.png){kind=icon}
返回
Empirically Testing Explanation Preferences in Computational Argumentation
.png){kind=icon}
OA
AI
DOI：10.1007/s12559-026-10654-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计算论证是一种用于创建人类可理解系统和解释的AI方法。在计算论证文献中，基于认知科学原理的解释定义已被创建，以提供选择性解释，即减少解释中包含的信息。然而，这些解释是否与实际解释行为一致，在很大程度上尚未得到验证。本研究测试并验证了基于计算论证的不同解释定义。这是通过一项实验进行的，参与者通过从其他呈现的论证中选择来提供解释。参与者的回答与文献中基于的三种解释类型进行比较。这种比较使我们得出结论：人们更喜欢由相关论证组成的简短解释。虽然这些偏好部分与基于论证的解释定义一致，但我们还发现，解释通常比使用这些定义生成的解释更短。结果表明，计算论证的定义确实能够提供类人解释，但可以通过创建更具选择性的解释定义来进一步改进。
Keyword:
Computational argumentation
Explanation
Logic
Argumentation
Cognitive science
Explainable artificial intelligence (XAI)
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
IF:
4.3
论文数:
1.6K
被引数:
3.6K
机构
暂无机构信息
引用论文
.png){kind=icon}
How should the results of artificial intelligence be explained to users?- Research on consumer preferences in user-centered explainable artificial intelligence人工智能的成果应该如何向用户解释？-- 以用户为中心的可解释人工智能的消费者偏好研究
PREAI
分享收藏Providing Arguments in Discussions on the Basis of the Prediction of Human Argumentative Behavior
PREAI
分享收藏
查看更多内容