教育领域可解释人工智能定义与挑战：系统文献综述
计算机与社会
2025-04-07 v1 人工智能
摘要
可解释人工智能 (Explainable AI, XAI) 旨在将黑箱算法过程转化为透明过程，提升 AI 应用在教育等多个领域的可信度。本综述旨在检视文献中对 XAI 的各种定义，并探讨 XAI 在教育领域的挑战。我们的目标是为教育领域的可解释 AI 贡献力量。本次系统综述采用 PRISMA 方法进行严谨且透明的研究，筛选出 19 项相关研究。我们的发现揭示了 15 种定义和 62 项挑战。这些挑战通过主题分析被归类为七个类别：可解释性、伦理、技术、人机交互 (Human-Computer Interaction, HCI)、可信度、政策与指南以及其他，进一步深化了对 XAI 在教育领域影响的理解。我们的分析表明，目前缺乏 XAI 的标准化定义，导致混淆，尤其是因为涉及伦理、可信度、技术细节和可解释性的定义倾向于重叠且各不相同。
引用
@article{arxiv.2504.02910,
title = {Systematic Literature Review: Explainable AI Definitions and Challenges in Education},
author = {Zaid M. Altukhi and Sojen Pradhan},
journal= {arXiv preprint arXiv:2504.02910},
year = {2025}
}