「AI 不确定，我也不确定。怎么办？」：通过能力导向指导应对人类-AI 合作中不确定性表征的局限

随着 AI 越来越相关，特别是在医疗保健等高风险领域，研究哪些方法可以改善人类-AI 合作以及为何有效非常重要。当前研究主要关注技术可行方法，如可解释 AI (XAI)，往往忽视人类需求。本研究通过考虑用户对格式的熟悉度和算术能力，采用了一种成熟的技术方法——模型不确定性表征。尽管提供了不确定性表征，用户可能仍然难以处理不确定决策。因此，我们引入了一种教育方法，向用户传达人类和 AI 系统的能力，作为不确定性表征的补充。我们进行了一项预注册的组间用户研究，以确定这些方法是否带来改善的人类-AI 团队绩效，并由用户对 AI 的心智模型介导。我们的发现表明，仅提供不确定性表征与仅提供 AI 建议相比，并不能改善团队绩效或用户的心智模型。然而，结合能力导向指导与不确定性表征显著增强了正确的自我依赖，并在一定程度上改善了整体团队绩效。我们额外的探索性分析表明，任务不确定性、案例难度和案例类型等因素，而非算术能力、认知需求或熟悉度，可能会影响团队绩效。我们详细讨论这些因素，提供实践意义，并建议进一步研究方向。这项工作通过展示如何用教育方法增强技术方法以改善决策任务中的人类-AI 合作，为 CSCW 话语做出了贡献。