面向人类与AI知识的特征工程：理解数据科学从业者在人机协作特征工程设计中的认知

随着AI技术的不断发展，人机协作的重要性日益明显，大量研究探索了其在各领域的潜力。数据科学是一个重要领域，包括特征工程（FE），人类创造力和AI能力都发挥着关键作用。尽管存在AI生成的特征工程建议，但如何有效整合和利用人类与AI的知识仍缺乏深入理解。针对这一差距，我们设计了一个可直接使用的原型——Jupyter笔记本中的人机协作特征工程。它利用人类和AI的优势为用户提供特征建议，将这些推荐无缝集成到实际工作流程中。我们使用该原型作为研究探针，进行了一项探索性研究，以获取数据科学从业者在面对人类和AI特征建议时的认知、使用模式和潜在需求。通过定性分析，我们发现特征的“创建者”（即AI或人类）显著影响用户的特征选择，建议特征的语义清晰度极大影响其采用率。此外，我们的发现表明，用户认为人类生成的特征与AI生成的特征之间存在差异和互补性。最后，根据研究结果，我们为未来人机协作特征工程设计提出了一系列建议。我们的发现揭示了人类和AI在特征工程领域的巨大协作潜力。