lightbulbPractical problem推荐解释与透明性
用户无法清晰理解AI推荐系统的责任归属，特别是在出错时。CSCW '24"Exploring How Users Attribute Responsibilities Across Different Stakeholders in Human-AI Interaction"
AI体验、推荐与协作支持 / 推荐解释与透明性
用户无法清晰理解AI推荐系统的责任归属，特别是在出错时。
Similar questions
lightbulbPractical problem推荐解释与透明性
智能设备屏幕小，用户难以快速理解推荐背后的原因。IUI '25
lightbulbPractical problem推荐解释与透明性
儿童难以理解AI推荐系统，引发隐私和算法认知不足问题。CHI '25
lightbulbPractical problem推荐解释与透明性
设计师难以理解和实际应用透明性标准提升系统透明度。CHI '24
lightbulbPractical problem推荐解释与透明性
学术顾问时间有限，难以兼顾学生的个性化需求和课程规划。CHI '23
lightbulbPractical problem推荐解释与透明性
用户对推荐系统中低质量个性化推荐感到反感可能导致体验不佳。CHI '23
lightbulbPractical problem推荐解释与透明性
用户在使用AI生成的建议时，往往依赖过度而缺乏深层思考。IUI '22