Ariful Islam Anik 最新论文
Anik 等人研究训练数据集解释的信息深度设计，发现详细解释虽有更高认知负荷，但显著增强用户信任、公平感和理解度，整体优于简洁解释。
Chowdhury 等人系统综述47款应用发现现有技术脱离方案多采用限制性措施，忽视自调节和家长参与，提出支持协作规则制定和自我监测等设计建议。
Anik 等人提出数据为中心的 ML 系统解释方法，通过形成性研究和四个场景调查，表明训练数据解释能影响用户对系统可信度和公平性的判断，提升透明度。
https://hci.top/zh/authors/7705?source=all