指导来源至关重要：来自AI、专家或分析师小组的指导如何影响可视化数据准备与分析

生成式人工智能的进步推动了诸如副驾驶和助手等AI驱动工具的发展，以提供更好的指导，特别是在数据分析过程中。然而，关于指导的研究尚未考察提供指导的来源的感知效能，以及该来源对用户感知和使用指导的影响。我们探究用户是否认为所有指导来源都同等有效，特别关注三种来源：(i) AI，(ii) 人类专家，以及 (iii) 一组人类分析师。作为基准，我们考虑了第四种来源，(iv) 未归因指导，即提供指导时不指明任何来源，从而能够隔离并比较特定来源指导的效果。我们设计了一项五条件受试者间研究，为四种指导来源各设一个条件，并增加一个 (v) 无指导条件，作为评估任何类型指导影响的基线。我们将研究置于一个定制的数据准备和分析工具中，在该工具中，我们要求用户从一个不熟悉的数据集中选择相关属性，为一份商业报告提供信息。根据分配的条件，用户可以请求指导，系统随后以属性建议的形式提供。为确保内部效度，我们控制了不同来源条件下指导的质量。通过多种使用和感知指标，我们对五个预注册假设进行了统计检验，并报告了额外的分析。我们发现，指导的来源对用户确实重要，但其方式与普遍认知不符。例如，尽管收到的指导质量相似，用户在分析的不同阶段使用指导的方式不同，包括表达了不同程度的遗憾。值得注意的是，AI条件下的用户报告了更高的任务后收益和遗憾。