由于本研究的重点是不同类型的SC解释对外行信任的影响，因此首先有必要了解解释在人工智能中的目的和用途。长期以来，研究人员一直在研究理论和实践中的解释，从而产生了有关该主题的大量文献。这里我们采用Lewis的[gydF4y2Ba 21gydF4y2Ba将解释定义为提供事件的因果历史。我们也借鉴了希尔顿[gydF4y2Ba 22gydF4y2Ba]和米勒[gydF4y2Ba 23gydF4y2Ba认为解释既是动词又是名词是模棱两可的，而解释者的意思是gydF4y2Ba 解释了gydF4y2Ba(动词)gydF4y2Ba 某物gydF4y2Ba(名词)gydF4y2Ba 产生理解gydF4y2Ba(动词)在接受者身上。gydF4y2Ba

解释理论通常把重点放在解释的功能上，作为一种传递信息的机制gydF4y2Ba 待解释的词gydF4y2Ba(被解释的事件或现象)进一步告知接受者的知识[gydF4y2Ba 24gydF4y2Ba]。然而，解释可以用在很多方面，包括说服[gydF4y2Ba 25gydF4y2Ba]，推卸责任gydF4y2Ba 26gydF4y2Ba]，甚至欺骗收件人[gydF4y2Ba 27gydF4y2Ba，gydF4y2Ba 28gydF4y2Ba]。鉴于这些目的，解释者和接受者可能经常有不同的目标[gydF4y2Ba 25gydF4y2Ba]。gydF4y2Ba

SC解释的目标是对接受者产生足够的信任，以便他们遵循分诊指示，以减轻卫生系统的负担[gydF4y2Ba 8gydF4y2Ba，gydF4y2Ba 10gydF4y2Ba]。这与接受者的目标不同，接受者的目标是了解是什么导致了他们的症状[gydF4y2Ba 29gydF4y2Ba]。gydF4y2Ba

解释可能在人类和社会互动中普遍存在，但它们并非无处不在。人们选择何时寻求解释[gydF4y2Ba 26gydF4y2Ba]。寻求解释的内在刺激，即寻求解释的好奇心，被未来的学习和未来的效用强烈预测，被缺乏知识适度预测[gydF4y2Ba 30.gydF4y2Ba]。gydF4y2Ba

由Lowenstein描述的有影响力的信息缺口理论[gydF4y2Ba 31gydF4y2Ba提出，个人现有知识和他们想要的知识之间的差距会培养好奇心。当一个事件或现象不符合一个人的心智模式时，寻求解释是规范上正确的[gydF4y2Ba 32gydF4y2Ba]。经验表明，信息差距在两个孩子中都引发了寻求解释的行为[gydF4y2Ba 33gydF4y2Ba]和成人[gydF4y2Ba 34gydF4y2Ba]。gydF4y2Ba

知识和解释是紧密相连的[gydF4y2Ba 35gydF4y2Ba]。当提供信息时，接受者必须意识到他们缺乏知识来寻求解释[gydF4y2Ba 31gydF4y2Ba]。解释必须充分传达信息[gydF4y2Ba 36gydF4y2Ba]，根据先前的信念和知识进行评估，特别是在知识丰富的领域[gydF4y2Ba 25gydF4y2Ba]，期望的结果是接受者的心智模式得到更新[gydF4y2Ba 26gydF4y2Ba]。接受者对解释的感知随后提供了他们对被解释的现象或事件的知识的洞察力[gydF4y2Ba 22gydF4y2Ba，gydF4y2Ba 37gydF4y2Ba]。因此，解释的质量是至关重要的，因为“好的、让用户满意的解释可以让用户建立一个好的心理模型。”反过来，他们良好的心智模式会使他们对人工智能产生适当的信任[gydF4y2Ba 18gydF4y2Ba)。”gydF4y2Ba

解释可以采取多种形式，例如，科学的，因果的，目的论的，或gydF4y2Ba 日常gydF4y2Ba。普遍接受的分类法并不存在[gydF4y2Ba 38gydF4y2Ba]。考虑到这项研究的重点是外行人，以及之前的学术研究表明他们在人工智能中的效用[gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 38gydF4y2Ba，我们的重点将放在日常解释上。这是一种解释形式，通常在社会交往中观察到，被定义为对问题的回答gydF4y2Ba 为什么gydF4y2Ba问题(gydF4y2Ba 21gydF4y2Ba，gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 39gydF4y2Ba]。gydF4y2Ba

刘易斯(gydF4y2Ba 21gydF4y2Ba断言，大多数解释都是典型的答案gydF4y2Ba 为什么gydF4y2Ba例如，“你为什么那样做?”或者“为什么会这样?”gydF4y2Ba 为什么gydF4y2Ba问题是隐含的对比，问题的形式是“为什么做这个决定”gydF4y2Ba 而不是别的?gydF4y2Ba［gydF4y2Ba 21gydF4y2Ba)。”当人类回答gydF4y2Ba 为什么gydF4y2Ba问题，我们提供一个解释(P)相对于没有发生(Q)的其他事件。这被称为对比解释，其中P被称为gydF4y2Ba 事实gydF4y2Ba(发生的事件)，Q是gydF4y2Ba 箔gydF4y2Ba(未发生的事件)[gydF4y2Ba 39gydF4y2Ba]。gydF4y2Ba

a的事实分量gydF4y2Ba 为什么gydF4y2Ba问题可能有很多潜在的缺点。想想这个问题:“你为什么要看《权力的游戏》?”它的陪衬可能包括“而不是新闻?”或者“不出去?”陪衬本身为要提供的解释生成上下文。在人际交往中，箔常常没有明确地说明gydF4y2Ba 为什么gydF4y2Ba的问题。相反，人们从互动的语气和语境中推断出陪衬[gydF4y2Ba 39gydF4y2Ba]。重要的是，所解释的原因取决于通过对话暗示的提问者的兴趣。这进一步强调了米勒[gydF4y2Ba 23gydF4y2Ba解释是社会性的和会话性的[gydF4y2Ba 22gydF4y2Ba]。gydF4y2Ba

解释对比可能比解释事实本身更容易，因为P不需要足以使事件发生，只要它能区分P和Q的因果差异[gydF4y2Ba 40gydF4y2Ba]。对比解释也有限制所提供信息的好处[gydF4y2Ba 39gydF4y2Ba]。对比解释的约束效应对人类是有帮助的，因为它减少了处理解释的认知负担[gydF4y2Ba 26gydF4y2Ba]。gydF4y2Ba

人类很少提供一个详尽的因果链作为解释，而宁愿选择一两个相关的原因。gydF4y2Ba 25gydF4y2Ba，gydF4y2Ba 36gydF4y2Ba]。在选择电视节目的例子中，一个外行人不会通过提供他们的生活故事来证明他们的选择，列出有影响的童年事件。相反，解释者可能会分别回答:“这比现实生活更令人兴奋”和“我很累”。这些解释可能不能完全解释P;然而，他们充分和简洁地区分了P和q。对于本文的其余部分，为了简单起见，对比解释将被称为gydF4y2Ba 为什么- - - - - -gydF4y2Ba的解释。gydF4y2Ba

要在解释的复杂性方面取得适当的平衡是困难的。Thagard的gydF4y2Ba 41gydF4y2Ba解释连贯理论指出，人们更喜欢简单、一般的解释。这种偏好已被经验证实[gydF4y2Ba 23gydF4y2Ba]。例如，Read和Marcus-Newhall [gydF4y2Ba 42gydF4y2Ba用一个有三种症状的女人的场景来评估这一点:体重增加、疲劳和恶心。研究参与者收到了以下三种解释类型中的一种来描述导致她健康状况不佳的原因:gydF4y2Ba

参与者更喜欢对怀孕的广泛解释(选项2)，更喜欢原因较少、解释更多事件的简单解释。gydF4y2Ba

当代以实验室为基础的研究重申了人类对简单解释的偏好，而不是复杂的解释[gydF4y2Ba 13gydF4y2Ba，gydF4y2Ba 36gydF4y2Ba，gydF4y2Ba 43gydF4y2Ba-gydF4y2Ba 45gydF4y2Ba]。然而，在自然环境中的实验表明，复杂性增加了解释的满意度[gydF4y2Ba 28gydF4y2Ba，gydF4y2Ba 46gydF4y2Ba复杂性偏好与事件本身的复杂性是一致的[gydF4y2Ba 47gydF4y2Ba-gydF4y2Ba 49gydF4y2Ba]。gydF4y2Ba

通常，认知心理学研究通过讨论外星种族的疾病来检验诊断性解释，以避免依赖先前的知识。这消除了一个混杂因素;然而，考虑到解释和知识之间的关系，我们应该谨慎地将这些发现应用于现实生活中的SCsgydF4y2Ba 求知与解释gydF4y2Ba部分)。重要的是，大多数实验都需要高水平的读写能力和理解力。他们对认知心理学专业的学生或识字能力的新兵进行了测试。这与现实情况形成鲜明对比:七分之一的英国人是功能性文盲，很难阅读药品标签[gydF4y2Ba 50gydF4y2Ba]，只有一半拥有本科学位[gydF4y2Ba 51gydF4y2Ba]。gydF4y2Ba

简而言之，在实验室和自然实验设置之间，解释偏好的差异已经被注意到。此外，还对具有不同于一般人群特征的研究群体进行了实验。这表明，在推广到外行人使用的技术之前，需要验证偏好。gydF4y2Ba

不应该假设AI系统中的解释呈现与人类的解释行为和需求相匹配。尽管在特定情况下，人类解释自己的需要通常被认为是理所当然的，但关于人工智能是否有必要解释自己的问题，人们一直在争论。图灵奖得主杰弗里·辛顿认为，解释是没有必要的，因为人类无法解释自己的神经过程。gydF4y2Ba 52gydF4y2Ba]。一项针对医学生的研究支持了这一观点，因为研究发现，半数医学生在做出诊断决策时依赖于直觉思维。gydF4y2Ba 53gydF4y2Ba]。gydF4y2Ba

认识到人工智能系统经常被用来(帮助)做出有影响力的决策，可以说至少有两个原因需要解释。首先，用户采用人工智能技术需要解释。当提供解释时，信任和依赖系统的倾向会增加[gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 54gydF4y2Ba-gydF4y2Ba 57gydF4y2Ba]。如果人工智能系统不被信任，它们就不太可能被用户采用，从而限制了该技术的功效[gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 58gydF4y2Ba]。其次，欧盟关于数据保护和隐私的法律《通用数据保护条例》(General Data Protection Regulation)对人工智能系统提出了两个相关要求:它们(1)必须提供“有关决策过程中涉及的逻辑的有意义的信息”;(2)理想情况下应提供“对决策的解释[gydF4y2Ba 59gydF4y2Ba)。”gydF4y2Ba

这导致了对解释人工智能系统决策的关注[gydF4y2Ba 57gydF4y2Ba]。为此，检查算法过程以生成解释(产品)，随后将包含的知识传达给接收者(社会过程)[gydF4y2Ba 23gydF4y2Ba]。与人类的解释偏好相反，目前的人工智能解释主要提供以下问题的答案gydF4y2Ba 如何gydF4y2Ba问题,不gydF4y2Ba 为什么gydF4y2Ba的问题。gydF4y2Ba

由于其复杂性和不透明性，人工智能模型通常被视为黑盒。可解释的人工智能领域主要侧重于提高模型如何产生输出的透明度，通常供计算机程序员和专家用户使用。这实际上回答了gydF4y2Ba 如何gydF4y2Ba问:“你是怎么决定的?”gydF4y2Ba

有大量的技术被用来解释人工智能模型如何做出决定或以其他方式产生输出[gydF4y2Ba 13gydF4y2Ba]。这些功能解释将被称为gydF4y2Ba ——如何gydF4y2Ba的解释。两个这样的gydF4y2Ba ——如何gydF4y2Ba解释目前用于解释SCs的输出(见gydF4y2Ba 现象检查中的解释gydF4y2Ba部分):gydF4y2Ba

这两种解释方法都要求其人类接受者具有领域知识来评估解释。两者都没有提供明确的对比解释或答案gydF4y2Ba 为什么gydF4y2Ba的问题。相反，人类专家接受者的认知负担是评估和对比大量数据点，以确定他们是否同意决策。在乳房x光片的例子中，一个没有接受过放射学培训的人没有足够的知识来理解这两种解释，这可能导致接受者认为它们的质量很差。gydF4y2Ba

当人工智能系统被部署到更广泛的社会中时，系统建设者(如软件工程师和设计师)必须将技术打包到软件中。对于一般用户，系统构建者使用这些gydF4y2Ba ——如何gydF4y2Ba解释并将其翻译成非专业人士也能理解的形式[gydF4y2Ba 15gydF4y2Ba]。尽管对于许多计算机科学家和律师来说，这种方法似乎很自然，但对于sc来说，这并不一定是最好的方法。gydF4y2Ba

像许多人工智能系统一样，sc通常作为对话代理或助手呈现。人类倾向于拟人化[gydF4y2Ba 62gydF4y2Ba]，并且虚拟助手具有许多特征，可以使用户在助手的行为中推断出类似人类的代理[gydF4y2Ba 63gydF4y2Ba]。在人类的谈话中，我们更喜欢社交gydF4y2Ba 为什么- - - - - -gydF4y2Ba解释(见gydF4y2Ba 日常的解释gydF4y2Ba部分)。如果智能系统要充当对话代理，这表明所提供的解释应该遵循人类对话的规范，通过在系统和人类接收者之间建立对决策的共同理解[gydF4y2Ba 64gydF4y2Ba]。鉴于目前是系统构建者为人工智能系统提供解释，大量基于社会学、哲学和认知理论的解释工作未得到充分利用。gydF4y2Ba 38gydF4y2Ba]。gydF4y2Ba

外行对…的看法之间的冲突gydF4y2Ba ——如何gydF4y2Ba解释和gydF4y2Ba 为什么- - - - - -gydF4y2Ba解释是本研究的重点。考虑到人类的偏好，假设会有偏好gydF4y2Ba 为什么- - - - - -gydF4y2BaSC输出的解释。的一种gydF4y2Ba 为什么- - - - - -gydF4y2Ba已经提出的更有效和更容易理解的解释将包括反事实解释。gydF4y2Ba

反事实解释是指被认为要达成一项决定的因素必须如何改变才能作出另一项决定[gydF4y2Ba 26gydF4y2Ba，gydF4y2Ba 40gydF4y2Ba，gydF4y2Ba 65gydF4y2Ba]。反事实的解释隐含地回答了gydF4y2Ba 为什么gydF4y2Ba问题:“你为什么选择结果P而不是结果Q?”通过检查如果变量gydF4y2Ba VgydF4y2Ba= (gydF4y2Ba vgydF4y2Ba_1gydF4y2Ba , vgydF4y2Ba_2gydF4y2Ba ，…gydF4y2Ba)是不同的[gydF4y2Ba 65gydF4y2Ba，gydF4y2Ba 66gydF4y2Ba]。回到乳房x光检查的例子，用户可能会问“gydF4y2Ba 为什么gydF4y2Ba你诊断出有肿瘤(而不是没有肿瘤)吗?反事实的解释可能会说“如果。gydF4y2Ba 这些gydF4y2Ba像素不是白色的，我就不会诊断出肿瘤。”gydF4y2Ba

反事实解释在人类认知中自然出现。它们在我们的日常思维中是一种显著的模式[gydF4y2Ba 67gydF4y2Ba]，两岁左右开始具备反事实思考的能力[gydF4y2Ba 68gydF4y2Ba]。它们也是对比的，与人类的解释性偏好一致gydF4y2Ba 日常的解释gydF4y2Ba部分)。反事实解释被认为是传达因果推理的有效方式[gydF4y2Ba 66gydF4y2Ba，gydF4y2Ba 69gydF4y2Ba]。它们有效地突出了模式歧视[gydF4y2Ba 70gydF4y2Ba对于这项工作来说，重要的是，他们提供了一种gydF4y2Ba 为什么- - - - - -gydF4y2Ba解释(gydF4y2Ba 27gydF4y2Ba，gydF4y2Ba 40gydF4y2Ba，gydF4y2Ba 66gydF4y2Ba]。反事实的解释确实需要接受者的认知努力。然而，就其性质而言，它们限制了解释的范围，减轻了认知负担[gydF4y2Ba 69gydF4y2Ba]，并被提倡为非技术用户更容易使用的方法[gydF4y2Ba 65gydF4y2Ba]。gydF4y2Ba

本研究旨在探讨外行人对SC解释的信任。人类对……有强烈的偏好gydF4y2Ba 为什么- - - - - -gydF4y2Ba而迄今为止用于解释人工智能系统的技术方法通常给出的解释是gydF4y2Ba ——如何gydF4y2Ba的解释。已经确定了三种相关性的解释类型进行评估。为了直接解决本研究的重点，研究了SCs解释的现状。像其他人工智能系统一样，SCs目前倾向于提供gydF4y2Ba ——如何gydF4y2Ba的解释。gydF4y2Ba

参与者是通过网络平台“多产”招募的。随后使用Qualtrics (Qualtrics, LLC)将参与者随机分配到治疗组并收集调查反馈。那些在210秒内完成实验的参与者被排除在外，因为这意味着他们花了不到30秒的时间来完成调查，表明满意。最终的数据集包括750名参与者，他们的工资为1.45英镑(相当于1.96美元的最低工资)。gydF4y2Ba

在设计这项研究时考虑了一些伦理问题，包括:gydF4y2Ba

为了减轻这些担忧，无症状的参与者被要求观看SC互动的视频。她们被告知，这不是为她们自己的健康需要量身定制的。一位在SC设计方面经验丰富的普通医学委员会注册的初级保健医生对所呈现的材料提出建议，以确保医疗准确性、安全性和现实性。参与者仅限于居住在联合王国的个人，联合王国提供全民保健，如果他们感到担忧，他们可以获得临床支持。该研究获得了牛津大学的伦理批准(参考号:SSHOIIC1A19007)。gydF4y2Ba

由于探索性因素分析对每种疾病产生了不同的成分，参与者似乎对信任有不同的概念。与颞动脉炎不太清楚的因素结构相比，偏头痛反应的干净负载为三个组成部分表明在解释上有更大的细微差别。颞动脉炎未产生gydF4y2Ba 深度gydF4y2Ba成分分析和因子分析要求去除与之相关的问题gydF4y2Ba 足够的细节gydF4y2Ba。如前所述，选择颞动脉炎是期望接受者对颞动脉炎的了解比偏头痛少。gydF4y2Ba

考虑到解释和理解之间的联系[gydF4y2Ba 37gydF4y2Ba，gydF4y2Ba 85gydF4y2Ba]，因此，接受者对解释质量的感知可以洞察他们对解释的心理模型。缺乏清晰的认识gydF4y2Ba 深度,gydF4y2Ba再加上不明确的因素负荷，表明参与者对颞动脉炎的了解较少。换句话说，与他们对偏头痛的了解相比，参与者对颞动脉炎的一般医学知识之间存在更大的信息差距。当存在信息缺口时，就会产生一种不对称的知识条件，即参与者需要传递知识[gydF4y2Ba 63gydF4y2Ba]。gydF4y2Ba

不同的解释类型对偏头痛的解释信任没有显著差异。这可能归因于参与者对偏头痛的了解。gydF4y2Ba

研究表明，患者会根据自己的基础知识来评估医疗信息[gydF4y2Ba 86gydF4y2Ba-gydF4y2Ba 88gydF4y2Ba]。很有可能，当参与者看到实验中描述的症状时，他们依赖于他们现有的知识，并对可能的原因形成了一个假设。由于偏头痛的症状是众所周知的，随后的偏头痛诊断与参与者的知识一致。gydF4y2Ba

信息缺口强烈预示着个人需要得到解释[gydF4y2Ba 34gydF4y2Ba]。有证据表明，只有当解释和现有知识之间存在信息差距时，才需要解释偏头痛的结果[gydF4y2Ba 33gydF4y2Ba]。此外，由于偏头痛是一种常见病，它的可能性很大;众所周知，高先验会增加解释的接受度[gydF4y2Ba 36gydF4y2Ba]。缺乏效果表明，对于一种常见的、良性的、众所周知的疾病，参与者通常不会询问gydF4y2Ba 为什么gydF4y2BaSC选择诊断或gydF4y2Ba 如何gydF4y2Ba终于有了答案。这个诊断要么有意义，要么没有意义。因此，该解释不被评估[gydF4y2Ba 14gydF4y2Ba]，说明对用户信任没有影响。gydF4y2Ba

据报道，颞动脉炎的不同解释类型具有边际意义(gydF4y2Ba PgydF4y2Ba= .09点)。提出这一主张是因为在检查不同疾病的影响时发现了重大发现(见gydF4y2Ba 不同疾病的影响gydF4y2Ba部分)进一步支持正在观察到的效应的证据。可能颞动脉炎比偏头痛更需要一个解释。这种解释需要导致参与者批判性地评价颞动脉炎的解释。在探索这些需求之前，首先考虑参与者所看到的刺激是有益的。gydF4y2Ba

聊天机器人的视频最后会通知用户，这种疾病需要立即进行临床治疗，并向用户展示与全科医生的预约。参与者注意到这种严重程度，其中90%(345/383)的人将颞动脉炎判断为中度或非常严重(gydF4y2Ba 表2gydF4y2Ba）.当被诊断为颞动脉炎时，大多数参与者都不知道其症状。一种未知的严重疾病的诊断可能会让参与者感到惊讶甚至惊慌，从而引起情绪反应。gydF4y2Ba

在颞动脉炎组中，有两个潜在的因素刺激了更大的解释需求。首先，作为一种症状鲜为人知的罕见疾病，颞动脉炎造成了信息空白，导致人们渴望得到解释(见gydF4y2Ba 求知与解释gydF4y2Ba部分)。第二，我们知道人类的情绪会影响解释[gydF4y2Ba 37gydF4y2Ba并能影响我们经历事件的方式[gydF4y2Ba 89gydF4y2Ba]。在评估刺激与先前信念的一致性时，惊讶是寻求解释的一个已知预测因素[gydF4y2Ba 34gydF4y2Ba，gydF4y2Ba 90gydF4y2Ba]。因此，由诊断产生的诸如惊讶甚至恐惧之类的情绪可能引发了对解释的更大需求。由于情绪的测量超出了本研究的范围，这将是未来研究的一个有希望的方向。gydF4y2Ba

回到关于参与者需要解释的主要讨论，边际结果表明，解释可能提高了信任，但没有明显的效果。考虑到没有解释的实验治疗，缺乏显著性是令人惊讶的。在实验形式的背景下考虑结果，说明了为什么应该这样做的可能性。gydF4y2Ba

所有的试验性治疗，甚至没有任何解释，都涉及观看3分钟的聊天机器人互动。互动的对话性质传递了解释性信息[gydF4y2Ba 22gydF4y2Ba]。在观看视频时，参与者会参考他们现有的医学知识来建立诊断假设。最后，对疾病的描述本身包含事实信息。因此，参与者很可能将所有治疗，包括不解释，视为一种解释形式。尽管无解释类型没有提供明确的细节gydF4y2Ba 如何gydF4y2Ba或gydF4y2Ba 为什么gydF4y2BaSC得出了它的诊断。gydF4y2Ba

剩下的三种解释类型提供了a的答案gydF4y2Ba 为什么gydF4y2Ba或gydF4y2Ba 如何gydF4y2Ba的问题。当考虑到需要关闭颞动脉炎的信息缺口时，这些解释似乎并没有完全成功。看来这个解释还不够完整，没有说服力。gydF4y2Ba 45gydF4y2Ba]。缺乏完整的医学解释突出了一个严重的问题。有成千上万的疾病和状况会影响人类。gydF4y2Ba 91gydF4y2Ba]。其中，一个外行可能知道一些常见病和那些公众意识运动的主题。对于一个外行人来说，他们给出的解释可能并不能排除他们所知道的其他疾病。例如，当一个外行人评估反事实解释所呈现的症状时，他们可能会想知道头痛和下颚疼痛是否也表明中风?回到事实和箔(见gydF4y2Ba 日常的解释gydF4y2Ba章节)，个人只能产生他们所知道的疾病的部分，这是合乎逻辑的。这一点很重要，因为目前sc不知道每个用户生成的特定箔。gydF4y2Ba

有可能SC解释被认为不太有效，因为一种被称为因果贴现的现象:“如果存在其他合理的原因，则给定原因在产生给定结果中的作用就会被贴现[gydF4y2Ba 92gydF4y2Ba)。”在这种情况下，原因(颞动脉炎)在产生结果(健康症状)时被忽略，因为其他疾病可能引起它们。gydF4y2Ba

对因果折扣的进一步支持可以在参与者完成调查后留下的文字评论中找到。在750名参与者中，195人(26%)留下了评论。在这195人中，59人(30.3%)表示他们担心可能会遗漏一种更严重的疾病，这两种疾病之间的比例相等。这是一个普遍的问题，55%的患者担心误诊[gydF4y2Ba 93gydF4y2Ba]。因此，在解释诊断时，外行人需要确信其他严重疾病已被考虑和排除，这是一个重要因素。虽然这些评论在两种疾病之间平均分布，但对于造成较大信息差距的疾病，更需要解决因果折扣问题。gydF4y2Ba

本研究中提供的简单解释可能不足以弥补接受者的信息差距[gydF4y2Ba 46gydF4y2Ba并回答他们的陪衬。尽管人类可能更喜欢简单的解释[gydF4y2Ba 44gydF4y2Ba]，他们不会盲目地喜欢它们，而是根据解释的背景来调整自己的偏好[gydF4y2Ba 47gydF4y2Ba]。这项研究的发现支持了之前的研究，即被视为不完整的解释对接受者来说不太令人满意。gydF4y2Ba 30.gydF4y2Ba，gydF4y2Ba 48gydF4y2Ba]。在诊断的复杂细微差别的情况下，这项研究与人们期望与事件本身相匹配的复杂性水平的发现相一致[gydF4y2Ba 48gydF4y2Ba]。这与格赖斯[gydF4y2Ba 94gydF4y2Ba解释不应该暗示他们认为被解释者知道的原因。在SC情景中，这项研究表明SC必须解释它考虑了被解释者知道的疾病。gydF4y2Ba

在评估了对特定疾病的解释改变解释类型对信任的影响后，现在讨论转向本研究的第二个角度:保持解释类型不变，改变被解释的疾病。gydF4y2Ba

本节以前面的发现为基础，即被解释的疾病是决定对解释的信任的关键因素。由于这些发现是微妙的，本节将依次检查每种解释类型的结果。从这条调查路线中出现了两个一般主题:(1)症状的独特性更好地填补了信息空白;(2)不同的解释类型促使用户根据解释的重点做出反应。在强调与用户自己的心理模型不一致的情况下，这会导致认知失调，突出了当用户的明确箔没有被理解时提供解释的危险。gydF4y2Ba

在进入这个探索之前，应该指出的是，尽管对四种解释类型中的三种进行的manova是显著的，事后的gydF4y2Ba tgydF4y2Ba测试结果并不一定如此(表2)gydF4y2Ba 多媒体附录2gydF4y2Ba）.这表明，信任一个解释的各个方面结合起来会产生效果。还承认，通过将受访者分为四个解释类型组，事后测试的能力不足，需要更大的样本量进行验证。gydF4y2Ba

当按解释类型检查结果时，最有趣的发现是，关于输入影响，gydF4y2Ba 信仰gydF4y2Ba不同的疾病(gydF4y2Ba PgydF4y2Ba= 0.053)，颞动脉炎的解释比偏头痛的解释更可信(gydF4y2Ba 表5gydF4y2Ba）.颞动脉炎的解释是头痛伴有头皮和下颌疼痛，而偏头痛则是缓慢发作的头痛和恶心(gydF4y2Ba 表1gydF4y2Ba）.回到简单-复杂悖论和因果折扣的讨论，颞动脉炎联合症状的独特性可能更好地缩小了参与者的信息差距[gydF4y2Ba 95gydF4y2Ba]。这些不寻常的症状提供了一个简单的解释，排除了被解释者可能知道的其他疾病，培养了更大的信心[gydF4y2Ba 46gydF4y2Ba]。与此同时，头痛和恶心的症状可以用偏头痛以外的疾病来解释，这使得它不那么可信。作为gydF4y2Ba 信仰gydF4y2Ba解释了信任因素中最大的方差，这里的意义强调了通过颞动脉炎的解释类型检查信任时的边际结果。gydF4y2Ba

通过这个镜头观察输入的影响还提出了另一个重要的问题。不可能判断参与者是否认为解释是错误的gydF4y2Ba ——如何gydF4y2Ba解释或gydF4y2Ba 为什么- - - - - -gydF4y2Ba解释。上述推理表明，参与者正在进行对比评价(表明gydF4y2Ba 为什么gydF4y2Ba）;然而，我们知道，输入影响解释的扩展将导致agydF4y2Ba ——如何gydF4y2Ba解释(见gydF4y2Ba AI中的解释gydF4y2Ba部分)。gydF4y2Ba

社会认同是唯一的解释形式，这是明确的答案gydF4y2Ba 如何gydF4y2BaSC生成了一个诊断。众所周知，解释的提供可以影响不同特征在理解类别隶属关系中的重要性[gydF4y2Ba 96gydF4y2Ba，gydF4y2Ba 97gydF4y2Ba]。此外，观察人工智能系统的外行人会构建软件本身认知过程的内部心智模型[gydF4y2Ba 98gydF4y2Ba，gydF4y2Ba 99gydF4y2Ba]。有趣的是，第27题“很容易理解系统的运作。”)下载gydF4y2Ba 信仰gydF4y2Ba，而对于其他类型的解释，这个问题加载到gydF4y2Ba 理解gydF4y2Ba（gydF4y2Ba 表4gydF4y2Ba）.这表明gydF4y2Ba 如何gydF4y2Ba社会认同提示改变了被试对SC认知机制的认知。参与者含蓄地相信社会认同是一种聚类技术，而不是理解机制本身。gydF4y2Ba

令人惊讶的是，社会认同产生了一个gydF4y2Ba 深度gydF4y2Ba因素，考虑到这个解释的性质。回到SC的会话性质，使参与者在观察被回答的问题时形成疾病的心理模型。由于没有提供包含医学信息的解释，接受者只能根据诊断来评估他们的心理模型。这就提出了一个问题:对于外行人来说，提供某种形式的解释是否会产生更多的问题而不是答案?gydF4y2Ba

理解gydF4y2Ba被发现是重要的(gydF4y2Ba PgydF4y2Ba=.03)，效应量较小，偏头痛比颞动脉炎(gydF4y2Ba 表5gydF4y2Ba）.这再次指向了之前关于信息差距和现有医学知识的辩论。偏头痛的反事实解释gydF4y2Ba 毁掉了gydF4y2Ba恶心，众所周知的偏头痛症状，符合偏头痛的一般知识。对于颞动脉炎，建议“如果你的头皮和下巴不疼，我会建议你偏头痛”并不能充分缩小参与者的信息差距。在本例中，用户gydF4y2Ba 做了gydF4y2Ba有这些症状。消除它们的存在并不能排除参与者知道的其他疾病。不难想象，当参与者看到反事实的解释时，他们会想:“但他们确实有头皮和下巴疼痛，难道这些疼痛不是由中风等其他严重疾病引起的吗?”gydF4y2Ba

虽然反事实的解释在理论上可能被社会科学提倡为在sc类型的情况下是有效的，但一个好的解释必须“与问题和被解释者的心理模型相关[gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 95gydF4y2Ba，gydF4y2Ba One hundred.gydF4y2Ba)。”本研究中提供的反事实解释虽然在医学上是有效的，但并没有解决参与者的gydF4y2Ba 为什么gydF4y2Ba的问题。这对两种疾病之间的理解产生了重大影响;然而，当比较同一疾病的解释类型时，没有显着影响。现有文献要求使用反事实的解释[gydF4y2Ba 38gydF4y2Ba]，通常面向专业用户。由于专家用户的信息差距比外行用户小，因此传输所需的信息水平可能不同。例如，医生在观察SC视频时能够排除严重的常见疾病，而研究结果表明，非专业人员可能无法做到这一点。再一次，这强调了在解释之前理解外行的具体含义的重要性。gydF4y2Ba

对于无解释类型，gydF4y2Ba 理解gydF4y2Ba是显著的(gydF4y2Ba PgydF4y2Ba=.002)，中等效应量，偏头痛比颞动脉炎更好理解。值得注意的是，在没有解释的情况下产生的因素比在其他解释类型下产生的因素(gydF4y2Ba 多媒体附录2gydF4y2Ba）.无解释格式没有解释gydF4y2Ba 如何gydF4y2Ba最高法院工作或gydF4y2Ba 为什么gydF4y2Ba它暗示着一种特殊的疾病。再一次，参与者被要求查阅他们自己的医学知识。这些结果建立在这样一种讨论的基础上，即提供一种解释可能会引起接受者的怀疑，因为它与他们自己对医学知识和SC如何得出结果的心理模型不一致(见gydF4y2Ba 社会证明gydF4y2Ba部分)。gydF4y2Ba