可解释 AI 对认知负荷的影响：一项实证研究的见解
人工智能
2023-04-19 v1 人机交互
摘要
尽管新兴的可解释人工智能（XAI）研究领域声称要解决高性能机器学习模型缺乏可解释性的问题，但在实践中，XAI 面向的是开发者而非实际终端用户。 unsurprisingly，终端用户常不愿使用基于 XAI 的决策支持系统。同样，关于终端用户在 XAI 解释使用过程中的行为的跨学科研究有限，导致解释可能如何影响认知负荷并进一步影响终端用户表现尚属未知。因此，我们开展了一项针对 271 名准医生的实证研究，使用 COVID-19 用例测量他们在与实现无关的 distinct XAI 解释类型下的认知负荷、任务表现和任务时间。我们发现这些解释类型强烈影响终端用户的认知负荷、任务表现和任务时间。进一步，我们将心智效率度量情境化，对局部 XAI 解释类型排序最佳，以期为未来应用提供建议并对社会技术型 XAI 研究给出启示。
引用
@article{arxiv.2304.08861,
title = {Impact Of Explainable AI On Cognitive Load: Insights From An Empirical Study},
author = {Lukas-Valentin Herm},
journal= {arXiv preprint arXiv:2304.08861},
year = {2023}
}
备注
Thirty-first European Conference on Information Systems (ECIS 2023)