔·瓦卡罗和吉姆·沃尔多。2019.混合机学习和人类判断的影响。Commun公司。ACM 62，11（2019），104–110。

数字图书馆

[63]

贾斯珀·范德瓦阿（Jasper van der Waa）、马塞尔·罗伯尔（Marcel Robeer）、尤里安·范·迪格伦（Jurrian van Diggelen）、马蒂厄·布林库斯（Matthieu Brinkhuis）和马克·内林克斯（Mark Neerincx。2018年。与当地箔树的对比说明。arXiv预印arXiv:1806.07470（2018）。

[64]

巴斯·范·弗拉森。1988年，语用解释理论。解释理论8（1988），135-155。

[65]

Tiffany C Veinot、Hannah Mitchell和Jessica S Ancker。2018年。仅凭善意是不够的：信息学干预如何加剧不平等。《美国医学信息学协会杂志》25，8（2018），1080–1088。

[66]

张云峰、Q.Vera Liao和Rachel K.E。贝拉米。2020年AI辅助决策中置信度和解释对准确性和信任度校准的影响。《2020年公平、问责制和透明度会议记录》（西班牙巴塞罗那）（FAT*'20）。美国纽约州纽约市计算机协会，295-305。https://doi.org/10.1145/3351095.3372852

数字图书馆

引用人

戈亚尔N鲍姆勒CNguyen T公司达美三世H(2024)解释对人类AI决策中公平性的影响：保护特征与代理特征第29届智能用户界面国际会议记录10.1145/3640543.3645210(155-180)在线发布日期：2024年3月18日
https://dl.acm.org/doi/10.1145/3640543.3645210
E J公司日元泛I林G李明（Li M）金H陈M夏H道琼斯指数(2024)何时给予反馈：探索设计反馈时机的权衡第十六届创造力与认知会议记录10.1145/3635636.3656183(292-310)在线发布日期：2024年6月23日
https://dl.acm.org/doi/10.1145/3635636.3656183
李·Y儿子K金·T金·J钟J阿达尔E金·J(2024)一对多：从多个错误且不一致的AI世代中理解准确信息2024年ACM公平、问责制和透明度会议记录10.1145/3630106.3662681(2518-2531)在线发布日期：2024年6月3日
https://dl.acm.org/doi/10.1145/3630106.3662681
显示更多引用者

索引术语

人们在认知上参与人工智能吗？人工智能辅助对附带学习的影响

索引项已通过自动分类分配给内容。

建议

优化决策者的内在动机以实现有效的人机决策
CHI EA’24：2024年CHI计算机系统人为因素会议的扩展摘要
人工智能建议越来越多地被纳入决策过程，但有证据表明，决策者往往很难有效地整合这些建议，从而导致过度依赖或未充分利用人工智能的倾向。我的研究对我们的领域提出了挑战。。。
阅读更多信息
欺诈检测中以用户为中心的可解释人工智能的设计原则
人机交互中的人工智能
摘要
专家依靠欺诈检测和决策支持系统来分析欺诈案件，这是数字零售和银行业中日益严重的问题。随着用于决策支持的人工智能（AI）的出现，这些专家面临着黑盒问题。。。
阅读更多信息
时间压力下人工智能辅助决策中的精确时间权衡
IUI’24：第29届智能用户界面国际会议记录

在用户既需要高精度又有时间压力的环境中，例如医生在急诊室工作，我们希望提供AI帮助，既提高决策准确性，又减少决策时间。当前文献集中于。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

IUI’22：第27届智能用户界面国际会议记录

2022年3月

888页

十亿英镑：9781450391443

内政部：10.1145/3490099

版权所有©2022 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

赞助商

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2022年3月22日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

资金来源

国家科学基金会

会议

IUI’22年

主办单位：

IUI’22：第27届智能用户界面国际会议

2022年3月22日至25日

芬兰赫尔辛基

接受率

2811份提交文件中的总体接受率为746份，占27%

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

22
引文总数
查看引文
1,935
总下载次数

下载次数（过去12个月）1,390
下载次数（最近6周）190

其他指标

查看作者指标

引文

引用人

戈亚尔N鲍姆勒CNguyen T公司达美三世H(2024)解释对人类AI决策中公平性的影响：保护特征与代理特征第29届智能用户界面国际会议记录10.1145/3640543.3645210(155-180)在线发布日期：2024年3月18日
https://dl.acm.org/doi/10.1145/3640543.3645210
E J公司日元泛I林G李明（Li M）金H陈M夏H道琼斯指数(2024)何时给予反馈：探索设计反馈时机的权衡第十六届创造力与认知会议记录10.1145/3635636.3656183(292-310)在线发布日期：2024年6月23日
https://dl.acm.org/doi/10.1145/3635636.3656183
李·Y儿子K金·T金·J钟J阿达尔E金·J(2024)一对多：从多个错误且不一致的AI世代中理解准确信息2024年ACM公平、问责制和透明度会议记录10.1145/3630106.3662681(2518-2531)在线发布日期：2024年6月3日
https://dl.acm.org/doi/10.1145/3630106.3662681
阿什克托拉布Z班萨尔G布辛卡Z霍尔斯坦K赫尔曼J史密斯-伦纳AWu T公司张W(2024)不断发展的人-人工作流（TREW）中的信任和依赖2024年CHI计算机系统人为因素会议的扩展摘要10.1145/3613905.3636319(1-6)在线发布日期：2024年5月11日
https://dl.acm.org/doi/10.1145/3613905.3636319
杨MArai H公司山下NBaba Y公司(2024)公平的机器指导，以增强偏见人群的公平决策CHI计算机系统人为因素会议记录10.1145/3613904.3642627(1-18)在线发布日期：2024年5月11日
https://dl.acm.org/doi/10.1145/3613904.3642627
荣YLeemann T公司Nguyen T公司菲德勒L钱鹏Unhelkar五世塞德尔TKasneci G公司Kasneci E公司(2024)走向以人为中心的可解释人工智能：模型解释用户研究综述IEEE模式分析和机器智能汇刊10.1109/TPAMI.2023.333184646:4(2104-2122)在线发布日期：2024年4月1日
https://dl.acm.org/doi/10.1109/TPAMI.2023.3331846
罗伊格·PAlcaraz S公司吉利·K伯纳德CJuiz C公司(2023)具有冗余环拓扑的边缘数据中心的形式代数模型网络10.3390/网络3010007三:1(142-157)在线发布日期：2023年1月30日
https://doi.org/10.3390/network3010007
霍夫曼R贾拉扬M泰特美术馆C克莱因G米勒S(2023)评估机器生成的解释：XAI测量科学的“记分卡”方法计算机科学前沿10.3389/fc比较2023.11148065在线发布日期：2023年5月9日
https://doi.org/10.3389/fcomp.2023.1114806（网址：https://doi.org/10.3389/fcomp.2023.1114806）
斯坦弗斯M库马尔A(2023)AI辅助决策面临的三大挑战心理学观点10.1177/17456916231181102在线发布日期：2023年7月13日
https://doi.org/10.1177/17456916231181102
德布里托·杜阿尔特R科雷亚F阿里亚加·P派瓦A(2023)人工智能信任：可解释的人工智能能增强保证信任吗？人类行为与新兴技术10.1155/2023/46376782023(1-12)在线发布日期：2023年10月31日
https://doi.org/10.1155/2023/4637678
显示更多引用者

视图选项

视图选项

PDF格式

以PDF文件的形式查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看本文HTML格式格式。

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子