Jan, 2021
超越专业知识与角色:可解释机器学习参与者及其需求的框架
Beyond Expertise and Roles: A Framework to Characterize the Stakeholders of Interpretable Machine Learning and their Needs
Harini Suresh, Steven R. Gomez, Kevin K. Nam, Arvind Satyanarayan
TL;DR通过对利益相关者进行更细致的区分和认知,使黑匣子自动化系统更易于被解释和理解,在机器学习、数据领域和一般环境中对利益相关者进行了表征,并区分了域目标和可解释性任务。通过对我们的框架的描述、评价和生成力的评估,我们发现我们对利益相关者的更微妙的处理揭示了可解释性文献中的空白与机会,增加了用户研究的设计和比较的精度,并促进了更反思性的研究方法。