人们如何训练机器？策略与（误解）

机器学习因其处理复杂任务的广泛能力而在现代交互技术中变得普遍存在。然而，大多数机器学习系统为用户提供的训练模型的自主权少得惊人。本文探索了人们如何处理学习算法，他们从其行为中理解到什么，以及他们可能使用什么策略来「让其工作」。为解决这些问题，我们开发了一个名为 Marcelle-Sketch 的基于网络的草图识别算法，最终用户可以对其进行教学。我们进行了两个实验研究，调查人们在真实算法教学任务中的策略、信念和（误解）。研究一在在线研讨会中进行，收集了22名新手用户的绘画数据并分析了他们的教学策略。研究二涉及8名参与者在个人教学会议中执行类似任务，使用出声思考协议。结果显示用户有不同的输入调度，他们的策略包含使用输入可变性的模型能力调查，推动了用户对机器学习理解的变化。我们总结了设计更丰富、更以人为本的机器学习交互形式的影响，以及对ML教育民主化的启示。