辩护与透明：科学文献推荐系统中视觉解释的原因与方式
信息检索
2023-05-29 v1 人工智能
人机交互
摘要
人们已高度重视通过解释功能来增强推荐系统（RS），以帮助用户做出明智决策并增加对RS的信任和满意度。辩护（justification）和透明（transparency）代表了可解释推荐中的两个关键目标。与忠实地暴露推荐机制背后推理过程的透明不同，辩护传达的概念模型可能与底层算法不同。解释是对问题的回答。在可解释推荐中，用户会想要提出问题（称为可理解性类型）以理解RS给出的结果。在本文中，我们确定了Why和How解释可理解性类型与辩护和透明解释目标之间的关系。我们遵循以人为中心的设计（HCD）方法，并利用What-Why-How可视化框架，在透明的推荐与兴趣建模应用（RIMA）中系统地设计和实现Why和How视觉解释。此外，我们进行了一项定性用户研究（N=12），以调查在可解释RS中同时提供Why和How解释对用户关于透明、信任和满意度感知的潜在影响。我们的研究提供了定性证据，证实解释可理解性类型的选择取决于解释目标和用户类型。
引用
@article{arxiv.2305.17034,
title = {Justification vs. Transparency: Why and How Visual Explanations in a Scientific Literature Recommender System},
author = {Mouadh Guesmi and Mohamed Amine Chatti and Shoeb Joarder and Qurat Ul Ain and Clara Siepmann and Hoda Ghanbarzadeh and Rawaa Alatrash},
journal= {arXiv preprint arXiv:2305.17034},
year = {2023}
}
备注
23 pages