本文研究 AI 辅助决策的团队决策，在考虑决策者面临的协同成本、不完美的算法决策等限制条件下，研发了人工智能团队学习框架和 TeamRules 算法，可提供有针对性的决策建议并在处理协同成本和团队准确性之间的平衡上产生显著的效果

Oct, 2022

本文认为，采用学习科学已有的实践经验，有助于为算法决策系统提供更好的解释。本文简要介绍了解释 ADM 系统的重要性，概述了改进解释的其他学科方法，并展示了我们采用 “六个理解层面” 框架的定性任务研究的结果。最后，我们提出了问题，引导未来的研究如何利用跨学科方法。

May, 2023

该研究探讨了算法工具在儿童虐待热线筛选决策方面的应用，结果显示人类对机器的建议进行了更改，缺乏自主权的全自动化决策管道存在风险。

Feb, 2020

该论文探讨了自动化决策系统在人类决策中的作用和不足，旨在通过深入研究来理解决策主体对于基于自动化决策系统的透明度的决策的不同感受，确保决策的质量、公正以及人性化。

Apr, 2022

本文对高等教育中决策制定算法进行了系统性的综述，发现这些算法趋向于深度学习和对学生的个人数据和受保护属性的使用，但当前算法的发展普遍缺乏以人为中心的理论，参与式或推测性设计，并探讨了这些趋势所带来的挑战，主张采用以人为中心的方法。

Feb, 2023

本文探讨了一种学习人类决策者并提供 “个性化推荐” 以控制最终决策的决策辅助算法，分析了如何达到最终决策的完美控制条件，并讨论了算法的潜在应用及其社会影响。

Mar, 2023

通过对已有的案例进行分析，本文提出了交互式人工智能决策辅助系统的设计，旨在通过学习人类的选择来决定何时提供算法支持，从而提高决策的准确性和可靠性。作者在美国刑事司法系统的前期释放审判方面进行了大规模实验，并发现交互式辅助系统能够在必要的时候提供准确的建议，与固定的非交互式系统相比较，可以显著提高人类的决策水平。同时，交互式辅助系统还具有促进人类学习、保护人类决策者补充优势、促进对建议的更积极响应等优点。

Sep, 2022

为了解决人工智能系统解释信息与受影响利益相关者信息需求之间的差距，本研究通过两个算法决策场景中受访者的采访研究，提出了 “XAI 初学者问题库”，总结了信息需求的类别和挑战，并影响了受访者对系统风险和好处的感知.

Jan, 2024

自动决策系统（ADS）在各个领域和职业中已经普遍存在，以提高性能。然而，这种广泛采用引入了潜在风险，包括 ADS 的滥用。本研究论文对数字化、数字转型和 ADS 在当代社会和未来环境中的应用所涉及的影响、区别和伦理考虑进行了全面的研究。强调在部署 ADS 时的规范、透明度和伦理行为的迫切需求。

Dec, 2023

本文提出了一种 “公众参与” 方法框架，旨在更好地参与算法决策，共同决策，并构建群众。结合通讯文献的见解，探讨其在涉及公共政策领域的 AI 设计中的特点对参与者的重要性，如再犯率预测，为支持此工作的人机交互社区描绘了一部分研究议程。

Apr, 2022