VISPUR：用于识别与解释数据驱动决策中伪关联的可视化辅助工具
人机交互
2023-07-28 v1 人工智能
机器学习
摘要
大数据与机器学习工具共同赋予了人类进行数据驱动决策的能力。然而，其中许多工具捕捉的是经验关联，可能因混杂因素与子群异质性而具有伪性。著名的辛普森悖论即此类现象：聚合与子群层面的关联相互矛盾，导致认知困惑及难以做出恰当解释与决策。现有工具鲜能为人类在实践中定位、推理并防范伪关联陷阱提供洞见。我们提出 VISPUR，一个提供因果分析框架与以人为中心工作流的可视化分析系统，用以应对伪关联。其包含可自动识别可能混杂因素的 CONFOUNDER DASHBOARD，以及可可视化并比较可能导致因果误读的不同子群模式的 SUBGROUP VIEWER。此外，我们提出采用基于流程方法阐释悖论现象的 REASONING STORYBOARD，以及有助于确保问责制决策的交互式 DECISION DIAGNOSIS 面板。通过专家访谈与受控用户实验，我们的定性与定量结果表明，所提“去悖论”工作流与所设计可视化分析系统能有效帮助人类用户识别并理解伪关联，并做出负责任的因果决策。
引用
@article{arxiv.2307.14448,
title = {VISPUR: Visual Aids for Identifying and Interpreting Spurious Associations in Data-Driven Decisions},
author = {Xian Teng and Yongsu Ahn and Yu-Ru Lin},
journal= {arXiv preprint arXiv:2307.14448},
year = {2023}
}