官僚主义作为分析和设计算法系统的镜头
可解释人工智能(XAI)AI 伦理、公平与问责算法透明度与可审计性HCI 研究员社会学家与人类学家
关于算法的学术研究借鉴了算法系统与官僚机构之间的类比来诊断算法决策中的不足。我们进一步扩展这一类比,借鉴米歇尔·克罗齐耶的官僚组织理论来分析算法决策与人类决策权力之间的关系。我们将算法类比为控制行为的公正的官僚规则,并认为在算法系统中,不确定性持续存在的地方会积累自由裁量决策权。本文的关键点与Alkhatib和Bernstein的“基层算法”理论相联系,并强调在算法系统中人类自由裁量的作用是适应刚性算法无法处理的不确定情况。最后,我们讨论了算法系统的分析和设计如何寻求识别和培养重要的不确定性来源,以促进增强系统在面对算法错误时的弹性的自由裁量工作。
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。
- 80%
用户驱动算法审核中的参与和劳动分工:普通用户如何合作揭示算法危害?
CHI '23· AI 伦理、公平与问责 +1
- 67%
通过用户界面解释决策算法:帮助非专家利益相关者的策略
CHI '19· 可解释人工智能(XAI) +1
- 67%
HILL:用于大型语言模型的幻觉识别器
CHI '24· 可解释人工智能(XAI) +2
- 60%
'将一个人简化为一个百分比'; 对算法决策中正义的看法
CHI '18· 可解释人工智能(XAI) +2
- 60%
用户对在线评价平台上算法不透明性和透明性的态度
CHI '19· 可解释人工智能(XAI) +2
- 60%
从终端用户视角看日常场景的可解释人工智能:非使用、顾虑与理想设计
DIS '25· 可解释人工智能(XAI) +2
- 60%
从哲学到界面:一种受Achinstein解释理论启发的解释方法和工具
IUI '21· 可解释人工智能(XAI) +1
- 60%
视觉、文本或混合:用户体验对不同解释效果的影响
IUI '21· 可解释人工智能(XAI) +1
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/10.1145/3313831.3376780
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 伦理、公平与问责、算法透明度与可审计性
work
职业/产业
HCI 研究员、社会学家与人类学家
article
内容状态
仅摘要
hub
相关论文
8 篇相关论文