机构名称：
¥ 4.0
当算法提供风险评估时，我们通常认为它们是对人类决策的有用意见，例如将风险评分提交给法官或医生时。但是，决策者不仅可以对算法提供的信息做出反应。决策者还可以将算法建议视为默认行动，使他们偏离算法，例如当法官不愿推翻被告的高风险评估时，或者医生担心偏离推荐程序的后果。为了解决算法援助的这种意外后果，我们提出了联合人机和机器决策的主要代理模型。在此模型中，我们考虑算法建议的效果和设计不仅通过转移信念，而且通过改变偏好来影响选择。我们从制度因素（例如避免审计的愿望）以及行为科学中良好的模型中激发了这种假设，这些模型可预测相对于参考点的损失厌恶，这是由算法设定的。我们表明，与建议有关的偏好创造了决策者对建议过于响应的内部偏好。作为一种潜在的补救措施，我们讨论了从战略上扣留建议的算法，并展示它们如何改善最终决定的质量。
算法辅助与建议有关...
主要关键词
相关文件推荐
