了解参与式系统中公民的价值观对于以公民为中心的政策制定至关重要。我们设想了一个混合参与式系统,参与者做出选择并为这些选择提供动机,人工智能代理通过与他们互动来估计他们的价值偏好。我们专注于检测到参与者的选择和动机之间存在冲突的情况,并提出了估计价值偏好的方法,同时通过与参与者互动来解决检测到的不一致问题。我们将“价值评估是经过深思熟虑的结果”这一哲学立场付诸实践。也就是说,如果参与者的选择是基于对价值偏好的深思熟虑,那么价值偏好可以从参与者为选择提供的动机中观察到。因此,我们提出并比较了价值偏好估计方法,这些方法优先考虑从动机估计的价值,而不是仅从选择估计的价值。然后,我们引入了一种结合自然语言处理和主动学习的消歧策略来解决检测到的选择和动机之间的不一致问题。我们在一个大规模能源转型调查数据集上评估了所提出的方法。结果表明,明确解决选择和动机之间的不一致问题可以提高对个人价值偏好的估计。与类似的基线相比,消歧策略并没有显示出实质性的改进——然而,我们讨论了该方法的新颖性如何开辟新的研究途径,并提出了改进措施以解决当前的局限性。
主要关键词