在线自诊断中缓解可用性偏见：从症状挖掘证据
人机交互
2025-01-28 v1
摘要
人们频繁接触社交媒体上的健康信息，倾向于在线自诊断时高估自身症状，因为存在可用性偏见。这可能导致错误的自我用药，增加医疗保健机构纠正患者误解的负担。本文通过开展两项混合方法研究来识别缓解在线自诊断中可用性偏见的设计目标。我们调查了影响自我症状评估的因素。我们发现，当社交媒体内容与个人产生共鸣时，可用性偏见尤为显著，导致个体忽视自身证据。为此，我们开发并评估了三个基于聊天机器人的症状检查器，以促进基于证据的自我反思进行偏差缓解。结果表明，带有认知干预策略的聊天机器人式症状检查器能够缓解在线自诊断中的可用性偏见影响。
引用
@article{arxiv.2501.15028,
title = {Mining Evidence about Your Symptoms: Mitigating Availability Bias in Online Self-Diagnosis},
author = {Junti Zhang and Zicheng Zhu and Jingshu Li and Yi-Chieh Lee},
journal= {arXiv preprint arXiv:2501.15028},
year = {2025}
}