help研究问题解释形式设计与理解效果
在噪声条件下，如何生成可靠的情感分析模型解释？所属方向: AI可解释性、信任与校准依赖
解释形式设计与理解效果
统计基于当前已索引 question 数据，来源缺失不影响问题展示。
100
问题/痛点
25
来源
2025
最近年份
help研究问题解释形式设计与理解效果
分解语音特征（如响度、音高、语速）能否改善模型解释的直观性和可信度？help研究问题解释形式设计与理解效果
如何通过比较多种情感特征生成直观的用户可用解释？lightbulb现实痛点解释形式设计与理解效果
噪声或隐私保护削弱了情感识别的准确性和解释可靠性。help研究问题解释形式设计与理解效果
社交媒体上的健康相关信息如何引发用户的可得性偏差，影响自我诊断？help研究问题解释形式设计与理解效果
哪种基于聊天机器人的症状检测器（CSC）最有效地缓解因社交媒体引发的可得性偏差？help研究问题解释形式设计与理解效果
不同类型的认知干预策略（如反事实思维和证据反思）在改善用户自我诊断准确性方面有何影响？lightbulb现实痛点解释形式设计与理解效果
用户因社交媒体上的健康信息误判症状，导致错误的自我诊断。help研究问题解释形式设计与理解效果
在自动驾驶场景中，人们更偏好哪种解释模式（目的性、机械性、反事实、描述性）？help研究问题解释形式设计与理解效果
不同解释模式如何影响人们对系统的满意度和信任度？help研究问题解释形式设计与理解效果
如何基于人类认知模式设计更符合心理需求的XAI系统解释？lightbulb现实痛点解释形式设计与理解效果
用户不信任或误解自动驾驶系统行为的解释。help研究问题解释形式设计与理解效果
算法透明性解释能否减少用户对搜索引擎的过度信任，从而减轻因健康信息造成的焦虑？help研究问题解释形式设计与理解效果
算法透明性如何通过信任的中介作用来影响用户的心理状态和健康焦虑？help研究问题解释形式设计与理解效果
哪些透明性解释类型对减轻健康焦虑效果最佳，是否适用于不同健康信息场景？lightbulb现实痛点解释形式设计与理解效果
用户因搜索引擎的健康信息感到焦虑，尤其是误信导致恐慌。help研究问题解释形式设计与理解效果
如何通过反事实解释生成个性化的压力应对策略？help研究问题解释形式设计与理解效果
哪些上下文因素的调整能够有效减轻用户的压力水平？help研究问题解释形式设计与理解效果
反事实生成模型如何帮助用户选择最适合其情境的应对策略？lightbulb现实痛点解释形式设计与理解效果
用户难以获得情境相关且个性化的压力管理建议。help研究问题解释形式设计与理解效果
如何通过整合认知科学理论（如结构映射理论）优化数据注释工具，提高注释效率？UIST '24MOCHA: Model Optimization through Collaborative Human-AI Alignment
help研究问题解释形式设计与理解效果
实时生成的反事实数据如何影响数据注释的质量和效率？UIST '24MOCHA: Model Optimization through Collaborative Human-AI Alignment
help研究问题解释形式设计与理解效果
交互界面设计如何降低用户的认知负荷，提高他们理解关键数据点的能力？UIST '24MOCHA: Model Optimization through Collaborative Human-AI Alignment
lightbulb现实痛点解释形式设计与理解效果
数据注释费时费力，且现有工具难以对接用户的认知方式和注释意图。UIST '24MOCHA: Model Optimization through Collaborative Human-AI Alignment
help研究问题解释形式设计与理解效果
在长期纵向研究中，如何验证可解释人工智能（XAI）工具的有效性？UbiComp '24How to Validate Explainable Artificial Intelligence (XAI) in Longitudinal Studies?
help研究问题解释形式设计与理解效果
不同XAI解释方法（如特征重要性、反事实解释）的序列展示顺序会如何影响用户的信任和理解？UbiComp '24How to Validate Explainable Artificial Intelligence (XAI) in Longitudinal Studies?
help研究问题解释形式设计与理解效果
如何在验证XAI工具时结合用户的个性化背景和纵向行为数据？UbiComp '24How to Validate Explainable Artificial Intelligence (XAI) in Longitudinal Studies?
lightbulb现实痛点解释形式设计与理解效果
用户难以长期信任和理解人工智能提供的决策解释。UbiComp '24How to Validate Explainable Artificial Intelligence (XAI) in Longitudinal Studies?
help研究问题解释形式设计与理解效果
个性化信息学系统如何通过生成反事实解释帮助用户改善心理健康？UbiComp '24Counterfactual Explanations in Personal Informatics for Personalized Mental Health Management
help研究问题解释形式设计与理解效果
在多变量背景下，反事实分析能如何优化心理状态调整策略？UbiComp '24Counterfactual Explanations in Personal Informatics for Personalized Mental Health Management
help研究问题解释形式设计与理解效果
个体层面上的反事实情景生成能否比群体模式提供更具实际操作性的建议？UbiComp '24Counterfactual Explanations in Personal Informatics for Personalized Mental Health Management
lightbulb现实痛点解释形式设计与理解效果
当前心理健康建议缺乏针对个体情境的实际可行性。UbiComp '24Counterfactual Explanations in Personal Informatics for Personalized Mental Health Management
help研究问题解释形式设计与理解效果
在参与式预算中，如何利用数学公理（如可行性、效用最大化）提升AI决策的可解释性？UbiComp '24"A User-Centric Exploration of Axiomatic Explainable AI in Participatory Budgeting"
help研究问题解释形式设计与理解效果
不同类型的AI决策解释（如个性化解释、反事实解释）是否对用户信任和公平感知有不同影响？UbiComp '24"A User-Centric Exploration of Axiomatic Explainable AI in Participatory Budgeting"
help研究问题解释形式设计与理解效果
基于公理约束的解释是否能改善用户对预算分配系统透明性和公平性的感知？UbiComp '24"A User-Centric Exploration of Axiomatic Explainable AI in Participatory Budgeting"
lightbulb现实痛点解释形式设计与理解效果
普通用户难以理解参与式预算中复杂规则的AI决策，缺乏信任感。UbiComp '24"A User-Centric Exploration of Axiomatic Explainable AI in Participatory Budgeting"
help研究问题解释形式设计与理解效果
人工生成的解释和机器生成的解释在理解大语言模型输出时，哪个更有效？help研究问题解释形式设计与理解效果
错误预测情况下的解释是否会减弱用户的任务表现？help研究问题解释形式设计与理解效果
“解释确认偏差”在用户信任和认知负担中如何起作用？lightbulb现实痛点解释形式设计与理解效果
用户难以理解人工智能的决策，尤其是错误的预测，影响任务表现。help研究问题解释形式设计与理解效果
如何设计一种工具来为自动生成的代码提供轻量化且锚定的解释，从而支持程序员的理解？help研究问题解释形式设计与理解效果
锚定解释如何优化程序员在使用代码生成工具时的认知负荷和理解效率？help研究问题解释形式设计与理解效果
轻量化解释设计能否在不打断工作流的情况下提升代码理解的效果？lightbulb现实痛点解释形式设计与理解效果
程序员难以快速理解自动生成的代码，特别是涉及复杂或陌生结构时。help研究问题解释形式设计与理解效果
反事实解释和因果解释在提升用户任务表现和系统可解释性方面有何差异？IUI '23Categorical and Continuous Features in Counterfactual Explanations of AI Systems
help研究问题解释形式设计与理解效果
用户对于分类特征和连续特征的解释理解能力是否存在显著差异？IUI '23Categorical and Continuous Features in Counterfactual Explanations of AI Systems
help研究问题解释形式设计与理解效果
将连续特征转化为分类特征是否能提升用户对反事实解释的理解？IUI '23Categorical and Continuous Features in Counterfactual Explanations of AI Systems
lightbulb现实痛点解释形式设计与理解效果
用户难以理解AI系统中连续特征的反事实解释，影响信任和决策。IUI '23Categorical and Continuous Features in Counterfactual Explanations of AI Systems
help研究问题解释形式设计与理解效果
随着时间推移，用户在长期人机互动中如何调整对AI建议的信任？IUI '23It Seems Smart, but It Acts Stupid: Development of Trust in AI Advice in a Repeated Legal Decision-Making Task
help研究问题解释形式设计与理解效果
AI模型的准确性和解释类型如何影响用户的行为和主观信任？IUI '23It Seems Smart, but It Acts Stupid: Development of Trust in AI Advice in a Repeated Legal Decision-Making Task
相关论文
IUI 2025
基于解耦线索特定显著性的机器学习鲁棒关联性解释
Harshavardhan Sunil Abichandani, Wencan Zhang, Brian Y Lim
CHI 2025
挖掘关于您症状的证据：缓解在线自我诊断中的可得性偏差
Junti Zhang, Zicheng Zhu, Jingshu Li
CHI 2025
人们在解释自动驾驶汽车的行为时将其归因于自主车辆的属性：来自认知科学的可解释人工智能的见解
Balint Gyevnar, Stephanie Droop, Tadeg Quillien
CHI 2025
搜索引擎算法透明度如何影响健康焦虑：在线健康信息搜索中的信任中介效应
Yuheng Wu, Yujie Dong, Yi Mou
CHI 2025
CounterStress：通过个人资讯中的反事实解释增强压力应对规划
Gyuwon Jung, Uichin Lee
CHI 2024
解开AI错误的困境：探索人类和机器解释对大型语言模型的有效性
Marvin Pafla, Kate Larson, Mark Hancock
CHI 2024
Ivie：新生成代码的轻量级锚定解释
Litao Yan, Alyssa Hwang, Zhiyuan Wu
CHI 2023
解释设计对用户感知智能家庭照明系统的影响：一项混合方法研究
Jiaxin Dai, Chao Zhang, Dzmitry Aliakseyeu
CHI 2023
GAM 教练：迈向交互式和用户中心的算法补救
Zijie J. Wang, Jennifer Wortman Vaughan, Rich Caruana
IUI 2022
可解释推荐对青少年信任的影响：一项电子学习情境研究
Jeroen Ooge, Shotallo Kato, Katrien Verbert
CHI 2022
面向可关联的可解释人工智能与感知过程
Wencan Zhang, Brian Y Lim
IUI 2021
我明白了，AI！可解释人工智能中的解释深度错觉
Michael Chromik, Malin Eiband, Felicitas Buchner