EUCA dataset

EUCA 数据集描述 相关论文：EUCA：以最终用户为中心的可解释 AI 框架作者：Weina Jin、Jianyu Fan、Diane Gromala、Philippe Pasquier、Ghassan Hamarneh 简介：EUCA 数据集用于建模个性化或交互式可解释 AI。它包含 32 个最终用户对 12 种解释形式（包括基于特征、示例和基于规则的解释）的偏好的 309 个数据点。这些数据是从对 2019-2020 年大温哥华市区 32 名非专业参与者的用户研究中收集的。在用户研究中，参与者 (P01-P32) 接受了人工智能辅助的关键任务，包括房价预测、健康状况预测、购买自动驾驶汽车和学习生物检查 [1]。在每个任务中并针对其给定的解释目标 [2]，参与者选择并排列他们认为最合适的解释形式 [3]。 1 EUCA_EndUserXAI_ExplanatoryFormRanking.csv 列描述：索引-参与者人数案例-任务-解释目标组合接受使用AI？相信它？ - 鉴于任务和解释目标需要解释，参与者回应他们是否会使用人工智能？ - 参与者回答他们是否要求对AI 1、2、3、...进行解释 - 解释表卡选择和排名卡是否满足要求？ - 卡片选择后，参与者被问及选择的卡片组合是否满足他们的可解释性要求。 2 EUCA_EndUserXAI_demography.csv 它包含参与者的人口统计数据，包括他们的年龄、性别、教育背景以及他们对人工智能的知识和态度。 EUCA 数据集 zip 文件供下载 EUCA 数据集的更多上下文 [1] 关键任务 有四个任务。任务标签及其对应的任务标题分别为：房子 - 卖房车 - 购买自动驾驶汽车 健康 - 个人健康决定鸟 - 学习鸟类物种 中呈现的任务故事板和解释目标请参考 EUCA 量化数据分析报告用户研究。 [2] 解释目标最终用户可能有不同的目标/目的来检查人工智能的解释。 EUCA数据集包括以下11个解释目标，其在数据集中的【标签】、全称和描述【信任】校准信任：信任是建立人-AI决策伙伴关系的关键。由于用户很容易不信任或过度信任人工智能，因此校准信任以反映人工智能系统的能力非常重要。 [安全] 确保安全：用户需要确保安全的决定后果。