help研究问题算法可争议性与治理审计
AI的整个价值链中哪些环节容易出现负面影响，如何提升这些环节的争议性（contestability）？CSCW '24From Stem to Stern: Contestability Along AI Value Chains
公平、偏见与研究治理 / 算法可争议性与治理审计
AI的整个价值链中哪些环节容易出现负面影响，如何提升这些环节的争议性（contestability）？
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？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？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？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？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？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？相关论文
CHI 2025
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
CHI 2025
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
CHI 2025
访问 denied：定量算法审计的有意义的数据访问
Juliette Zaccour, Reuben Binns, Luc Rocher
CHI 2024
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
CHI 2024
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
CHI 2023
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
CHI 2023
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
CHI 2022
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