面向多利益相关者职位推荐系统解释的共同设计研究

近期的立法提案显著增加了许多企业对可解释人工智能（XAI）的需求，尤其是在所谓的“高风险”领域，如招聘。在招聘中，AI 已变得普遍，主要以职位推荐系统（JRSs）的形式出现，其试图将候选人与职位空缺匹配，反之亦然。然而，由于涉及个体的专业水平与类型各异，常见的 XAI 技术往往在该领域表现不足，使得解释难以泛化。为确定不同利益相关者类型——候选人、招聘人员和公司——的解释偏好，我们创建并验证了一份半结构化访谈指南。利用扎根理论，我们结构化分析了这些访谈的结果，发现不同利益相关者类型确实具有强烈差异的解释偏好。候选人表示偏好简短的文本解释，使其能快速判断潜在匹配。另一方面， hiring managers 偏好基于视觉图表的解释，可一目了然地提供更具技术性和全面性的概览。招聘人员认为更详尽的文本解释更可取，因为这些为他们提供了更多说服双方接受匹配的谈资。基于这些发现，我们描述了如何设计满足所有三类利益相关者类型需求的解释界面的指导方针。此外，我们提供了经过验证的访谈指南，可协助未来研究确定不同利益相关者类型的解释偏好。