通过五种用户问题解决风格测量人机交互中的用户体验包容性

动机：关于如何改善AI产品的人机交互（HAI）用户体验（UX）的研究越来越多，但对HAI-UX包容性的了解相对较少。例如，支持什么样的用户？遗漏了谁？什么样的产品变化会使其更具包容性？目标：为填补这一空白，我们提出一种方法来测量AI产品遗漏了什么样的多样化用户以及如何根据这些知识采取行动。为了使结果具有可操作性，该方法侧重于用户问题解决的多样性。因此我们的具体目标是：（1）展示该方法如何揭示在某一组AI产品中，具有不同问题解决风格的参与者被遗漏的情况；（2）将参与者的问题解决多样性与他们的人口统计学多样性（特别是性别和年龄）联系起来。方法：我们进行了18个实验，剔除了两个未通过操纵检查的实验。每个实验是2x2因素实验，在线参与者，比较两种AI产品：一种故意违反18条HAI指南中的一条，另一条应用相同的指南。针对我们的第一个目标，我们使用我们的方法分析每个AI产品相对于其对应产品获得/失去的HAI-UX包容性，其中包容性意味着对具有特定问题解决风格的参与者的支持程度。针对我们的第二个目标，我们分析了参与者的问题解决风格与其性别认同和年龄的一致性。结果和启示：参与者多样化的问题解决风格揭示了六种包容性结果：（1）遵循HAI指南的AI产品几乎总是比不遵循该指南的产品在问题解决风格多样性方面更具包容性——但“谁”获得了大部分包容性因指南和问题解决风格而异；（2）当AI产品具有风险影响时，四个变量值同步变化：参与者的控制感、他们的（不）怀疑、他们对产品的信任以及他们使用产品时的确定性；（3）AI产品为用户提供的控制越多，它就越具包容性；（4）AI产品是否从“我的”数据或他人的数据学习会影响该产品的包容性程度；（5）参与者的问题解决风格因性别和年龄组而不同；（6）几乎所有结果都表明HAI从业者可以采取的行动，以进一步改善其产品的包容性。总的来说，这些结果表明，改善AI产品的人口统计学包容性（例如，跨广泛性别、年龄范围）的关键通常可以通过改善产品对多样化问题解决风格的支持来获得。