用于更好决策的认知强制:通过部分解释减少对AI系统的过度依赖

在AI辅助决策中,解释旨在提高透明度和用户信任,但也可能导致疏忽。在两项独立研究中,我们探索使用部分解释来激活认知强制并增加用户参与度。在研究I(N=264)中,我们向参与者展示加权图并要求他们找出最短路径。在研究II(N=210)中,参与者纠正短文本片段中的拼写和语法错误。在两项研究中,我们提供一个解决方案建议,并附带无解释、完整解释或部分解释。我们的结果表明,部分解释减少了对错误AI建议的过度依赖,表现显著优于基线,但不如完整解释。高认知需求的个体从AI解释中获益更多,因此表现更好。我们的工作表明,部分解释在减少AI过度依赖至关重要的领域(如医学诊断)中可能是有价值的。它还强调需要考虑解释在不同任务难度下的有效性,这一因素在当代人-AI研究中常被忽视。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/213135/2025

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
work
职业/产业
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文