The Golden Circle: Creating Socio-technical Alignment in Content Moderation
本文概述了一个名为“黄金圈”的概念框架,该框架描述了个人、组织和社会层面的参与者的角色,以及他们在内容审核生态系统中的动态。以减少伤害和环境调节为中心,它认为ML社区必须关注多模式内容调节解决方案,使他们的工作与组织的目标和价值观保持一致,并注意他们的社会技术系统所嵌入的不断变化的社会环境。这是通过从社会学和技术角度解释内容审核的原因、方式和内容来实现的。
2022-02-28 cs.HC cs.SI
Are You Worthy of My Trust?: A Socioethical Perspective on the Impacts of Trustworthy AI Systems on the Environment and Human Society
Morgan State University(摩根州立大学)
本文从社会伦理视角概述AI系统的社会影响,强调多学科治理与系统性审视的必要性,并呼吁通过整体性影响评估实现以人类为中心的可信AI。
2023-09-18 cs.AI cs.CY cs.HC
The Jade Gateway to Trust: Exploring How Socio-Cultural Perspectives Shape Trust Within Chinese NFT Communities
本研究以中国NFT社区为背景,通过微信群内容分析与半结构化访谈,探究社会文化视角(如儒家美德)对信任动态的塑造作用,确定三大信任维度并提出定制化信任构建指南,为NFT生态与数字经济发展提供见解。
2025-04-16 cs.CY cs.HC
Learning Classifier Systems for Self-Explaining Socio-Technical-Systems
Universität Augsburg(奥格斯堡大学);Xitaso GmbH(Xitaso有限公司)
在社会技术环境中,决策支持系统越来越多地协助操作人员。通过采用这些,社会技术系统的重要属性,如自适应和自优化,预计将进一步改善。为了被运营商接受并有效参与,决策支持系统需要能够提供有关特定决策背后的推理的解释。在本文中,我们提出了使用学习分类系统,一个家庭的基于规则的机器学习方法,以促进透明的决策,并强调了一些技术,以改善。然后,我们提出了一个模板的七个问题,以评估特定应用程序的可解释性的需求,并证明他们的使用在一个基于面试的案例研究的制造场景。我们发现,收到的答案确实产生了有用的见解,一个精心设计的LCS模型和要求有利益相关者积极参与智能代理。
2022-07-01 cs.AI cs.HC
NoticeLight: Embracing Socio-Technical Asymmetry through Tangible Peripheral Robotic Embodiment in Hybrid Collaboration
针对混合协作中远程参与者的社会技术不对称问题,提出有形外围机器人具身 NoticeLight,通过光模式转化数字存在为物理信号,促进外围意识与平衡参与,推进人机协同视角下的公平协作。
2025-06-27 cs.HC
Understanding and Facilitating Mental Health Help-Seeking of Young Adults: A Socio-technical Ecosystem Framework
本文通过访谈18名年轻人,提出包含技术、人际、社区和社会四层资源的社会技术生态系统框架,识别单一与多资源支持系统及三种照护机制,揭示求助障碍并给出设计启示。
2024-01-17 cs.HC
The Missing Variable: Socio-Technical Alignment in Risk Evaluation
Norwegian University of Science and Technology(挪威科技大学)
本文提出社会技术对齐STA变量,用于改进AI安全关键系统风险评估,通过案例研究展示其在捕捉社会技术安全影响方面的贡献。
2026-07-31 cs.CY cs.HC cs.SY
AI Washing and the Erosion of Digital Legitimacy: A Socio-Technical Perspective on Responsible Artificial Intelligence in Business
School of Information Technology, University of Cincinnati(辛辛那提大学信息技术学院)
本文从社会技术视角探讨企业责任型人工智能中的人工智能洗白现象,提出四种类型学并分析其影响及应对措施。
2026-01-10 cs.HC
A Sociotechnical Review of Algorithms in Health Systems: Technical, Cost, and Human-Centered Considerations
University of Toronto(多伦多大学)
本文通过批判性分析114篇论文,审视卫生系统中成本感知型AI模型的设计趋势,定义模型成本维度,并指出社会技术设计中的空白及评估挑战。
2026-09-21 cs.HC
Helping People Deal With Disinformation -- A Socio-Technical Perspective
自从互联网出现以来,虚假信息和阴谋论已经无处不在。最近的例子,如QAnon和Pizzagate证明,虚假信息可能导致真正的暴力。在CHI 2021错误信息的人性化方面研讨会的动机陈述中,我解释了我的研究议程,重点是1。为什么人们相信虚假信息,2。如何最好地支持人们识别虚假信息,以及3.旨在打击虚假信息的不同工具的潜力和风险是什么。
2021-04-09 cs.CY cs.HC
I Hear, Therefore I Trust: A Socio-Technical Investigation of Humans as Synthetic Speech Detectors
University of Eastern Finland(东芬兰大学);Computational Speech Group(计算语音组)
通过定位任务实验,研究人类在感知和语境中检测语音深度伪造的能力,发现话语类别是检测准确性和感知质量的主要决定因素,信任线索无主效应但影响检测行为,完全合成语音的检测低于随机水平。
2026-05-27 cs.AI cs.HC eess.AS
Building to Understand: Examining Teens' Technical and Socio-Ethical Pieces of Understandings in the Construction of Small Generative Language Models
University of Pennsylvania(宾夕法尼亚大学);The Franklin Institute(富兰克林研究所)
本文通过参与式设计工作坊,考察青少年在构建小型生成语言模型时的技术与社会伦理理解,揭示其发展过程及理论框架。
2026-04-15 cs.CY cs.HC
Unseen Risks of Clinical Speech-to-Text Systems: Transparency, Privacy, and Reliability Challenges in AI-Driven Documentation
School of Information Technology, University of Cincinnati(辛辛那提大学信息技术学院)
本文研究了临床语音转文本系统在透明性、隐私和可靠性方面的风险,提出了一种社会技术框架来识别和管理相关风险,强调透明性、患者自主权和问责制的重要性。
2026-03-30 cs.HC
Rethinking Model Evaluation as Narrowing the Socio-Technical Gap
Microsoft Research(微软研究院);Johns Hopkins University(约翰斯·霍普金斯大学)
本文指出通用大语言模型同质化带来评估挑战,提出模型评估应以缩小社会技术鸿沟为核心,借鉴HCI与XAI经验,呼吁基于真实世界与人类需求开发多元评估方法。
2025-01-31 cs.AI cs.HC
Designing a Boundary Negotiating Artifact for Collaborative Socio-Technical Sense-Making in AI Regulatory Sandboxes
Luxembourg Institute of Science and Technology (LIST)(卢森堡科学技术研究院(LIST));University of Luxembourg(卢森堡大学)
本文针对AI监管沙盒中社会技术意义建构的空白,设计了一种边界协商工件,通过研究型设计迭代开发协作工具,作为技术支柱促进利益相关者协作评估,并报告设计见解。
2026-09-30 cs.AI cs.HC
Let's Talk About Socio-Technical Angst: Tracing the History and Evolution of Dark Patterns on Twitter from 2010-2021
设计师使用欺骗性和操纵性的设计实践已经变得越来越普遍,影响了用户做出尊重其代理和自主权的选择的能力。这些做法通常被定义为“暗模式”,这引起了设计师、隐私学者以及最近甚至法律学者和监管机构的关注。越来越多的社会技术从业者对黑暗模式这个术语和基础的兴趣促使我们研究这个概念的演变,并可能推测围绕黑暗模式的对话的未来轨迹。在本文中,我们通过#darkpatterns研究了Twitter话语的历史和演变,从2010年6月成立到2021年4月,使用定量和定性相结合的方法来描述这种话语如何随着时间的推移而变化。我们将这种话语的演变框架为一种新兴的跨学科对话,通过共享的暗模式概念连接多个学科视角,这些参与者参与以社会技术焦虑为标志的对话,以识别和反击欺骗性的设计实践。我们讨论了这种话语的潜在未来轨迹和在设计,政策和行动主义的交叉点进一步奖学金的机会。
2022-07-21 cs.HC cs.SI
Toward Resilient Human-AI Collaboration: A Lifecycle Taxonomy of Sociotechnical Risks and Cascading Failures
Bowling Green State University(鲍灵格林州立大学)
本文提出人机协作风险的生命周期分类框架,识别六大跨领域风险集群,构建交互模型揭示风险级联机制,为设计更具弹性的人机协作系统提供基础。
2026-08-07 cs.HC
Engineering Trust, Creating Vulnerability: A Socio-Technical Analysis of AI Interface Design
本文通过界面中介认知安全框架分析AI界面设计,揭示跨学科文化形成机制,识别出四个脆弱性向量,并挑战跨学科理论中关于方法论边界、知识分离和整合机制的三个假设。
2025-04-14 cs.CR cs.HC
Socio-technical constraints and affordances of virtual collaboration -- A study of four online hackathons
黑客马拉松和类似的有时间限制的活动已经成为一种流行的合作形式。它们通常是以面对面的活动形式组织的,在此期间,团队在短时间内进行密切的合作,以完成他们感兴趣的项目。迄今为止,大多数研究都集中在研究团队如何在同一地点的环境中进行协作,指出了激进的同一地点的优势。然而,2020年的全球大流行导致许多黑客马拉松转移到网上,这挑战了我们目前对它们如何运作的理解。在本文中,我们通过对10个黑客团队的多案例研究来解决这一差距,这些团队参加了两大洲的4次黑客马拉松。通过分析收集到的数据,我们发现团队合并了同步和异步的通信手段,以保持对工作进度的共同理解,并保持对彼此任务的了解。任务分工是基于个人技能或兴趣的自我分配,而领导者则来自不同的策略(例如,参与者的经验,在事件中注册团队的责任)。亲自参加黑客马拉松的一些启示,例如团队成员的激进共处,可以在工作时保持同步沟通渠道的团队中部分重现(即,共享音频领土),在一种“激进的虚拟共址”。然而,其他方面,如与其他团队的互动,容易获得导师,与其他参与者的网络,减少了。此外,不同通信工具和平台的技术限制带来了技术问题,使与会者感到不知所措。我们的工作有助于理解在线黑客松背景下小团队的虚拟协作,以及组织者提出的技术和活动结构如何暗示这种协作。
2022-04-26 cs.HC
Cybercrime Investigators are Users Too! Understanding the Socio-Technical Challenges Faced by Law Enforcement
网络犯罪调查人员在监管网络犯罪时面临许多挑战。首先,他们在处理传统犯罪时使用的方法和程序不一定适用于网络世界。此外,网络犯罪分子通常具有技术意识,并不断适应和开发新工具,使他们能够领先于执法调查。为了向网上犯罪调查人员提供充分的支持,需要更好地了解他们在技术和社会技术层面面临的挑战。在本文中,我们调查这个问题,通过分析目前的做法和工作流程的调查。我们使用与政府和私营部门专家的访谈作为我们主要的数据收集过程,这些专家调查网络犯罪。通过对收集到的数据进行分析,我们确定了调查人员面临的几个突出挑战。这些涉及到实际的,技术的和社会的问题,如系统的可用性,可用性,并在计算机支持的协作工作。重要的是,我们使用我们的研究结果来突出以用户为中心的工作流程和工具是可取的研究领域。我们还定义了一组建议,可以帮助为该领域的未来研究提供更好的基础,并允许更有效地打击网络犯罪。
2019-02-19 cs.CR cs.CY cs.HC
Bridge the Gap: Measuring and Analyzing Technical Data for Social Trust between Smartphones
移动电话是当今在数量和灵活性方面最相关的通信设备。与大多数移动自组织通信一样,两部手机之间的自组织通信需要设备之间的相互信任。建立这种信任的一种新方法是从技术上可衡量的数据(例如,交互日志)。为了探索社会信任和技术信任之间的关系,我们对超过217名Android用户进行了大规模调查,并分析了他们的匿名通话和消息日志。我们表明,一个可靠的先验信任值的移动系统可以从常见的社会通信指标。
2012-05-14 cs.HC cs.NI cs.SI
'They're all about pushing the products and shiny things rather than fundamental security' Mapping Socio-technical Challenges in Securing the Smart Home
不安全的连接设备不仅会对灵巧家庭业主造成严重威胁,还会对底层基础设施网络造成严重威胁。从物联网(IoT)供应商和最终用户的角度来看,学术界和监管机构对解决网络安全风险的兴趣越来越大。例如,除了目前的数据保护和网络安全法律框架外,英国政府还发起了“设计安全”运动。虽然已经有关于组织和个人如何管理自己的网络安全风险的工作,但目前尚不清楚物联网供应商在多大程度上支持最终用户以可用的方式对此类风险进行日常管理,以及是什么阻止了供应商改进此类支持。我们采访了物联网领域的13位专家,并确定了使物联网产品可用安全的三大类障碍:技术,法律和组织。在本文中,我们进一步讨论这些发现的政策含义,并提出一些建议。
2021-05-25 cs.CR cs.CY cs.HC
Human-centered Explainable AI: Towards a Reflective Sociotechnical Approach
Georgia Institute of Technology(佐治亚理工学院)
解释-一种事后可解释性的形式-在使系统可访问方面发挥着重要作用,因为人工智能继续扩散复杂和敏感的社会技术系统。在本文中,我们介绍了以人为中心的可解释人工智能(HCXAI)作为一种将人类置于技术设计中心的方法。它通过考虑价值观、人际动态和人工智能系统的社会地位的相互作用,发展了对人类“谁”的全面理解。特别是,我们提倡一种反思性的社会技术方法。我们通过一个针对非技术最终用户的解释系统的案例研究来说明HCXAI,该案例研究展示了技术进步和对人为因素的理解如何共同发展。在案例研究的基础上,我们提出了开放性研究问题,这些问题涉及进一步完善我们对人类“谁”的理解,并超越1对1的人机交互。最后,我们提出,一个反思HCXAI范式介导的关键技术实践的角度,并辅之以策略从HCI,如价值敏感的设计和参与式设计-不仅有助于我们了解我们的知识盲点,但它也可以打开新的设计和研究空间。
2020-02-05 cs.AI cs.HC
Red Teaming LLMs as Socio-Technical Practice: From Exploration and Data Creation to Evaluation
Responsible Tech Research IBM Research Yorktown Heights New York USA(负责技术研究 IBM 研究 Yorktown Heights 新 York 美国);IBM Research(IBM 研究);The Pennsylvania State University(宾夕法尼亚州立大学);University of Notre Dame(诺特达美大学)
本文通过访谈从业者,探讨了红队行动数据集定义、创建和评估的社会技术实践,揭示了从业者在风险概念化中的不足,并提出HCI研究者扩展红队行动概念化和数据实践的三个机会。
2026-02-10 cs.AI cs.CL cs.CY
Explanation Strategies as an Empirical-Analytical Lens for Socio-Technical Contextualization of Machine Learning Interpretability
University of Twente(特文特大学);Freie Universität Berlin(柏林自由大学)
在一个研究项目中,我们开发了一个机器学习(ML)驱动的可视化系统,为非ML专家,我们反映在ML,计算机支持的协同工作和人机交互的可解释性研究。我们发现,虽然有多种技术方法,但这些方法通常集中在ML专家身上,并在非情境化的实证研究中进行评估。我们假设参与式设计研究可以支持我们项目中利益相关者的情境意义的理解,但是,发现关于ML可解释性的指导并不详尽。基于技术哲学,我们制定了解释策略,作为一个分析的镜头,说明技术解释如何调解有关人们的解释的上下文偏好。在本文中,我们贡献了一份报告,我们的概念证明使用解释策略来分析与非ML专家的协同设计研讨会,参与式设计研究的方法学意义,非ML专家解释的设计意义,并建议进一步调查ML可解释性空间中的技术中介理论。
2021-09-24 cs.AI cs.CY cs.HC
Trust in AI emerges from distrust in humans: A machine learning study on decision-making guidance
University of La Sabana(拉萨瓦纳大学)
本研究通过机器学习探讨了人工智能在决策指导中的信任机制,发现对人类的不信任会促使人们转向AI,且AI在事实性情景中更受青睐。
2025-11-20 cs.HC
Design Principles Developed through User-Centered and Socio-Technical Methods Improve Clinician Satisfaction, Speed, and Confidence in Pharmacogenomic Clinical Decision Support
本研究基于社会技术与用户中心方法设计并评估了11种新的药物基因组学临床决策支持警报,证明其相比原始设计能显著提升临床医生的满意度、速度和信心,并消除学习曲线。
2020-01-31 cs.HC q-bio.GN
"It would work for me too": How Online Communities Shape Software Developers' Trust in AI-Powered Code Generation Tools
虽然革命性的人工智能驱动的代码生成工具正在迅速崛起,但我们对如何以及如何帮助软件开发人员对这些人工智能工具形成适当的信任知之甚少。通过两个阶段的形成性研究,我们研究了在线社区如何塑造开发人员对AI工具的信任,以及我们如何利用社区功能来促进适当的用户信任。通过采访17名开发人员,我们发现开发人员使用社区成员分享的经验来共同理解AI工具,并利用社区信号来评估AI建议。然后,我们表面的设计机会,并进行11个设计探测会议,探索使用社区功能,以支持用户信任的AI代码生成系统的设计空间。我们综合了我们的研究结果,并扩展了现有的用户对人工智能技术的信任模型与社会技术因素。我们绘制了将用户社区集成到AI代码生成体验中的设计考虑因素。
2023-03-28 cs.HC
Who Owns The Robot?: Four Ethical and Socio-technical Questions about Wellbeing Robots in the Real World through Community Engagement
University of Cambridge(剑桥大学);Aarhus University(欧登堡大学);Harvard University(哈佛大学)
本研究通过与三类代表性不足的社区开展研讨会,采用主题分析法提炼出福祉机器人现实应用的四大伦理与社会技术问题框架,为机器人开发部署的伦理反思及社区对话提供参考。
2025-09-01 cs.AI cs.CY cs.HC
Secure human oversight of AI: Threat modeling in a socio-technical context
Federal Office for Information Security(联邦信息安全局);German Research Center for Artificial Intelligence(德国人工智能研究中心);University of Freiburg(弗赖堡大学)
本文从安全角度提出人工智能人类监督的威胁建模方法,系统分析其安全风险并提出缓解策略,以保障AI系统的监督过程安全可靠。
2026-07-31 cs.CR cs.CY cs.HC
Mediation Challenges and Socio-Technical Gaps for Explainable Deep Learning Applications
IBM Research(IBM研究院);Federal University of Rio Grande do Sul(南里奥格兰德联邦大学);Pontifical Catholic University of Rio de Janeiro(里约热内卢天主教大学)
欧洲《通用数据保护条例》规定的假定数据所有者的解释权揭示了可解释人工智能(XAI)的社会挑战。在本文中,我们介绍了一个案例研究,其中有来自研发实验室的深度学习(DL)专家,他们专注于提供工业级AI技术。我们的目的是调查的社会意义(即意义他人),DL专家分配给他们做什么,给出了丰富的上下文和熟悉的应用领域。使用定性研究技术来收集和分析经验数据,我们的研究表明,参与DL专家没有自发地参与考虑他们建立的机器学习模型的社会意义。此外,当明确刺激这样做时,这些专家表示期望,在现实世界的深度学习应用中,将有可用的调解者来弥合推动深度学习工作的技术含义之间的差距,我们的结论是,目前指导参与者科学兴趣和行为的研究激励和价值观与面对一些挑战所需的激励和价值观不一致。在推进XAI的过程中所涉及的科学挑战,从而回应所谓的数据所有者的解释权或当前辩论中出现的类似社会需求。作为缓解似乎是一个更普遍的问题的具体贡献,我们提出了三个初步的XAI调解挑战,有可能将DL应用的技术和社会意义结合在一起,并促进AI和社会科学研究人员之间急需的跨学科合作。
2019-07-16 cs.AI cs.HC cs.LG
Why Most Results of Socio-Technical Security User Studies Are False
背景近年来,网络安全用户研究因其报告完整性、统计报告保真度、统计可靠性和偏见而受到审查。这类研究的积极报告实际上产生了什么样的证据强度仍然是一个悬而未决的问题。我们专注于积极的报告表明关系在现实中真实的程度,也就是说,概率评估。瞄准本研究旨在建立网络安全用户研究中的整体证据强度,维度为-阳性预测值(PPV)及其补充假阳性风险(FPR),-似然比(LR)和-固定可容忍假阳性风险的反向贝叶斯先验(RBP)。法基于2006-2016年已发表SLR的$146$网络安全用户研究中的$431$编码统计推断,我们首先基于假设的先验和偏倚阈值计算后验假阳性风险的模拟。其次,我们建立了观察到的阳性报告的似然比。第三,我们通过计算固定后验假阳性率所需的先验,计算观察到的阳性报告的反向贝叶斯参数。结果我们获得了一个全面的分析证据的强度,包括适当的多重比较校正的帐户。模拟结果表明,即使在良好的控制条件和高先验似然面前,只有少数研究达到良好的后验概率。结论.我们的工作表明,该领域的证据强度很弱,大多数积极的报告可能是错误的。从这一点上,我们了解到在研究中要注意什么,以促进该领域的知识。
2021-09-22 cs.CR cs.HC
Beyond Adoption Intention How Trust in Augmented Analytics Relates to Perceived Decision Quality Among Non-Technical BI Users
British International School Ho Chi Minh City, Vietnam(越南河内国际学校);Truong Thanh Viet Nam Group, Vietnam(越南Truong Thanh Viet Nam集团);Hanoi College of Industry and Trade, Vietnam(越南河内工业贸易学院);University of Languages and International Studies, Ha Noi, Vietnam(越南河内语言与国际研究大学)
本研究探讨了增强分析如何通过非技术BI用户对系统信任的提升来改善决策质量,采用认知委托理论分析了信任在决策质量中的作用。
2026-08-07 cs.CY cs.HC cs.LG
Exploratory Models of Human-AI Teams: Leveraging Human Digital Twins to Investigate Trust Development
Aptima, Inc.(阿普蒂马公司);Arizona State University(亚利桑那州立大学)
本文提出利用人类数字孪生(HDT)建模人机团队(HAT)中的信任发展,通过因果分析、信任度量验证和实验设计,探索HDT在模拟信任动态中的有效性。
2024-11-01 cs.AI cs.ET cs.HC
Roadmap on Incentive Compatibility for AI Alignment and Governance in Sociotechnical Systems
Institute for Artificial Intelligence, Peking University(人工智能研究院,北京大学);State Key Laboratory of General Artificial Intelligence, BIGAI(通用人工智能国家重点实验室,BIGAI);Shanghai Jiao Tong University(上海交通大学);Zhongguancun Academy(中关村学院)
针对现有AI对齐研究多侧重技术、忽视社会技术属性导致场景错位的问题,提出激励相容性社会技术对齐问题,探讨三类经典博弈方法的应用潜力与挑战,呼吁结合博弈论IC原理弥合技术与社会的差距。
2025-06-16 cs.AI cs.CY cs.GT
Simulating the Effects of Social Presence on Trust, Privacy Concerns & Usage Intentions in Automated Bots for Finance
FinBots是建立在自动决策技术基础上的聊天机器人,旨在促进银行业务的可访问性,并支持客户做出财务决策。聊天机器人越来越流行,有时甚至模仿人类的社会规则、期望和规范,减少了人与人之间互动的必要性。随着银行和金融咨询平台转向创建机器人,以提高消费者信任和采用率的现状,我们调查了具有和不具有社会情感特征的聊天机器人对使用聊天机器人进行金融支持的意图的影响。我们进行了一个受试者之间的在线实验,有N = 410名参与者。对照组的参与者被提供了一个描述安全可靠的聊天机器人XRO 23的小插曲,而实验组的参与者被提供了一个描述安全可靠的聊天机器人的小插曲,它更像人类,名为Emma。我们发现,Vignette Emma并没有增加参与者的信任水平,也没有降低他们的隐私问题,尽管它增加了社交存在的感知。然而,我们发现,使用所呈现的聊天机器人进行财务支持的意图受到感知的人性和对机器人的信任的积极影响。与Emma相比,参与者也更愿意向XRO 23分享财务敏感信息,如账号,分类代码和支付信息-揭示了在信息共享方面对技术和机械FinBot的偏好。总的来说,这项研究有助于我们理解使用具有不同功能的聊天机器人作为金融技术的意图,特别是当独立于金融功能设计时,社会情感支持可能不会受到青睐。
2020-07-03 cs.CR cs.HC
Trustworthy AI and Robotics and the Implications for the AEC Industry: A Systematic Literature Review and Future Potentials
San Diego State University(圣地亚哥州立大学)
人机交互将信任视为用户接受的必然要求。随着人工智能(AI)和机器人技术的应用出现,以及它们在各个研究和实践领域不断增长的社会经济影响力,迫切需要研究此类系统中的信任。由于基于人工智能的系统的工作机制不透明,以及智能机器人作为工人伴侣的前景,关于信任的特定于上下文的跨学科研究是增加其采用的关键。通过对(1)人工智能和机器人(AIR)中的信任以及(2)建筑,工程和建筑(AEC)行业中的AIR应用进行全面系统的文献综述,本研究确定了文献中常见的信任维度,并使用它们来组织论文。此外,确定和讨论了现有的和潜在的AEC应用程序的识别尺寸的连接。最后,概述了AEC研究和实践中值得信赖的人工智能和机器人技术的主要未来方向。
2021-09-27 cs.AI cs.HC cs.LG