《应该信任你还是信任人工智能?》——混合人机团队中领导者的信任与感知研究
人-机器人协作(HRC)AI 辅助决策与自动化系统可解释人工智能(XAI)AI/ML 研究员与工程师HCI 研究员软件工程师与开发者
文献标题
"Should I Rely on You or the AI? Leaders' Trust and Perceptions in Mixed Human-AI Teams"
出版信息
- 主题领域: 层级混合团队中的人机协作。
- 关键词: 人机团队、信任、领导力、能力、诚信、层级团队、混合团队、人机协作、ABI框架、BW4T测试平台。
背景与问题
- 问题/挑战: 对层级混合人机团队的理解有限,尤其是人类领导者如何根据能力和诚信管理并信任人类与代理跟随者。
- 重要性: 随着自主代理在工业和组织环境中与人类协作的日益增多,理解信任动态对于人机团队的有效协调和采用至关重要。
- 动机与相关研究: 现有研究主要集中于二元人机交互或同质团队,尚未充分探讨层级混合团队。ABI框架已被应用于自动化信任,但其在层级混合团队中的作用仍需进一步研究。
解决方案
- 提出的方法: 使用BW4T测试平台进行实验室研究,模拟层级混合人机团队,基于能力和诚信研究领导者对人类和代理跟随者的信任与感知。
- 创新点:
- 对层级混合人机团队信任动态的实证研究。
- 识别影响领导者评估的能力和诚信相关主题。
- 混合方法分析领导者对人类与代理跟随者的偏好及定性反思。
- 实验流程与关键技术:
- 团队由一名人类领导者、一名人类跟随者和两名代理跟随者组成,完成一个搬运方块任务。
- 代理分为三种类型:高诚信-高能力(HI-HA)、高诚信-低能力(HI-LA)、低诚信-高能力(LI-HA)。
- 通过问卷调查、任务完成时间和主题分析测量信任、表现、偏好及定性评论,涵盖六种实验条件。
结果
- 具体发现:
- 人类跟随者的信任在各条件下保持稳定且较高,而代理跟随者的信任因类型显著变化(HI-HA > HI-LA > LI-HA)。
- 领导者更偏好人类跟随者,即使代理表现出更高的能力和诚信。
- 团队信任与代理跟随者的信任一致,在“双HI-HA”条件下最高,在“双LI-HA”条件下最低。
- 任务完成时间在“双HI-HA”条件下最短,在“双HI-LA”条件下最长。
- 相较基线的优势:
- 尽管代理具有更高的记忆力和可靠性,人类跟随者仍被优先选择,突显适应性和群体相似性的重要性。
- HI-LA代理比LI-HA代理更受信任,强调诚信在代理信任中的关键作用。
- 实验/评估:
- 参与者:72人(36名领导者)。
- 测量指标:信任评分、任务完成时间、偏好得分、定性评论的主题分析。
- 操作变量:代理能力(记忆容量)和诚信(指令遵从性)。
- 局限性与未来工作:
- 研究集中于领导者视角,未来应纳入跟随者数据。
- 仅限于2H-2A团队结构,需探索其他构成及共领导情境。
- 使用基于规则的代理,未来研究应考察由LLM驱动的更复杂AI角色。
- 短期研究,需调查善意和社会动态的长期影响。
总结
本研究探讨了层级混合人机团队中的信任与感知,揭示了领导者对人类与代理跟随者的不同期望。人类领导者因人类跟随者的适应性和主动行为而持续偏好他们,而对代理的信任则高度依赖其诚信。研究结果强调了人机团队设计需结合人类的情境灵活性与代理的可控性和精确性。未来研究应探索多样化团队结构、长期动态及高级AI角色,以优化混合人机协作。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 83%
《你真的确定吗?》理解人类自我信心校准在人工智能辅助决策中的影响
CHI '24· 可解释人工智能(XAI) +1
- 83%
REX:设计以用户为中心的修复和解释以应对机器人故障
DIS '24· 可解释人工智能(XAI) +2
- 83%
通过控制屏障函数屏蔽增强学习演示算法的安全性
HRI '24· AI 辅助决策与自动化系统 +1
- 83%
我信任我的机器队友吗?从感知到决策的探讨
IUI '19· 可解释人工智能(XAI) +2
- 71%
通过交互重建评估生成模型的可解释性
CHI '21· 可解释人工智能(XAI) +2
- 71%
PaTAT:具有可解释交互规则合成的人工智能协作定性编码
CHI '23· 可解释人工智能(XAI) +2
- 71%
故障还是就绪?在部署之前处理深度学习计算机视觉模型中的故障:一项关于实践、挑战和需求的研究
CHI '23· 可解释人工智能(XAI) +2
- 71%
人们是否适当依赖人工智能建议?人机交互研究中关于人机决策的分析综述
CHI '26· AI 辅助决策与自动化系统 +2
- 71%
看不见的破坏者:谄媚型大语言模型在问题解决任务中误导新手
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
现在我该怎么办?:协作机器人有效性和效率故障时的人类自发反应
CHI '26· 人-机器人协作(HRC) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790995
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
人-机器人协作(HRC)、AI 辅助决策与自动化系统、可解释人工智能(XAI)
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员、软件工程师与开发者
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文