通过主题分析编码助手理解与机器学习的交互

交互式机器学习（ML）使用户，包括非ML专家，能够迭代训练和改进ML模型。然而，关于非专家如何与这些系统交互的研究有限。我们以主题分析作为实际应用，报告了一项用户研究，其中20名参与者与TACA（一个可运行的交互式ML工具）进行交互。主题分析涉及对模糊数据的个人解释，因此它适合并能从交互式ML支持的模型迭代定制中受益。通过交互日志和半结构化访谈的组合，我们的发现揭示了通过使用TACA，参与者批判性地反思他们的分析，获得新的主题洞察，并调整他们的解释立场。我们还记录了对ML概念的误解、实证主义观点以及对模型性能不佳的个人自责。然后，我们讨论了应用程序如何设计以改善对交互式ML概念的理解并促进反思性工作实践。