马拉松运动中专家用户与预测模型交互的效益研究

具有丰富领域知识的用户可能不愿使用预测模型，这在体育领域尤为明显，跑步教练很少依赖马拉松预测工具为跑者的下一次马拉松提供比赛计划建议。本研究探讨了在预测模型中增加交互性的效果，以纳入并认可用户的领域知识。我们在思考出声测试和在线研究中测试了一款交互式机器学习工具，允许教练指出早期比赛对模型的重要性。我们的结果表明，教练在与熟悉跑者的模型合作时会运用丰富的知识，他们的调整提高了模型准确性。那些能够与模型交互的教练对最终预测表现出更高的信任度和接受度。