Loading...
机构名称:
¥ 1.0

作为由人工智能提供支持的算法(AI)越来越多地参与了组织的管理,当机器能够对人类获得权力时,必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里,我们讨论了小插图研究的局限性(情感预测错误,有偏见的媒体覆盖范围和问题替代)和案例研究(社会可取性偏见以及缺乏随机分配和控制条件),这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势:众包市场上的现场实验。一项关于亚马逊机械土耳其人(MTURK;作为世界领先的众包平台)的概念证明研究表明,人类对AI管理的反应独特,与Vignette或案例研究中的AI管理不完全一致。参与者(n = 504)在AI与人类管理方面没有显着差异,在绩效,内在动机,公平感知和承诺方面。我们建议,众包的Mar Ketplaces可以超越人类的研究主题库,并成为AI管理的工作场所的模型,促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。

朝着以人为本的AI管理

朝着以人为本的AI管理PDF文件第1页

朝着以人为本的AI管理PDF文件第2页

朝着以人为本的AI管理PDF文件第3页

朝着以人为本的AI管理PDF文件第4页

朝着以人为本的AI管理PDF文件第5页

相关文件推荐

2024 年
¥1.0
1900 年
¥3.0
2024 年
¥1.0
2024 年
¥1.0
2021 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥4.0
2024 年
¥1.0
2025 年
¥2.0
2024 年
¥2.0
2023 年
¥1.0
2024 年
¥10.0
2024 年
¥1.0
2021 年
¥3.0
2022 年
¥1.0
2022 年
¥2.0
2023 年
¥5.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥2.0
2023 年
¥1.0
2024 年
¥3.0
2011 年
¥1.0
2022 年
¥1.0
2017 年
¥7.0