Unakite:利用 Web 支持开发者的决策制定
作者
可解释人工智能(XAI)AI 辅助决策与自动化系统计算方法在HCI中的应用软件工程师与开发者AI/ML 研究员与工程师HCI 研究员
开发者花费大量时间在线搜索解决方案和方法。尽管已开发出众多工具来支持这一探索过程,但在许多情况下,开发者问题的答案涉及多个有效选项之间的权衡,而非单一解决方案。通过访谈,我们发现开发者希望获得决策制定和理解权衡方面的帮助。通过分析 Stack Overflow 帖子,我们观察到许多答案描述了这类权衡。这些发现表明,设计帮助开发者获取信息并就权衡做出决策的工具可以为开发者以及希望理解其设计理由的其他人带来关键益处。我们通过一个名为 Unakite 的原型系统来验证这一假设,该系统可获取、组织和跟踪关于权衡的信息,并构建比较表,可保存为设计理由。我们的评估结果表明,Unakite 将收集权衡相关信息的成本降低了 45%,且生成的比较表使后续开发者理解权衡的速度提高了约 3 倍。
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。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
PaTAT:具有可解释交互规则合成的人工智能协作定性编码
CHI '23· 可解释人工智能(XAI) +2
- 100%
故障还是就绪?在部署之前处理深度学习计算机视觉模型中的故障:一项关于实践、挑战和需求的研究
CHI '23· 可解释人工智能(XAI) +2
- 86%
DiLLS:基于智能体行为分层摘要的LLM多智能体系统交互式诊断
CHI '26· 大语言模型(LLM)的人机协作 +3
- 83%
《你真的确定吗?》理解人类自我信心校准在人工智能辅助决策中的影响
CHI '24· 可解释人工智能(XAI) +1
- 83%
规则还是权重?比较用户对可解释人工智能技术的理解与认知XAI自适应模型
IUI '26· 可解释人工智能(XAI) +2
- 75%
人机协同机器训练界面设计指南的探索
IUI '21· 大语言模型(LLM)的人机协作 +3
- 71%
解释可解释性:理解数据科学家对机器学习可解释性工具的使用
CHI '20· 可解释人工智能(XAI) +2
- 71%
通过交互重建评估生成模型的可解释性
CHI '21· 可解释人工智能(XAI) +2
- 71%
在黑暗中引导:评估在缺乏金标准标签情况下人类在数据标注引导工程中的表现
CHI '25· 可解释人工智能(XAI) +2
- 71%
《应该信任你还是信任人工智能?》——混合人机团队中领导者的信任与感知研究
CHI '26· 人-机器人协作(HRC) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
9 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 辅助决策与自动化系统、计算方法在HCI中的应用
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文