在高风险软件工程工作中对协作自动化的信任:NASA的一个案例研究
作者
可解释人工智能(XAI)AI 辅助决策与自动化系统算法透明度与可审计性软件工程师与开发者HCI 研究员
文献标题
Trust in Collaborative Automation in High Stakes Software Engineering Work: A Case Study at NASA
文献信息
- 主题领域: 人机交互、信任建模、自动化软件工程
- 关键词: 信任, 自动化, 工具, 软件工程, 人类行为研究, 案例研究, NASA, 高风险系统
研究背景与问题
- 问题与挑战:
- 随着软件开发工具的自动化程度增加,工程师对这些工具的信任变得尤为重要,但如何建立这种信任仍然是挑战。
- 在应用场景中,不恰当的信任(过度信任或缺乏信任)可能导致负面后果,如过度检查浪费时间或未发现关键问题。
- 现有研究大多集中于封闭的实验室环境,缺乏对于实际软件工程工作场景中信任开发机制的研究。
- 研究的重要性:
- 高风险场景(如航天任务)下,工程师对自动化工具的不信任可能直接导致任务失败,产生巨大的成本和声誉损失。
- 通过了解软件工程师如何发展对工具的信任,可以改善工具的设计,从而提高效率和可靠性。
- 研究动机与相关工作:
- 当前关于自动化系统信任的研究主要集中在军事或封闭环境中,未涉及软件工程领域。
- 与现有工作相比,该研究聚焦于开发高度自动化工具的信任因子的场景特性。
解决方案
-
研究方法: 作者提出了一种基于纵向多方法的民族志研究,聚焦真实场景中(NASA)工程师和自动化工具的交互,采用以下质性方法:
- 深入访谈(semi-structured interview)分析信任的不同层面。
- 用户操作研究(Think Aloud Study),观察工程师首次使用新工具的交互。
- 观察参与者的工作实践和文化背景,提取影响信任的潜在因子。
-
创新之处:
- 提出了“协作信任”的概念,将信任视为人与自动化工具之间的动态协作,而非对单个系统的静态信任。
- 综合了透明度、可用性、社会/组织因素及流程化因素来全面解构信任的形成机制,框架化研究结果。
-
主要技术与实施步骤:
- 在10周内结合访谈、观察、用户研究方法,逐步确认对于自动化工具信任的16个影响参数。
- 采用迭代的主题分析法对数据进行编码和整理,从多个角度揭示信任发展路径。
- 对“任务证明性(Mission Proven)”、“组织投资”等特定信任指标进行了详细说明。
研究成果
-
取得的具体成果:
- 阐明了影响工程师对软件自动化工具信任的四大维度(透明度、可用性、社会因素、流程化因素)及其16个具体表现:
- 透明度: 可见性、反馈、文档与培训、长期使用经验。
- 可用性: 系统复杂性、错误(bug)透明度、直观性。
- 社会因子: 同事的使用经验与推荐(endorsement)、开发者背景与信誉。
- 流程化信任: 系统测试程度、是否经过任务验证等。
- 提出了具体场景中工程师如何迭代信任形成的动态路径,并强调了在难以试错环境下信任发展的社会嵌入性。
- 阐明了影响工程师对软件自动化工具信任的四大维度(透明度、可用性、社会因素、流程化因素)及其16个具体表现:
-
比较优势:
- 提供了一个不同于传统实验室研究的新框架(研究现场为NASA的航天任务中心),揭示了真实高风险场景下工具信任形成的细腻细节。
- 对“信任不是对工具本身,而是对协作过程的信任”的创新视角,填补了当前关于软件工程场景研究的空白。
-
实验或评估结果:
- 实证发现表明具有高透明度、任务验证性和组织支持的工具更容易被信任。
- 新工具采用时,复杂性和“未知的bug”成为显著障碍,凸显了改进反馈机制与简化操作设计的必要性。
-
局限性与未来方向:
- 该研究通过长时间的现场观察与访谈获取数据,具有较强的情境依赖性,因此结果可能需要谨慎推广到其他领域。
- 建议未来的研究进一步验证“协作信任”模型的适用性,可应用于其他知识密集型领域。
- 同时探索降低复杂性及提高用户初期信任的技术、设计支持要素。
参考价值
该论文不仅对信任建模问题提供了深刻启示,还为软件工程工具的设计与评价提供了具有实用价值的参考框架,尤其具有在高风险领域(如航天、医药)中指导工具设计的潜力。
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。
help
研究问题
3- 在高风险的软件工程场景中,工程师如何建立对自动化工具的信任?分类: 编程助手与多轮代码支持同类问题arrow_forward
- 哪些因素影响工程师对自动化工具的信任形成和发展?分类: 编程助手与多轮代码支持同类问题arrow_forward
- 能否有效将“协作信任”模式应用于高风险领域的软件工具设计中?分类: 编程助手与多轮代码支持同类问题arrow_forward
lightbulb
现实痛点
1- 工程师在高风险任务中不信任自动化工具,可能导致效率低下甚至任务失败。分类: 编程助手与多轮代码支持同类问题arrow_forward
- 100%
人力资源管理中的人机交互:理解员工为何抵制工作场所的算法评估以及如何减轻负担
CHI '21· 可解释人工智能(XAI) +2
- 83%
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
- 80%
好奇心特质与按需解释在AI辅助决策中的影响
IUI '25· 可解释人工智能(XAI) +1
- 67%
可解释、可问责和可理解系统的趋势与轨迹:一项HCI研究议程
CHI '18· 可解释人工智能(XAI) +2
- 67%
分歧去卷积:将机器学习性能指标与现实接轨
CHI '21· 可解释人工智能(XAI) +1
- 67%
《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
- 67%
对协议逆向工程自动化中的交互和信息需求的调查
CHI '25· 可解释人工智能(XAI) +2
- 67%
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
- 67%
采样、引导与排序:利用可解释GAN控制进行探索性搜索
IUI '24· 生成式AI(文本、图像、音乐、视频) +2
- 67%
KondoCloud:通过基于文件相似性的推荐改进云存储信息管理
UIST '21· 可解释人工智能(XAI) +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/10.1145/3411764.3445650
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
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)、AI 辅助决策与自动化系统、算法透明度与可审计性
work
职业/产业
软件工程师与开发者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文