.png){kind=icon}
返回
Apologizing artificial intelligence: designing and evaluating effective AI apologies after errors
.png){kind=icon}
OA
AI
DOI：10.1007/s00146-026-03067-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）工具的准确性日益提高，但仍偶有失误。尽管已有研究开始考察AI失误及其信任修复尝试的有效性，但仍需（1）将AI的信任修复尝试与人类在相同失误情况下的信任修复动态进行基准比较，以及（2）考察信任修复动态的情境差异。通过两项实验，我们发现当AI出现明显的建议错误并道歉时，用户比人类专家出现相同错误并道歉时更不易原谅。与人类专家不同，AI无法通过简单道歉来恢复信任，且该策略甚至可能产生负面影响。当AI以外部归因（即减轻自身责任）道歉时，其信任修复效果优于以内部归因（即承认自身局限）道歉。这两种效应在客观任务中比在主观任务中更为显著。
Keyword:
AI
Decision support
Apology
Cause attribution
Reliance
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
4.7
论文数:
555
被引数:
0
机构
引用论文
分享收藏Is anthropomorphizing AI worth it? The role of hands-on experience in shaping advice uptake拟人化AI是否值得？动手经验在塑造建议采纳中的作用
PREAI
分享收藏When more blame is better than less: The implications of internal vs. external attributions for the repair of trust after a competence- vs. integrity-based trust violation当更多的责备胜于更少的责备时: 内部归因与外部归因对能力的信任修复的影响-与基于完整性的信任违规
PREAI
分享收藏To learn or not learn from AI? Unpacking the effects of feedback valence on novel insights recall学习或是不学习人工智能？解包反馈效价对新颖洞见回忆的影响
PREAI
分享收藏分享收藏
Romeo, G., & Conti, D. (2025). Exploring automation bias in human-AI collaboration: A review and implications for explainable AI. AI & Soc. [Google Scholar] [CrossRef]Romeo, G., & Conti, D. (2025)。探索人机协作中的自动化偏差：一项综述及其对可解释人工智能的启示。AI & Soc. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏分享收藏
查看更多内容