HCI.TOPHCI, made easy

arrow_back返回问题库查看分类arrow_forward

公平、偏见与研究治理 / 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？

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?

同类问题

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

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

相关论文

面向AI责任基础设施：AI审计工具的差距与机遇

Victor Ojewale, Ryan Steed, Briana Vecchione

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

Snehal Prabhudesai, Ananya Prashant Kasi, Anmol Mansingh

访问 denied：定量算法审计的有意义的数据访问

Juliette Zaccour, Reuben Binns, Luc Rocher

理解边缘的竞争性：对公共服务中算法决策设计的启示

Naveena Karusala, Sohini Upadhyay, Rajesh Veeraraghavan

ChainForge：用于提示工程和LLM假设检验的可视化工具包

Ian Arawjo, Chelse Swoopes, Priyan Vaithilingam

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？

Rena Li, Sara Kingsley, Chelsea Fan

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

Mireia Yurrita, Tim Draws, Agathe Balayn

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

Alicia DeVos, Aditi Dhabalia, Hong Shen