农业中的可解释性需求：探索奶农的用户画像
计算机与社会
2025-09-23 v1 人机交互
摘要
人工智能（AI）为包括农业在内的许多领域带来了新的机遇。然而，AI 系统在该行业的应用面临若干挑战。系统的复杂性可能阻碍信任，因为农民的生计依赖于他们的决策，他们可能会拒绝不透明或难以理解的建议。数据隐私问题也构成障碍，尤其是当农民对谁可以访问他们的数据以及用于何种目的缺乏透明度时。本文探讨了奶农对技术建议和数据隐私的可解释性需求，以及社会人口因素的影响。基于一项涉及 40 名德国奶农的混合方法研究，我们通过 k 均值聚类识别出五种用户画像。我们的发现揭示了不同的需求，一些农民偏好较少的细节，而另一些则在各个方面寻求完全的透明度。研究发现，年龄、技术经验和使用数字系统的信心与这些可解释性需求相关。所得出的用户画像为需求工程师提供了实践指导，旨在更有效地定制数字系统以满足农民的多样化需求。
引用
@article{arxiv.2509.16249,
title = {Explainability Needs in Agriculture: Exploring Dairy Farmers' User Personas},
author = {Mengisti Berihu Girmay and Jakob Droste and Hannah Deters and Joerg Doerr},
journal= {arXiv preprint arXiv:2509.16249},
year = {2025}
}
备注
This paper has been accepted at the REACH-AI workshop of the 33rd IEEE International Requirements Engineering conference (REW 2025)