.png){kind=icon}
返回
Exploring the Investment Construct for Quantifying AI Utilization
.png){kind=icon}
PRE
AI
DOI：10.1177/00187208261421986.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
研究目的
我们探索了
Investment
构念，以量化人类对AI的利用程度，并考察了尊重、信任、工作量和自信心作为影响利用程度的因素，这些因素均纳入
Investment
框架内。
研究背景
Investment
构念是一种新方法，基于人类付出的可衡量机会成本，用于量化对AI赋能代理的利用程度。本研究通过一项实验研究来操作化该构念，并考察其与影响因素之间的关系。
研究方法
30名参与者执行一项维护任务，期间AI提供协助。参与者被分为三组，每组分配不同的完成时间以模拟不同的任务负载水平，假设较低的任务负载会导致较高的
Investment
。我们收集了打字数据作为
Investment
的客观测量指标，并收集了六项定制量表作为主观测量指标。此外，我们还收集了上述影响因素的数据。
研究结果
各组在两种
Investment
测量指标上均存在显著差异，且如预期所示，较低的任务负载对应较高的
Investment
。此外，这两种
Investment
测量指标之间存在相关性。我们还发现尊重与
Investment
的主观测量指标之间存在相关性。未发现其他显著相关性。
研究结论
本研究首次提供了基于付出机会成本来概念化AI利用程度的实证证据，该证据在
Investment
框架内通过两种独立测量指标和影响因素进行探索。
应用价值
Investment
框架能够指导有效的人机交互设计，通过帮助平衡人类努力与AI效益、防止利用不足，并提升团队绩效和AI改进。
Keyword:
Investment
AI utilization
opportunity costs
human-AI interaction
task load
期刊
H
机构
引用论文
Trust at Zero Acquaintance: More a Matter of Respect Than Expectation of Reward零相识的信任: 更多的是尊重而不是期望的回报
OAAI
OAAI分享收藏Investment construct in human autonomy teaming for deep space habitat operations人类自主团队协作在深空栖息地操作中的投资构建.png)
Acta Astronautica
Acta AstronauticaIF3.4
PREAI
分享收藏Development of NASA-TLX (Task Load Index): Results of Empirical and Theoretical ResearchNASA-TLX (任务负荷指数) 的发展: 经验和理论研究的结果
PREAI
分享收藏Large language models empowered agent-based modeling and simulation: a survey and perspectives支持基于代理的建模和仿真的大型语言模型: 调查和观点
OAAI
OAAI分享收藏
查看更多内容