负责任数据科学行为改变干预的设计空间
作者
AI 伦理、公平与问责算法公平与偏见数据科学家与分析师HCI 研究员
植根于心理学和社会学的行为改变理论为了解个人和群体如何以及为何改变其行为和决策提供了有价值的见解。通过在负责任数据科学的背景下利用这些理论,我们可以更好地理解和影响数据科学家的行为,他们在确保道德成果方面发挥着核心作用,包括收集数据、开发及部署模型。本文提出了一个面向促进数据科学中负责任行为的行为改变干预综合设计空间,围绕5W1H疑问框架(Why为何、Who谁、What什么、When何时、Where何地、How如何)构建。该框架为开发有效干预措施提供了实践指南,以促进数据科学中的负责任行为。我们通过使用该设计空间表征现有的负责任数据科学干预工具来展示其可用性。我们进一步通过两个使用场景演示其效用,展示该设计空间如何在构思阶段应用于构建有效工具以培养负责任的数据科学实践。我们的工作为数据科学社区提供了创建有效干预的资源,这些干预不仅确保技术卓越,而且培养道德责任,最终通过负责任的数据使用造福社会。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 如何将行为改变理论(如Fogg行为模型、COM-B模型)应用于数据科学以实现负责任的数据实践?分类: 负责任数据实践与行为干预同类问题arrow_forward
- 现有行为干预工具的设计空间如何划分及优化以提高其实践性和覆盖度?分类: 负责任数据实践与行为干预同类问题arrow_forward
- 行为干预如何在数据科学生命周期的不同阶段被有效实施?分类: 负责任数据实践与行为干预同类问题arrow_forward
lightbulb
现实痛点
1- 数据科学从业者难以将道德责任转化为可执行的行为模式。分类: 负责任数据实践与行为干预同类问题arrow_forward
- 67%
新兴数据实践:大型语言模型时代的数据工作
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 60%
开源公平性工具包的现状与空白
CHI '21· AI 伦理、公平与问责 +1
- 60%
走向实践中的公平性:评估公平机器学习工具包的实践者导向标准
CHI '21· AI 伦理、公平与问责 +1
- 60%
陪审团学习:将不同意见整合到机器学习模型中
CHI '22· AI 伦理、公平与问责 +1
- 60%
有能力但不道德?比较AI和人类专家在道德决策中的合作
CHI '22· AI 伦理、公平与问责 +1
- 60%
脱离上下文:调查“人工智能作为服务”的偏见和公平性问题
CHI '23· AI 伦理、公平与问责 +1
- 60%
这目前是杂乱无章的:考察AI/ML从业者在负责任的AI价值观共同生产过程中的挑战
CHI '23· AI 伦理、公平与问责 +1
- 60%
STILE:探索和调试预训练文本表示中的社会偏见
CHI '24· AI 伦理、公平与问责 +1
- 60%
人类与日常AI系统交互中的责任归属
CHI '25· AI 伦理、公平与问责 +1
- 60%
机器人、聊天机器人、自动驾驶汽车:人工智能中关于心智和道德的认知
CHI '25· AI 伦理、公平与问责 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3708359.3712140
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
AI 伦理、公平与问责、算法公平与偏见
work
职业/产业
数据科学家与分析师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文