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

算法在高等教育中如何改变机构权力结构和学生的教育体验？

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

help研究问题算法决策问责、可争议性与用户审计

ADMAPS（算法透明性框架）如何帮助分析和改进高等教育中的算法设计和实践？

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

lightbulb现实痛点算法决策问责、可争议性与用户审计

学生隐私和个性化需求因算法的不透明使用而受损。

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

help研究问题算法决策问责、可争议性与用户审计

电子社会保障支付系统如何对生活在贫困中的用户造成操作困难和资源消耗的伤害？

CHI '24Hostile Systems: A Taxonomy of Harms Articulated by Citizens Living with Socio-Economic Deprivation

help研究问题算法决策问责、可争议性与用户审计

数字公共服务系统中有哪些特定的危害类型，这些危害如何影响用户的长期功能和独立性？

CHI '24Hostile Systems: A Taxonomy of Harms Articulated by Citizens Living with Socio-Economic Deprivation

help研究问题算法决策问责、可争议性与用户审计

将贫困用户的日常体验融入电子政务设计的过程中有哪些有效的方法？

CHI '24Hostile Systems: A Taxonomy of Harms Articulated by Citizens Living with Socio-Economic Deprivation

lightbulb现实痛点算法决策问责、可争议性与用户审计

贫困用户在使用电子社会保障支付系统时，面临操作困难和不公平对待。

CHI '24Hostile Systems: A Taxonomy of Harms Articulated by Citizens Living with Socio-Economic Deprivation

help研究问题算法决策问责、可争议性与用户审计

不同详细程度的AI决策解释会如何影响公众对信息公平性和分配公平性的感知？

CHI '24Why the Fine, AI? The Effect of Explanation Level on Citizens' Fairness Perception of AI-based Discretion in Public Administrations

help研究问题算法决策问责、可争议性与用户审计

更详细的AI决策解释是否能提高公众对技术的接受度？

CHI '24Why the Fine, AI? The Effect of Explanation Level on Citizens' Fairness Perception of AI-based Discretion in Public Administrations

help研究问题算法决策问责、可争议性与用户审计

公众的AI素养如何影响他们对AI决策公平性的感知和接受程度？

CHI '24Why the Fine, AI? The Effect of Explanation Level on Citizens' Fairness Perception of AI-based Discretion in Public Administrations

lightbulb现实痛点算法决策问责、可争议性与用户审计

公众质疑AI在公共服务中的公平性，影响信任和接受。

CHI '24Why the Fine, AI? The Effect of Explanation Level on Citizens' Fairness Perception of AI-based Discretion in Public Administrations

help研究问题算法决策问责、可争议性与用户审计

现有的关于无家可归问题的决策算法存在哪些设计偏差和局限性？

CHI '24A Human-Centered Review of Algorithms in Homelessness Research

help研究问题算法决策问责、可争议性与用户审计

基于以人为本的设计框架，如何评估无家可归领域的算法的生态有效性（是否适用于真实环境）？

CHI '24A Human-Centered Review of Algorithms in Homelessness Research

help研究问题算法决策问责、可争议性与用户审计

决策算法如何平衡公平性与可解释性之间的张力？

CHI '24A Human-Centered Review of Algorithms in Homelessness Research

lightbulb现实痛点算法决策问责、可争议性与用户审计

政府使用的预测无家可归风险算法常偏向不公平，难适应现实需求。

CHI '24A Human-Centered Review of Algorithms in Homelessness Research

help研究问题算法决策问责、可争议性与用户审计

如何有效预测和分析数字技术可能带来的不良后果？

CHI '24BLIP: Facilitating the Exploration of Undesirable Consequences of Digital Technologies

help研究问题算法决策问责、可争议性与用户审计

提取和分类不良后果信息时，自动化工具能否比人工搜索更高效？

CHI '24BLIP: Facilitating the Exploration of Undesirable Consequences of Digital Technologies

help研究问题算法决策问责、可争议性与用户审计

用户是否通过交互工具更容易发掘跨领域的数字技术风险？

CHI '24BLIP: Facilitating the Exploration of Undesirable Consequences of Digital Technologies

lightbulb现实痛点算法决策问责、可争议性与用户审计

技术开发者难以全面理解新技术可能带来的不良后果。

CHI '24BLIP: Facilitating the Exploration of Undesirable Consequences of Digital Technologies

lightbulb现实痛点算法决策问责、可争议性与用户审计

面试官行为欠规范导致候选人面试体验差。

IUI '23Interviewing the Interviewer: AI-generated Insights to Help Conduct Candidate-centric Interviews

help研究问题算法决策问责、可争议性与用户审计

AI治理中为什么会存在“未来风险”和“当前危害”这两种对立的意识形态？

CUI '23Risk and Harm: Unpacking Ideologies in the AI Discourse

help研究问题算法决策问责、可争议性与用户审计

FLI和DAIR的意识形态在AI风险优先级和治理方法上有哪些具体差异？

CUI '23Risk and Harm: Unpacking Ideologies in the AI Discourse

help研究问题算法决策问责、可争议性与用户审计

人文主义视角如何揭示AI技术对社会特别是边缘化群体的隐性影响？

CUI '23Risk and Harm: Unpacking Ideologies in the AI Discourse

lightbulb现实痛点算法决策问责、可争议性与用户审计

AI技术可能会加剧社会不平等，忽视边缘化群体的权益。

CUI '23Risk and Harm: Unpacking Ideologies in the AI Discourse

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ChatGPT）的实际和潜在危害是什么？

CUI '23Generative AI Considered Harmful

help研究问题算法决策问责、可争议性与用户审计

用户与生成式AI的交互如何产生和影响输出结果？

CUI '23Generative AI Considered Harmful

help研究问题算法决策问责、可争议性与用户审计

生成式AI在社会和伦理层面的负面影响如何量化和规避？

CUI '23Generative AI Considered Harmful

lightbulb现实痛点算法决策问责、可争议性与用户审计

用户可能被生成式AI误导，带来伦理、就业等多方面风险。

CUI '23Generative AI Considered Harmful

help研究问题算法决策问责、可争议性与用户审计

现有的机器学习模型卡（Model Cards）在实际应用中的采用率和质量如何？

CHI '23Aspirations and Practice of ML Model Documentation: Moving the Needle with Nudging and Traceability

help研究问题算法决策问责、可争议性与用户审计

如何通过工具设计促进数据科学家在模型开发过程中改进文档质量并考虑伦理问题？

CHI '23Aspirations and Practice of ML Model Documentation: Moving the Needle with Nudging and Traceability

help研究问题算法决策问责、可争议性与用户审计

“行为引导”（行为提示）和“可追溯性链接”能否有效提高机器学习文档的质量？

CHI '23Aspirations and Practice of ML Model Documentation: Moving the Needle with Nudging and Traceability

lightbulb现实痛点算法决策问责、可争议性与用户审计

数据科学家难以创建和维护高质量的机器学习模型文档，易忽视伦理问题。

CHI '23Aspirations and Practice of ML Model Documentation: Moving the Needle with Nudging and Traceability

help研究问题算法决策问责、可争议性与用户审计

安全工程框架（如FMEA和STPA）能否适用于管理机器学习系统的社会和伦理风险？

CHI '23From plane crashes to algorithmic harm: applicability of safety engineering frameworks for responsible ML

help研究问题算法决策问责、可争议性与用户审计

FMEA和STPA框架各自如何适应和解析机器学习系统的具体功能模块和复杂交互？

CHI '23From plane crashes to algorithmic harm: applicability of safety engineering frameworks for responsible ML

help研究问题算法决策问责、可争议性与用户审计

当前安全工程框架需要如何优化，以更好应对机器学习系统的社会背景和多利益相关方的复杂性？

CHI '23From plane crashes to algorithmic harm: applicability of safety engineering frameworks for responsible ML

lightbulb现实痛点算法决策问责、可争议性与用户审计

机器学习系统可能加剧社会不平等，但当前风险评估方法零散无系统。

CHI '23From plane crashes to algorithmic harm: applicability of safety engineering frameworks for responsible ML

help研究问题算法决策问责、可争议性与用户审计

偏好表达语言（preference languages）的设计如何影响算法决策过程中的参与度和公平性？

CHI '23Expressiveness, Cost, and Collectivism: How the Design of Preference Languages Shapes Participation in Algorithmic Decision-Making

help研究问题算法决策问责、可争议性与用户审计

在学校分配系统中，如何优化偏好表达语言以减少资源和信息不平等对参与的影响？

CHI '23Expressiveness, Cost, and Collectivism: How the Design of Preference Languages Shapes Participation in Algorithmic Decision-Making

help研究问题算法决策问责、可争议性与用户审计

集体目标（如社会公平）如何通过参与式偏好语言设计嵌入到算法决策中？

CHI '23Expressiveness, Cost, and Collectivism: How the Design of Preference Languages Shapes Participation in Algorithmic Decision-Making

lightbulb现实痛点算法决策问责、可争议性与用户审计

家庭因信息或资源不足无法公平表达学校选择偏好。

CHI '23Expressiveness, Cost, and Collectivism: How the Design of Preference Languages Shapes Participation in Algorithmic Decision-Making

help研究问题算法决策问责、可争议性与用户审计

如何通过数据探针对零工工人进行协同设计，以开发以工人利益为中心的AI工具？

CHI '23Stakeholder-Centered AI Design: Co-Designing Worker Tools with Gig Workers through Data Probes

help研究问题算法决策问责、可争议性与用户审计

零工工人如何利用个人和城市级别的数据更好地理解其工作模式并优化策略？

CHI '23Stakeholder-Centered AI Design: Co-Designing Worker Tools with Gig Workers through Data Probes

help研究问题算法决策问责、可争议性与用户审计

数据探针如何揭示平台算法的不公平性并推动算法透明性和公平性？

CHI '23Stakeholder-Centered AI Design: Co-Designing Worker Tools with Gig Workers through Data Probes

lightbulb现实痛点算法决策问责、可争议性与用户审计

零工工人难以掌握工作数据，优化策略，保障身心健康。

CHI '23Stakeholder-Centered AI Design: Co-Designing Worker Tools with Gig Workers through Data Probes

help研究问题算法决策问责、可争议性与用户审计

在无家可归者服务中，机器学习算法如何影响效率与隐私等价值的平衡？

CHI '23"Who is the right homeless client?": Values in Algorithmic Homelessness Service Provision and Machine Learning Research

help研究问题算法决策问责、可争议性与用户审计

机器学习算法在无家可归者服务中是否会强化社会不平等？

CHI '23"Who is the right homeless client?": Values in Algorithmic Homelessness Service Provision and Machine Learning Research

help研究问题算法决策问责、可争议性与用户审计

如何设计以人为中心的机器学习算法来减少无家可归者服务中的“价值坍塌”现象？

CHI '23"Who is the right homeless client?": Values in Algorithmic Homelessness Service Provision and Machine Learning Research

lightbulb现实痛点算法决策问责、可争议性与用户审计

高风险的无家可归者在服务分配中可能被算法忽视或被错误分类。

CHI '23"Who is the right homeless client?": Values in Algorithmic Homelessness Service Provision and Machine Learning Research

help研究问题算法决策问责、可争议性与用户审计

虚拟助手技术可能在用户自主性方面引发哪些伦理问题？

CUI '22Assistant or Master: Envisioning the User Autonomy Implications of Virtual Assistants

help研究问题算法决策问责、可争议性与用户审计

如何基于用户自主性（如行动力、选择自由等）构建框架来预测虚拟助手的潜在伦理风险？

CUI '22Assistant or Master: Envisioning the User Autonomy Implications of Virtual Assistants

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