通过透明度克服算法回避：透明预测是否能改变用户行为？
机器学习
2025-08-06 v1
摘要
先前的研究表明，允许用户调整机器学习（ML）模型的预测可以减少对不完美算法决策的回避。然而，这些结果是在用户没有关于模型推理信息的情况下获得的。因此，仍不清楚可解释的ML模型是否能进一步减少算法回避，甚至是否使可调性功能变得多余。本文概念性地复现了一个旨定研究，探讨可调预测对算法回避的影响，并通过引入一种可视化揭示其决策逻辑的可解释ML模型进行扩展。通过进行注册的用户研究（280名参与者），我们检验了透明度如何与可调性交互影响算法决策中的回避。我们的结果复现了可调性效应，表明允许用户修改算法预测可减轻回避。透明度的影响似乎小于预期，且对我们的样本并不显著。此外，透明度和可调性的效应似乎比预期更独立。
引用
@article{arxiv.2508.03168,
title = {Overcoming Algorithm Aversion with Transparency: Can Transparent Predictions Change User Behavior?},
author = {Lasse Bohlen and Sven Kruschel and Julian Rosenberger and Patrick Zschech and Mathias Kraus},
journal= {arXiv preprint arXiv:2508.03168},
year = {2025}
}
备注
Accepted at 20th International Conference on Wirtschaftsinformatik (WI25); September 2025, M\"unster, Germany