算法与用户:人机交互如何利用算法系统的通俗理解?
作者
可解释人工智能(XAI)算法透明度与可审计性UI/UX 设计师HCI 研究员
在研究诸如社交媒体推送等不透明、由算法驱动的系统在社会和人们日常生活中日益增加的作用时,用户民间理论正在成为一种强大的视角,用于考察用户与算法系统之间的关系。民间理论使研究人员能够更好地从用户的角度看到他们如何理解这些系统,以及他们的理解如何影响其行为。然而,这一方法仍然是新的。方法、解释和未来方向仍存在争议。本次小组讨论将积极讨论迄今为止民间理论对人机交互的贡献,如何推进民间理论视角,以及这一视角如何能够连接这些系统的学术和行业研究。我们的小组聚集了来自学术界和工业界的重要的民间理论人机交互研究人员,分享他们的观点并吸引CHI观众的参与。
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。
- 75%
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
- 75%
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
- 67%
通过设计研究人工智能的可读性
CHI '20· 可解释人工智能(XAI) +2
- 67%
注意差异:设计师和标准在用户算法系统透明度方面的设计
CHI '24· 可解释人工智能(XAI) +2
- 67%
用户驱动算法审计中的意义建构:图像字幕模型性别偏见的案例研究
CHI '26· 可解释人工智能(XAI) +2
- 60%
提高概念地图中的用户信心:探索数据驱动的解释
CHI '18· 可解释人工智能(XAI) +1
- 60%
探索的路径,遗漏的路径,模糊的路径:端到端数据分析中的决策点与选择性报告
CHI '20· 可解释人工智能(XAI) +1
- 60%
操纵和测量模型可解释性
CHI '21· 可解释人工智能(XAI) +1
- 60%
机器学习不确定性作为设计材料:一种后现象学探究
CHI '21· 可解释人工智能(XAI) +1
- 60%
共享兴趣:测量人机对齐以识别模型行为中的重复模式
CHI '22· 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
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
8 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
UI/UX 设计师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文