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

普通用户难以通过互动有效揭示算法偏见。

lightbulb现实痛点算法可争议性与治理审计

普通用户难以通过互动有效揭示算法偏见。

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

lightbulb现实痛点算法可争议性与治理审计

AI审计在识别风险和系统局限时工具不足且缺乏标准化。

CHI '25Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling

lightbulb现实痛点算法可争议性与治理审计

大学生在使用LLM时易盲目接受内容，缺乏批判性思维。

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

lightbulb现实痛点算法可争议性与治理审计

第三方算法审计因数据访问受限，无法进行可靠的公平性评估。

CHI '25Access Denied: Meaningful Data Access for Quantitative Algorithm Audits

lightbulb现实痛点算法可争议性与治理审计

AI设计和决策的负面影响难以追责，公众参与有限。

CSCW '24From Stem to Stern: Contestability Along AI Value Chains

lightbulb现实痛点算法可争议性与治理审计

弱势群体难以在算法公共服务中获得公平结果。

CHI '24Understanding Contestability on the Margins: Implications for the Design of Algorithmic Decision-making in Public Services

lightbulb现实痛点算法可争议性与治理审计

非技术用户难以高效设计和测试LLM提示词，导致优化缓慢。

CHI '24ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing

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