提高概念地图中的用户信心:探索数据驱动的解释

可解释人工智能(XAI)算法透明度与可审计性数据科学家与分析师HCI 研究员

自动工具越来越多地被用于生成高度吸引人的概念图,以辅助战略规划和其他决策任务。然而,除非利益相关者能够理解底层布局过程的基本原理,否则我们发现他们缺乏信心,因此不愿意使用这些地图。在本文中,我们通过与十位参与者进行深入的情景访谈,介绍了一项定性研究,探讨了使用数据驱动解释机制对用户信心的影响。为了在刺激和方法上提供多样性,我们使用了两种基于投影和聚合布局方法的解释机制。我们的结果表明,数据驱动的解释以多种方式提高了用户信心,并且过程清晰度和布局密度也影响了用户对概念图可信度的看法。我们讨论了这些因素如何增加自动工具的采用并影响用户信心。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/3577/2018

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
可解释人工智能(XAI)、算法透明度与可审计性
work
职业/产业
数据科学家与分析师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文