从适配参与到构建关系：参与式机器学习的艺术

参与式机器学习（ML）鼓励将最终用户和受 ML 系统影响的人员纳入设计与开发过程。我们采访了 18 位参与式协调者——这些个体促进了此类纳入，并将参与者劳动的产物转化为 ML 制品或系统的输入——他们来自不同的组织环境和项目地点。我们的研究结果表明，将参与过程中产生的杂乱上下文信息与 ML 工作流所需的结构化数据格式相整合存在内在挑战，且项目背景中的权力动态不均衡。我们主张协调者角色的演变，以更公平地平衡参与式 ML 项目中为设计开发团队产生的价值与为参与者创造的价值。为了超越将参与“适配”到现有流程，并赋能参与者通过 ML 设想替代未来，协调者必须成为最终用户的教育者和倡导者，同时关注间接利益相关者的挫败感和异议。