help研究问题解释形式设计与理解效果
如何通过结合个体预测和整体统计分布的数据驱动解释，提高医疗工作者对糖尿病风险的理解？IUI '23Directive Explanations for Monitoring the Risk of Diabetes Onset: Introducing Directive Data-Centric Explanations and Combinations to Support What-If Explorations
AI可解释性、信任与校准依赖 / 解释形式设计与理解效果
如何通过结合个体预测和整体统计分布的数据驱动解释，提高医疗工作者对糖尿病风险的理解？
同类问题
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？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？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？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