使用微型近红外光谱辅助决策中的用户信任

文献标题

利用微型近红外光谱技术进行辅助决策中的用户信任研究

文献信息

• 主题领域: 用户信任与人机交互，微型近红外光谱(NIRS)技术，辅助决策
• 关键词: NIRS, 食品检测, 辅助决策, 用户信任, 可视化设计, 时间分析, 用户体验

研究背景与问题

• 发现的问题或挑战:

  1. 如何在日常生活中设计和实施辅助决策系统以帮助非专业用户（如检测食品中的过敏原，如麸质）。
  2. 当前的研究主要关注于医疗或商业领域的专家场景中，日常生活中的对象识别决策任务研究较少。
  3. 用户界面设计和机器学习模型的可视化在决策效率和用户信任中扮演了关键但未充分探索的角色。

• 研究的重要性:

  1. 在全球食品过敏和健康风险增加的情况下，准确检测食品成分对保障消费者安全至关重要。
  2. 新型微型近红外光谱技术（NIRS）能够提供非专业用户友好的食品成分检测手段，具有广泛应用潜力。

• 研究动机:

  • 针对非专业用户，探讨如何提升NIRS的可用性、决策效能以及用户对该技术的信任度。
  • 研究可能的用户行为偏差（如风险规避），以及决策时间与用户界面因素的影响。
  • 设计更适合日常场景的辅助决策系统。

解决方案

• 提出的方法或解决方案:

  1. 设计并实现了一个实验方案，利用微型NIRS扫描仪检测食品（如玉米饼）是否含有麸质。
  2. 研究不同包装标签条件（英文、俄文、无标签）和三种信息可视化方式（数字、进度条、网格）的影响。
  3. 建立机器学习模型，结合实验数据评估用户的决策准确性、时间消耗和信任行为。

• 创新之处:

  1. 首次分析微型NIRS技术在每日决策任务中的用户信任和使用模式。
  2. 引入了标签语言、置信度可视化等新变量研究其对非专家用户认知和信任的影响。
  3. 提供了针对新兴技术设计有效交互界面的实践性建议。

• 实施步骤和关键技术:

  1. 实验设计:
     • 36名参与者完成18种玉米饼样品测试，结合不同的包装标签和可视化条件。
     • 使用微型NIRS设备扫描食物样品并显示估测结果。
  2. 机器学习模型构建:
     • 使用随机森林和支持向量机模型进行麸质检测，最终选择支持向量机以其稳定性进行分析。
  3. 用户行为分析:
     • 记录用户检查时间、扫描时间，以及信任决策行为，结合质性访谈评估用户的信任影响因素。

研究成果

• 取得的具体成果:

  1. 用户对NIRS技术的决策准确度（0.858）优于自主决策准确度（0.767），尤其是在标签信息不可理解（0.634）或缺乏（0.667）的情况下。
  2. 三种可视化方式中，参与者更偏好数字和进度条格式，网格格式耗时更长且认同度最低。
  3. 用户在标签信息有限的情况下更倾向于信任NIRS设备，特别是在自行决策与扫描结果不一致时。
  4. 风险规避行为显著，用户更倾向于报告“含有麸质”的结果以避免潜在健康风险。

• 与现有解决方案相比的优势:

  1. 将新兴的NIRS技术从工业和科学实验室应用扩展到日常消费场景。
  2. 针对普通用户提供了详细设计指南以提升信任和使用体验。
  3. 提出了具体的时间优化建议以改善交互效率。

• 实验或评估结果:

  • 不同的标签和置信度可视化方式显著影响决策时间和信任度。
  • 参与者需要约75%的置信度才会信任设备提供的推荐结果。
  • 在用户检查时间上，不可理解的信息（俄文标签）会干扰决策效率。

• 局限性与未来方向:

  1. 实验样本仅限于玉米饼，未来建议从更多类型的食品检测扩展至其它应用场景（如花生、乳制品）。
  2. 目前的实验场景为实验室环境，未来可在真实环境中验证结果以提升生态效度。
  3. 没有更广泛研究参与者的个性化特征（如对技术的态度）和信任的关系。
  4. 未来研究可探索其他维度的可视化设计（如颜色、层级），进一步改善用户体验。