我们街区的水：与科学家和城市社区共同构建精准天气参与式人工智能系统的反思

文献标题

Water On My Block: Reflections on Building A Participatory Artificial Intelligence System For Precision Weather With Scientists and An Urban Community

出版信息

• 主题领域: 面向城市社区的参与式AI用于超本地气候建模。
• 关键词: 参与式AI，超本地气候模型，精准天气，社区参与，城市洪涝，绿色基础设施，人机交互，数据治理，公民科学，气候服务。

背景与问题

• 问题/挑战: 现有的气候AI系统缺乏对社区级别天气影响的精细建模能力，限制了其在城市社区中的实用性。关于如何实施参与式AI以弥合科学家与社区之间的差距，目前缺乏实用指导。
• 意义: 超本地气候数据可以帮助服务不足的城市社区减轻极端天气的影响，争取资源，并就绿色基础设施做出明智决策。
• 动机与相关工作: 先前的研究探索了参与式设计和公民科学，但对城市环境中的实际参与式AI系统研究较少。现有的努力，例如部署空气质量传感器网络，为研究奠定了基础，但在满足社区特定需求和维持长期参与方面仍存在空白。

解决方案

• 提出的方法: 作者开发了一种参与式AI框架，用于共同设计和实施超本地气候AI系统，重点关注洪涝报告和社区倡导。
• 创新点:
  1. 引入了“精准天气”这一术语，用于描述基于社区级别数据的超本地气候AI模型。
  2. 开发了Water On My Block应用程序，用于收集洪涝报告，并支持科学建模和社区倡导。
  3. 采用了参与式设计流程，通过访谈、工作坊和共同设计会议，结合科学家和社区成员的意见。
  4. 解决了数据治理、隐私以及利益相关者之间信任建立的挑战。
• 流程与关键技术:
  1. 实施了四个研究阶段：关系建立、访谈、社区咖啡馆、应用开发。
  2. 通过访谈和工作坊收集了15位科学家和48位社区成员的意见。
  3. 共同设计了一款洪涝报告应用，包含地图界面、社区动态和倡导工具等功能。
  4. 在经过迭代评估和改进后，将应用的所有权转移给社区合作伙伴。

结果

• 具体发现:
  • 在最终评估中，13/14的参与者认为应用的社区动态功能有价值。
  • 55%的居民更倾向于使用洪涝报告工具，而非其他应用原型。
  • 科学家认为该应用在收集地面真实数据以改进AI模型方面具有潜力。
• 相较基线的优势: 该应用弥合了科学数据需求与社区优先事项之间的差距，为双方创造了可操作的成果。
• 实验/评估:
  • 通过三次社区咖啡馆活动收集了对应用设计和功能的反馈。
  • 与科学家和社区成员一起评估了应用，解决了可用性、隐私和数据治理方面的担忧。
• 局限性与未来工作:
  • 由于时间限制，应用与科学AI模型的整合尚未完全评估。
  • 未来工作可以探索长期可持续性、社区更深入参与AI流程，以及扩展参与式AI方法。

总结

本文展示了一项为期三年的关于超本地气候建模的参与式AI案例研究，聚焦于芝加哥Chatham社区的城市洪涝问题。作者共同设计了Water On My Block应用，使居民能够报告洪涝并争取资源，同时为科学家提供了精准天气AI模型所需的宝贵数据。研究强调了信任建立、数据治理和可操作成果在参与式AI中的重要性。尽管该应用成功对齐了利益相关者的需求，但在扩展此类方法和确保长期可持续性方面仍面临挑战。本研究为HCI研究人员、科学家和政策制定者开发公平、以社区为中心的AI系统提供了实用见解。