所属方向: 公平、偏见与研究治理

算法决策问责、可争议性与用户审计

统计基于当前已索引 question 数据，来源缺失不影响问题展示。

121

问题/痛点

来源

2025

全部问题

121 条

全部研究问题现实痛点

help研究问题算法决策问责、可争议性与用户审计

在推荐美国城市和城镇时，大语言模型（LLM）表现出哪些地理和社会经济偏见？

IUI '25Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models

help研究问题算法决策问责、可争议性与用户审计

这些偏见是否会影响低收入或边缘化群体的公平决策？

IUI '25Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models

help研究问题算法决策问责、可争议性与用户审计

如何通过审计方法分析和揭示LLM在地理推荐中的分布不平等？

IUI '25Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models

lightbulb现实痛点算法决策问责、可争议性与用户审计

用户通过LLM选择城市时，弱势群体受到忽视，导致更多不平等。

IUI '25Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models

help研究问题算法决策问责、可争议性与用户审计

在HCI领域中，LLMs适用于哪些具体的应用领域和场景？

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

help研究问题算法决策问责、可争议性与用户审计

研究人员如何在论文中使用LLMs，具体有哪些使用模式和角色？

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

help研究问题算法决策问责、可争议性与用户审计

LLMs在HCI领域中贡献了哪些类型的成果？

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

help研究问题算法决策问责、可争议性与用户审计

LLMs有哪些主要的局限性和风险？

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

lightbulb现实痛点算法决策问责、可争议性与用户审计

设计师和研究人员缺乏系统框架评估LLMs的应用和影响。

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

help研究问题算法决策问责、可争议性与用户审计

如何设计一个基于检索增强生成（RAG）的系统来生成AI模型的风险报告？

CHI '25RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting

help研究问题算法决策问责、可争议性与用户审计

如何将AI事故数据库的数据与模型卡信息结合以生成具体化的风险描述？

CHI '25RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting

help研究问题算法决策问责、可争议性与用户审计

如何为不同用户（如开发者和设计师）定制化地生成结构化的风险报告？

CHI '25RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting

lightbulb现实痛点算法决策问责、可争议性与用户审计

AI模型文件中的风险报告缺乏多样性和实用性，难以帮助用户评估风险。

CHI '25RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting

help研究问题算法决策问责、可争议性与用户审计

算法决策被置于系统性社会不公的背景中时，如何影响公众对算法歧视的看法？

CHI '25Lay Perceptions of Algorithmic Discrimination in the Context of Systemic Injustice

help研究问题算法决策问责、可争议性与用户审计

向公众解释算法如何从人类决策中学习并延续偏见，会改变他们对算法的态度吗？

CHI '25Lay Perceptions of Algorithmic Discrimination in the Context of Systemic Injustice

help研究问题算法决策问责、可争议性与用户审计

不同社会群体（例如优势群体和弱势群体）对系统性不公解释的反应有何差异？

CHI '25Lay Perceptions of Algorithmic Discrimination in the Context of Systemic Injustice

lightbulb现实痛点算法决策问责、可争议性与用户审计

公众对算法无公平感，尤其在涉及种族与性别的高风险决策中。

CHI '25Lay Perceptions of Algorithmic Discrimination in the Context of Systemic Injustice

help研究问题算法决策问责、可争议性与用户审计

AI系统在开发初期如何识别可能的性能和伦理风险？

CHI '25AI Mismatches: Identifying Potential Algorithmic Harms Before AI Development

help研究问题算法决策问责、可争议性与用户审计

使用矩阵工具可以如何有效地帮助团队发现AI性能与实际需求之间的错配问题？

CHI '25AI Mismatches: Identifying Potential Algorithmic Harms Before AI Development

help研究问题算法决策问责、可争议性与用户审计

人类中心的模型性能定义是否能够改善AI设计的风险评估？

CHI '25AI Mismatches: Identifying Potential Algorithmic Harms Before AI Development

lightbulb现实痛点算法决策问责、可争议性与用户审计

AI系统常未能满足现实需求，导致错误或资源浪费。

CHI '25AI Mismatches: Identifying Potential Algorithmic Harms Before AI Development

help研究问题算法决策问责、可争议性与用户审计

生成式AI如何在科学组织中实际应用？

CHI '25Generative AI Uses and Risks for Knowledge Workers in a Science Organization

help研究问题算法决策问责、可争议性与用户审计

生成式AI在科学组织中的潜在风险是什么？

CHI '25Generative AI Uses and Risks for Knowledge Workers in a Science Organization

help研究问题算法决策问责、可争议性与用户审计

如何设计适合科学组织的生成式AI工具来优化效率和安全性？

CHI '25Generative AI Uses and Risks for Knowledge Workers in a Science Organization

lightbulb现实痛点算法决策问责、可争议性与用户审计

科学组织难以平衡生成式AI的潜力和其带来的风险。

CHI '25Generative AI Uses and Risks for Knowledge Workers in a Science Organization

help研究问题算法决策问责、可争议性与用户审计

如何设计生成式幽灵（可生成内容的AI代理）以平衡其潜在的正面影响和社会/伦理风险？

CHI '25Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives

help研究问题算法决策问责、可争议性与用户审计

生成式幽灵的设计维度（如拟人化程度、身份来源）如何影响其应用场景和社会影响？

CHI '25Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives

help研究问题算法决策问责、可争议性与用户审计

生成式幽灵在不同文化背景下的接受程度和影响有哪些差异？

CHI '25Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives

lightbulb现实痛点算法决策问责、可争议性与用户审计

悲伤者无法充分从技术中获取安慰和纪念故人的灵活方式。

CHI '25Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives

help研究问题算法决策问责、可争议性与用户审计

不同决策者配置（如完全自动化算法系统与有人类干预的混合系统）如何影响决策接收者对公平感的感知？

CHI '25Towards Effective Human Intervention in Algorithmic Decision-Making: Understanding the Effect of Decision-Makers' Configuration on Decision-Subjects' Fairness Perceptions

help研究问题算法决策问责、可争议性与用户审计

决策者配置的特性（如模型类型和数据来源）的交互如何影响对决策者诚信的感知？

CHI '25Towards Effective Human Intervention in Algorithmic Decision-Making: Understanding the Effect of Decision-Makers' Configuration on Decision-Subjects' Fairness Perceptions

help研究问题算法决策问责、可争议性与用户审计

决策者的能力、仁慈和诚信的感知如何影响决策接收者对公平性的评价？

CHI '25Towards Effective Human Intervention in Algorithmic Decision-Making: Understanding the Effect of Decision-Makers' Configuration on Decision-Subjects' Fairness Perceptions

lightbulb现实痛点算法决策问责、可争议性与用户审计

使用算法决策系统时，用户经常感到决策过程缺乏公平性。

CHI '25Towards Effective Human Intervention in Algorithmic Decision-Making: Understanding the Effect of Decision-Makers' Configuration on Decision-Subjects' Fairness Perceptions

help研究问题算法决策问责、可争议性与用户审计

用户如何通过解释性技术识别并挑战自动决策系统中的错误决策？

CSCW '24Empowering Individuals in Automated Decision-Making: Explainability, Contestability and Beyond

help研究问题算法决策问责、可争议性与用户审计

详细的算法解释内容会如何影响用户识别错误决策的能力和信心？

CSCW '24Empowering Individuals in Automated Decision-Making: Explainability, Contestability and Beyond

help研究问题算法决策问责、可争议性与用户审计

如何利用基于交互的知识来改进AI治理政策，赋权受影响的个体？

CSCW '24Empowering Individuals in Automated Decision-Making: Explainability, Contestability and Beyond

lightbulb现实痛点算法决策问责、可争议性与用户审计

用户无法理解或质疑对其生活有重大影响的AI决策。

CSCW '24Empowering Individuals in Automated Decision-Making: Explainability, Contestability and Beyond

help研究问题算法决策问责、可争议性与用户审计

设计师如何通过以协作为基础的过程自主开发个性化的伦理行动计划？

CHI '24Building an Ethics-Focused Action Plan: Roles, Process Moves, and Trajectories

help研究问题算法决策问责、可争议性与用户审计

在开发伦理行动计划时，哪些角色和过程步骤能够增强技术和设计从业者的能力？

CHI '24Building an Ethics-Focused Action Plan: Roles, Process Moves, and Trajectories

help研究问题算法决策问责、可争议性与用户审计

实践者在面对伦理复杂性时，如何利用模块化工具进行多领域的组合和重构？

CHI '24Building an Ethics-Focused Action Plan: Roles, Process Moves, and Trajectories

lightbulb现实痛点算法决策问责、可争议性与用户审计

设计师缺乏实用的工具来应对日常工作中的伦理复杂性。

CHI '24Building an Ethics-Focused Action Plan: Roles, Process Moves, and Trajectories

help研究问题算法决策问责、可争议性与用户审计

公共辩护人在质疑政府使用的算法工具时面临哪些主要挑战？

CHI '24(Beyond) Reasonable Doubt: Challenges that Public Defenders Face in Scrutinizing AI in Court

help研究问题算法决策问责、可争议性与用户审计

现有算法性能测试设计如何对实际司法场景产生脱节？

CHI '24(Beyond) Reasonable Doubt: Challenges that Public Defenders Face in Scrutinizing AI in Court

help研究问题算法决策问责、可争议性与用户审计

怎样设计跨学科协作机制以支持公共辩护人评估算法可靠性？

CHI '24(Beyond) Reasonable Doubt: Challenges that Public Defenders Face in Scrutinizing AI in Court

lightbulb现实痛点算法决策问责、可争议性与用户审计

公共辩护人难以有效质疑算法决策，致使司法错误风险增加。

CHI '24(Beyond) Reasonable Doubt: Challenges that Public Defenders Face in Scrutinizing AI in Court

help研究问题算法决策问责、可争议性与用户审计

在AI产品设计中，魔术比喻如何影响用户对技术功能的认知？

CHI '24(Un)making AI Magic: A Design Taxonomy

help研究问题算法决策问责、可争议性与用户审计

如何平衡AI设计中的神秘感与透明性以增进技术理解？

CHI '24(Un)making AI Magic: A Design Taxonomy

help研究问题算法决策问责、可争议性与用户审计

是否可以通过系统化的设计原则来解构或强化AI的“魔法氛围”？

CHI '24(Un)making AI Magic: A Design Taxonomy

lightbulb现实痛点算法决策问责、可争议性与用户审计

用户对AI运作机制理解不足，导致误解技术能力与风险。

CHI '24(Un)making AI Magic: A Design Taxonomy

help研究问题算法决策问责、可争议性与用户审计

高等教育中算法的设计和应用如何影响学生的隐私、自治和公平性？

CHI '24"This is not a data problem": Algorithms and Power in Public Higher Education in Canada

相邻分类

社会计算、社区与公共信息

数字面试体验与行为评估

4 条重叠 1 篇

算法决策问责、可争议性与用户审计

全部问题

相关论文

不平等的机会：检查大型语言模型地理推荐中的偏见

理解CHI中的LLM化：通过系统文献回顾剖析LLM在CHI中的影响

RiskRAG：一种改进AI模型风险管理报告的数据驱动解决方案

系统不公正背景下公众对算法歧视的看法

AI 不匹配：在AI开发前识别潜在的算法危害

科学组织中知识工作者的生成式AI用途与风险

生成幽灵：预测AI余生的益处与风险

面向有效的人类干预算法决策：理解决策者配置对决策对象公平性感知的影响

构建以伦理为中心的行动计划：角色、流程步骤和轨迹

(超越)合理怀疑：公共辩护人在法庭上审查AI时面临的挑战

（解）构AI魔法：一种设计分类法

这不是一个数据问题：加拿大公共高等教育中的算法与权力

相邻分类

数字面试体验与行为评估