面向初学者的 AutoML 工具可靠自动化设计：原则与评估
人机交互
2025-12-01 v1
摘要
针对初学者的 AutoML 系统往往侧重算法自动化，而忽视可用性，导致用户对理解、信任以及端到端工作流程支持存在不足。为此，我们提出了一个覆盖数据导入、引导配置、训练、评估和推理的抽象管道。为检验该抽象管道，我们报告了一项用户研究，通过评估原型实现的信任、可理解性和用户体验。 在 24 名参与者的研究中，所有参与者成功构建了自己的模型，UEQ 评分呈正面态势，但经验丰富的用户在信任和理解方面显著高于初学者。基于本研究，我们提出了四项设计原则来提高面向初学者的 AutoML 系统设计：（P1）支持首次模型成功，以增强用户自我效能；（P2）提供解释，帮助用户形成正确的心理模型并发展合适的依赖水平；（P3）提供抽象和情境感知的帮助，使用户保持在最近的开发区内；（P4）确保可预测性和安全措施，以强化用户的控制感。
引用
@article{arxiv.2511.22352,
title = {Engineering Trustworthy Automation: Design Principles and Evaluation for AutoML Tools for Novices},
author = {Jarne Thys and Davy Vanacken and Gustavo Rovelo Ruiz},
journal= {arXiv preprint arXiv:2511.22352},
year = {2025}
}
备注
Submitted version accepted for publication in an LNCS Volume "Engineering Interactive Computer Systems - EICS 2025 - International Workshops and Doctoral Consortium"