在人工智能开发中为参与式数据管理铺平道路:一种混合方法的方法

科学领域:

• 计算机科学 计算机科学
• 人与计算机的交互
• 社会科学 社会科学 社会科学

背景情况:

• 人工智能 (AI) 开发依赖于庞大的数据集,需要道德数据采购.
• 参与式数据管理 (PDS) 为个人提供了一个框架,让他们能够在AI中控制自己的数据.
• 了解消费者愿意为人工智能贡献数据对于负责任的人工智能至关重要.

研究的目的:

• 通过PDS识别影响消费者愿意通过AI提供数据的关键因素.
• 以信任和主观规范来扩展技术接受模型 (TAM).
• 评估社会责任,目的理解和内对数据捐赠的影响.

主要方法:

• 一项采用实验调查的混合方法研究.
• 招募了322名参与者来评估他们的数据捐赠个人资料.
• 应用了一个扩展的TAM,包括信任,主观规范,社会责任,目的理解和内.

主要成果:

• 对人工智能的信任,了解人工智能的目的,以及对社会责任的感觉显著预测了愿意提供数据的意愿.
• 即使扩展了TAM,也可能无法完全捕捉影响用户意愿的所有因素.
• 参与者在捐赠数据时优先考虑了对人工智能的社会影响的信任和理解.

结论:

• 消费者参与人工智能PDS的意愿是由信任,感知到的社会责任和目的的清晰度驱动的.
• 未来的研究应该探索TAM之外的其他因素,以充分理解数据捐赠行为.
• 促进信任和透明度对于鼓励参与人工智能数据管理至关重要.