所属方向: 公平、偏见与研究治理

算法可争议性与治理审计

统计基于当前已索引 question 数据，来源缺失不影响问题展示。

问题/痛点

来源

2025

全部问题

40 条

全部研究问题现实痛点

help研究问题算法可争议性与治理审计

AI审计中哪些现有工具能够真正实现问责？

CHI '25Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling

help研究问题算法可争议性与治理审计

现有AI审计工具在哪些环节存在功能或覆盖上的不足？

CHI '25Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling

help研究问题算法可争议性与治理审计

如何改进AI审计工具以支持更完整的社会问责流程？

CHI '25Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling

lightbulb现实痛点算法可争议性与治理审计

AI审计在识别风险和系统局限时工具不足且缺乏标准化。

CHI '25Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling

help研究问题算法可争议性与治理审计

大学生如何在未接受技术教育的情况下审查大型语言模型（LLMs）的偏见并提高批判性AI素养？

CHI '25"Here the GPT made a choice, and every choice can be biased": How Students Critically Engage with LLMs through End-User Auditing Activity

help研究问题算法可争议性与治理审计

用户审计工具（如PromptAuditor）的分阶段支持是否能有效提升学生的系统性偏见审计能力？

CHI '25"Here the GPT made a choice, and every choice can be biased": How Students Critically Engage with LLMs through End-User Auditing Activity

help研究问题算法可争议性与治理审计

审计脚手架（scaffolding）的应用如何改变学生对LLM偏见的认识与分析方式？

CHI '25"Here the GPT made a choice, and every choice can be biased": How Students Critically Engage with LLMs through End-User Auditing Activity

lightbulb现实痛点算法可争议性与治理审计

大学生在使用LLM时易盲目接受内容，缺乏批判性思维。

CHI '25"Here the GPT made a choice, and every choice can be biased": How Students Critically Engage with LLMs through End-User Auditing Activity

help研究问题算法可争议性与治理审计

不同数据访问场景如何影响算法公平性评估的准确性？

CHI '25Access Denied: Meaningful Data Access for Quantitative Algorithm Audits

help研究问题算法可争议性与治理审计

隐私保护技术（如差分隐私和数据最小化）如何在算法审计中平衡隐私保护与分析可靠性？

CHI '25Access Denied: Meaningful Data Access for Quantitative Algorithm Audits

help研究问题算法可争议性与治理审计

低质量和不完整数据对公平性评估结果的具体影响是什么？

CHI '25Access Denied: Meaningful Data Access for Quantitative Algorithm Audits

lightbulb现实痛点算法可争议性与治理审计

第三方算法审计因数据访问受限，无法进行可靠的公平性评估。

CHI '25Access Denied: Meaningful Data Access for Quantitative Algorithm Audits

help研究问题算法可争议性与治理审计

AI的整个价值链中哪些环节容易出现负面影响，如何提升这些环节的争议性（contestability）？

CSCW '24From Stem to Stern: Contestability Along AI Value Chains

help研究问题算法可争议性与治理审计

如何集成多学科的视角来改进AI生态系统中的反馈和责任机制？

CSCW '24From Stem to Stern: Contestability Along AI Value Chains

help研究问题算法可争议性与治理审计

是否可以通过研究真实案例来设计与地区和文化差异兼容的争议性解决方法？

CSCW '24From Stem to Stern: Contestability Along AI Value Chains

lightbulb现实痛点算法可争议性与治理审计

AI设计和决策的负面影响难以追责，公众参与有限。

CSCW '24From Stem to Stern: Contestability Along AI Value Chains

help研究问题算法可争议性与治理审计

在非西方国家和弱势群体中，如何实现有效的算法决策可争议性机制？

CHI '24Understanding Contestability on the Margins: Implications for the Design of Algorithmic Decision-making in Public Services

help研究问题算法可争议性与治理审计

“陪伴”这一概念如何适应公共服务中的算法决策设计？

CHI '24Understanding Contestability on the Margins: Implications for the Design of Algorithmic Decision-making in Public Services

help研究问题算法可争议性与治理审计

弱势群体如何在复杂的算法决策程序中更好地维护权利和争议结果？

CHI '24Understanding Contestability on the Margins: Implications for the Design of Algorithmic Decision-making in Public Services

lightbulb现实痛点算法可争议性与治理审计

弱势群体难以在算法公共服务中获得公平结果。

CHI '24Understanding Contestability on the Margins: Implications for the Design of Algorithmic Decision-making in Public Services

help研究问题算法可争议性与治理审计

如何为非技术用户设计一款工具，以简化和直观化大型语言模型（LLMs）的提示词设计与假设测试？

CHI '24ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

help研究问题算法可争议性与治理审计

跨多个模型与提示变量比较响应的工作流中，如何高效支持系统化与探索性的分析？

CHI '24ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

help研究问题算法可争议性与治理审计

面向LLM行为审计（如偏见和安全问题），哪些功能设计最适合非技术用户？

CHI '24ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

lightbulb现实痛点算法可争议性与治理审计

非技术用户难以高效设计和测试LLM提示词，导致优化缓慢。

CHI '24ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

help研究问题算法可争议性与治理审计

如何设计和发展支持用户参与AI测试、审计和质询的工具和流程？

CSCW '23Supporting User Engagement in Testing, Auditing, and Contesting AI

help研究问题算法可争议性与治理审计

用户与AI开发者在审计过程中如何克服权力不平等，建立信任？

CSCW '23Supporting User Engagement in Testing, Auditing, and Contesting AI

help研究问题算法可争议性与治理审计

不同背景的用户如何通过协作有效发现并反馈AI系统中的偏见和问题？

CSCW '23Supporting User Engagement in Testing, Auditing, and Contesting AI

lightbulb现实痛点算法可争议性与治理审计

用户难以有效参与AI测试和审计以发现问题和偏见。

CSCW '23Supporting User Engagement in Testing, Auditing, and Contesting AI

help研究问题算法可争议性与治理审计

用户在算法审计中是如何分工合作以揭示算法偏见的？

CHI '23Participation and Division of Labor in User-Driven Algorithm Audits: How Do Everyday Users Work Together to Surface Algorithmic Harms?

help研究问题算法可争议性与治理审计

哪些用户行为有助于提升用户驱动的算法审计的参与度和有效性？

CHI '23Participation and Division of Labor in User-Driven Algorithm Audits: How Do Everyday Users Work Together to Surface Algorithmic Harms?

help研究问题算法可争议性与治理审计

短期高峰的推文互动如何影响用户驱动的算法审计的结果？

CHI '23Participation and Division of Labor in User-Driven Algorithm Audits: How Do Everyday Users Work Together to Surface Algorithmic Harms?

lightbulb现实痛点算法可争议性与治理审计

普通用户难以通过互动有效揭示算法偏见。

CHI '23Participation and Division of Labor in User-Driven Algorithm Audits: How Do Everyday Users Work Together to Surface Algorithmic Harms?

help研究问题算法可争议性与治理审计

算法决策的解释性设计如何影响用户对信息公平性的感知？

CHI '23Disentangling Fairness Perceptions in Algorithmic Decision-Making: the Effects of Explanations, Human Oversight, and Contestability.

help研究问题算法可争议性与治理审计

可争议性机制如何影响用户对算法决策流程公平性的看法？

CHI '23Disentangling Fairness Perceptions in Algorithmic Decision-Making: the Effects of Explanations, Human Oversight, and Contestability.

help研究问题算法可争议性与治理审计

算法的人类监督是否会改善或削弱用户对程序公平性的感知，为什么？

CHI '23Disentangling Fairness Perceptions in Algorithmic Decision-Making: the Effects of Explanations, Human Oversight, and Contestability.

lightbulb现实痛点算法可争议性与治理审计

用户对算法决策结果不信任，因其缺乏透明性和公平感。

CHI '23Disentangling Fairness Perceptions in Algorithmic Decision-Making: the Effects of Explanations, Human Oversight, and Contestability.

help研究问题算法可争议性与治理审计

普通用户如何识别和评估潜在的有害算法行为？

CHI '22Toward User-Driven Algorithm Auditing: Investigating Users' Strategies for Uncovering Harmful Algorithmic Behavior

help研究问题算法可争议性与治理审计

有哪些关键因素影响用户在日常交互中审计算法偏差的效果？

CHI '22Toward User-Driven Algorithm Auditing: Investigating Users' Strategies for Uncovering Harmful Algorithmic Behavior

help研究问题算法可争议性与治理审计

用户驱动的算法审计过程如何支持算法公正性和透明性？

CHI '22Toward User-Driven Algorithm Auditing: Investigating Users' Strategies for Uncovering Harmful Algorithmic Behavior

lightbulb现实痛点算法可争议性与治理审计

算法偏差可能导致社会不公，但普通用户难以发现这些问题。

CHI '22Toward User-Driven Algorithm Auditing: Investigating Users' Strategies for Uncovering Harmful Algorithmic Behavior

相邻分类

公平、偏见与研究治理

算法可争议性与治理审计

全部问题

相关论文

面向AI责任基础设施：AI审计工具的差距与机遇

在这里，GPT做出了一个选择，而每一个选择都可能带有偏见：学生如何通过终端用户审计活动批判性地参与LLMs

访问 denied：定量算法审计的有意义的数据访问

理解边缘的竞争性：对公共服务中算法决策设计的启示

ChainForge：用于提示工程和LLM假设检验的可视化工具包

用户驱动算法审核中的参与和劳动分工：普通用户如何合作揭示算法危害？

拆解算法决策中的公平感知：解释、人类监督和可争议性的影响

面向用户驱动的算法审计：探究用户发现有害算法行为的策略

相邻分类

算法决策问责、可争议性与用户审计

机器学习公平性与数据开发实践

技术中的种族、族裔偏见与黑人/拉丁裔/原住民/少数族裔代表性

医疗健康公平、临床算法公平与边缘患者群体支持

大语言模型与生成式 AI 中的偏见与公平

参与式设计与社区公平治理

在线内容审核中的公平性、偏见与文化适应性

教育算法公平、学习机会与边缘化学生支持