XiaoMi-AI文件搜索系统
World File Search Systemcrowdsourcing
推荐引用 推荐引用 Antes, Alison L; Burrous, Sara; Sisk, Bryan A; Schuelke, Matthew J; Keune, Jason D; 和 DuBois, James M，“探索人工智能支持的医疗技术的看法：一项基于场景的在线调查。” BMC 医学信息学和决策。21，1。221 (2021)。https://digitalcommons.wustl.edu/oa_4/840
摘要背景：医疗保健预计将越来越多地将人工智能 (AI) 技术融入患者护理。了解对这些工具的看法对于成功开发和采用至关重要。这项探索性研究衡量了参与者对人工智能驱动的医疗保健技术的开放程度、关注程度和感知到的益处。我们还探讨了这些看法的社会人口、健康相关和社会心理相关性。方法：我们开发了一个测量方法，描述了六种人工智能驱动的技术，这些技术可以诊断、预测或建议治疗。我们使用众包平台 MTurk 对美国成年人 (N = 936) 进行了在线调查，并实施了该测量。参与者表明了他们对在医疗保健场景中使用人工智能技术的开放程度。场景中附有反映每种技术的潜在担忧和好处的项目。参与者评估了担忧和好处的陈述对他们对该技术的好感程度的影响程度。参与者完成了社会人口、健康变量和心理社会变量（如对医疗保健系统的信任和对技术的信任）的测量。对关注和收益项目的探索性和验证性因素分析确定了两个代表总体关注水平和感知收益的因素。描述性分析考察了开放性、关注度和感知收益的水平。相关性分析探讨了社会人口、健康和社会心理变量与开放性、关注度和收益分数之间的关联，而多变量回归模型则同时考察了这些关系。结果：参与者对人工智能驱动的医疗技术持中等开放态度（M = 3.1/5.0 ± 0.9），但根据应用类型的不同而有所不同，关注点和收益的陈述影响了观点。对医疗保健系统的信任和对技术的信任是开放性、关注度和感知收益最强、最一致的相关因素。大多数其他社会人口、健康相关和社会心理变量的关联性较弱或没有关联，但多变量模型表明某些人格特征（例如，尽责性和宜人性）和社会人口统计学（例如，全职工作、年龄、性别和种族）与感知略有相关。结论：参与者的开放程度似乎很脆弱，这表明早期推广策略和使用新型人工智能技术的经验可能会对观点产生重大影响，尤其是当人工智能技术的实施增加或削弱信任时。这些发现的探索性质值得进一步研究。
评估人工智能对德国劳动力市场的影响：来自 ChatGPT 分析的见解
我们利用 Brynjolfsson 等人 (2018) 建立的机器学习适用性 (SML) 评分方法评估人工智能 (AI) 对德国劳动力市场的影响。然而，这项研究为传统方法引入了两种创新方法。这项研究没有依赖传统的众包平台来获得自动化程度评级，而是利用了 OpenAI 的 ChatGPT 的聊天机器人功能。此外，为了与对德国劳动力市场的关注保持一致，该研究将 SML 分数的应用扩展到欧洲技能、能力、资格和职业分类 (ESCO)。因此，本研究的一个独特贡献在于评估 ChatGPT 在不断发展的人工智能领域中衡量技能和能力自动化程度的有效性。此外，该研究通过将 SML 分数直接映射到欧洲 ESCO 分类来增强其研究结果的适用性，使结果更适用于欧盟内的劳动力市场分析。初步结果表明，在所考察的 13,312 项不同的 ESCO 技能和能力中，人工智能对大多数技能和能力产生了可衡量的影响。更详细的分析表明，人工智能对与计算机使用和信息处理相关的任务表现出更明显的影响。涉及决策、沟通、研究、协作以及与医疗保健、食品制备、建筑和精密设备操作相关的特定技术能力的活动得分相对较低。值得注意的是，该研究强调了人类员工在横向技能方面的比较优势，例如创造性思维、协作、领导力、一般知识的应用、态度、价值观以及特定的手工和体力技能。将我们的排名应用于 2 位数 ISCO 级别的德国劳动力数据表明，与之前的自动化浪潮相比，人工智能也可能影响非常规认知职业。事实上，我们的结果表明，与教学专业人员、健康助理专业人员和个人服务工作者相比，商业和行政专业人员以及科学和工程助理专业人员的排名相对较高。最终，这项研究强调，人工智能对劳动力的总体影响将取决于其部署的潜在动机。如果主要动力是降低成本，那么人工智能的实施可能会遵循就业损失的历史模式，生产率的提高有限。因此，公共政策在重新调整激励措施以优先考虑机器实用性而不是机器智能方面发挥着重要作用。
任命首席创新办公室 - 国防部
国防创新委员会建议 人才与文化 建议 1：任命首席创新官，在员工队伍中建立创新能力。任命国防部首席创新官 (CINO) 作为创新倡导者；协调、监督和同步整个部门的创新活动；并领导能力建设工作，促进员工队伍的创新。与国防部相关高级官员合作，CINO 应 (a) 设计创新模板和一套可广泛应用的原则；(b) 建立一个项目办公室，以建设能力，以促进员工队伍驱动的创新，例如创新比赛和教育活动；(c) 启动国防创新网络 (DIN)，这是一个利益共同体和信息共享的内部技术平台。DIN 将带头开展活动，以增加对最佳可用创新和实践的快速吸收，并促进内部众包活动。建议 2：通过招聘和培训将计算机科学作为部门的核心竞争力。为军队中的计算机科学家建立职业轨道，旨在激励服役人员专攻计算机科学和编程领域，获得他们晋升所需的额外培训和机会，并保护他们免受轮换到不相关角色的压力。为了吸引科学、技术、工程和数学 (STEM) 人才加入这一队伍，建立新的和扩展现有的项目，吸引有前途的计算机科学、工程和相关领域的本科生和研究生承诺服兵役一段时间，以换取奖学金或债务减免。这些新兵应该有适合他们独特角色的招募标准和培训。建议 3：拥抱实验文化。鼓励基于证据、以结果为导向的政策和实验，具体做法如下：(a) 同时测试多种策略，并使用证据进行评估；(b) 实时测试不同的运营方法，以加速学习；(c) 创造机会，将不同的观点纳入决策过程；(d) 为促进创新和实验、给予员工更多发言权、鼓励创造力和不同观点的管理者提供奖金、认可、奖励和其他激励措施。技术和能力建议 4：评估先进武器的网络安全漏洞。国防部应确定新的标准和做法，以消除指示美国网络司令部与国家安全局协调，定期对武器系统的嵌入式软件和网络进行安全审查，以发现漏洞。要求持续提供此类系统的源代码以进行此类测试，并删除任何检测到的漏洞。
智慧城市公私合作伙伴关系 Karina Radchenko 1 DOI: 10.24989/ocg.v341.7 摘要 本文重点探讨了公私合作伙伴关系在智慧城市建设中的作用
公私合作伙伴关系打造智慧城市 Karina Radchenko 1 DOI：10.24989/ocg.v341.7 摘要 本文重点关注公私合作伙伴关系的作用，它可促进城市和地区的智慧转型，为包括公民、商业参与者、当局、教育机构、非政府组织等在内的各利益相关者提供更广泛的机会，并创造更可持续的经济和社会环境。在应用公私合作模式方面，特别关注不同国家领先的智慧社区的经验。对智慧城市中的 PPP 概念进行了 SWOT 分析，并在此基础上得出有关其影响和潜力的结论。根据城市发展的最新趋势，强调了寻找城市治理新方法的重要性，以便更有效地应对挑战并为公民提供更好的服务。智慧城市的概念被视为促进城市繁荣的有力工具。 1. 介绍和研究背景 ICT (信息通信技术) 的迅猛发展和广泛传播，以及物联网、人工智能等最先进形式的出现和其他颠覆性技术，确实积极推动了智慧城市这一相对较新的现象，这需要在城市管理和社会政策领域寻找开箱即用的策略和解决方案。 [40] 2017 年 12 月 20 日，联合国第 72/228 号决议“科学、技术和创新促进发展”重申了“政府在公共和私营部门、民间社会和研究机构等利益攸关方的积极贡献下，根据国家优先事项，在创造和支持有利于创新和创业以及科学、技术和工程进步的环境方面发挥着核心作用”。 [36] 这种方法体现在公私合作伙伴关系 (PPP) 中，它允许多个利益攸关方参与智能转型过程，并被许多国家的市政当局广泛应用。 [11] PPP 被视为实施多利益攸关方项目的优先形式，尤其是在初始阶段。 [20] 那些经济条件较差或较弱的城市，通过众包和吸引投资，有机会实现智能飞跃，更好地为市民服务，而不是被搁置一边。[2] 与此同时，PPP 的适用情况因人而异，其结构和实现方式可能存在很大差异，这也会影响最终结果。[19]，[42] 因此，迫切需要考虑领先的智慧社区所采用的特定 PPP 实践，并研究 PPP 作为实现智慧转型的工具的利弊。SWOT 分析
没有随机传递性的成对比较
成对比较数据在统计学和机器学习中受到了广泛关注，并在各个领域有着广泛的应用。这类数据通常来自锦标赛，其中每个成对比较结果都来自两个选手或队伍之间的比赛，或来自众包环境，其中个人负责比较两个项目，例如图像、电影或产品。具体而言，著名的瑟斯顿 (Thurstone, 1927) 和布拉德利-特里 (BT; Bradley and Terry, 1952) 模型为该领域奠定了基石，随后进行了许多扩展，包括 Shah 等人 (2016a) 提出的参数序数模型，拓宽了参数模型的类别。Oliveira 等人 (2018) 放宽了已知链接函数的假设，并提出了允许链接函数属于广泛函数家族的模型。非参数方法也已出现，例如 Shah 和 Wainwright (2018) 中基于 Borda 计数算法介绍的工作，以及 Chatterjee (2015) 和 Chatterjee 和 Mukherjee (2019) 研究的非参数 Bradley-Terry 模型。此外，还开发了用于众包环境的成对比较模型，如 Chen 等人 (2013) 和 Chen 等人 (2016) 等所讨论的。成对比较模型已获得广泛的应用，包括排名聚合（Chen and Suh，2015；Chen 等人，2019；Heckel 等人，2019；Chen 等人，2022b）、预测比赛 / 锦标赛（Cattelan 等人，2013；Tsokos 等人，2019；Macr`ı Demartino 等人，2024）、测试博彩市场的效率（McHale and Morton，2011；Ly´ocsa and V`yrost，2018；Ramirez 等人，2023）以及基于人工评估改进大型语言模型（Christiano 等人，2017；Ouyang 等人，2022；Zhu 等人，2023）。虽然上述模型对该领域做出了重大贡献，但它们依赖于随机传递性的假设，这意味着球员/球队/项目之间存在严格的排名。然而，这种假设可能不切实际，特别是在涉及多种技能或策略的环境中，不传递性自然会出现。尽管它具有实际重要性，但对允许不传递性的模型的研究仍然有限。一些值得注意的例外包括 Chen 和 Joachims (2016) 和 Spearing 等人 (2023) 的工作，他们通过引入额外参数来描述不传递性以及基于 Bradley-Terry 概率指定绝对优势的参数，扩展了 Bradley-Terry 模型。Spearing 等人 (2023) 提出了一种在完整贝叶斯框架下进行参数估计的马尔可夫链蒙特卡罗算法。然而，他们的贝叶斯程序计算量大，对于涉及许多球员或相对较高潜在维度的高维设置不切实际。 Chen 和 Joachims (2016) 将参数视为固定量，并通过优化正则化目标函数来估计它们。然而，它们的目标函数是非凸的，并且它们的模型高度过度
喀拉拉邦洪水案例
摘要 - 2018 年 8 月袭击喀拉拉邦的洪水已造成 370 多人死亡，80 多万人流离失所，估计基础设施损失达 30 亿美元。为了应对这场史无前例的悲剧，许多聪明才智和协作的例子应运而生，个人的慷慨解囊得以扩大。人们还目睹了喀拉拉邦在本世纪最严重的洪水中如何采用新的救援和康复模式。喀拉拉邦洪水展示了信息技术 (IT) 和社交媒体在开发自我发展的数据众包平台方面的作用，该平台极大地帮助了救援和康复。众包是一种通过利用大量人员或设备的服务（有偿或无偿）来获取信息或任务投入的方法，通常是通过互联网。喀拉拉邦是印度数字素养较高的邦之一，拥有大量智能手机用户。电信运营商努力保持网络完好无损，这对救援工作大有裨益。许多运营商在洪水期间宣布在其网络上提供免费通话和数据包，以避免对救援行动造成任何阻碍。IEEE（电气和电子工程师协会）在国营喀拉拉邦 IT 使命的支持下，开发了一个门户网站 keralarescue.in，以收集全州的帮助。随着救援行动的进展，可以协助行动的新功能被添加，并使用流行的基于云的协作平台 Slack 进行协调。具有区域影响力的热门活跃 Facebook 页面使用他们的平台发布求助请求。印度国内外都成立了大大小小的团体来收集信息，并在通过电话核实后传播这些信息，根据受困人数和年龄分配优先级，并准备带有地理标签的适当 SOS 信息，通过区级行政部门的志愿者传递给救援队。积极部署技术挽救了许多人的生命，再次证明了 GIS 和地理空间技术在灾害管理中的实用性。在世界各地，遥感、GIS 和卫星图像越来越多地被用于评估灾后情况、确定损失程度并提供人员的准确信息。在喀拉拉邦洪水事件中，这些技术也在灾害管理中发挥着至关重要的作用。一组遥感卫星和雷达卫星被用于拍摄受洪水影响最严重地区的高分辨率图像。在这些不可预见的情况下，使用微波卫星进行遥感也大有裨益。没有比定位技术和 GPS 更好的方法来了解洪水或其他自然灾害地区人员的下落。借助 Google 的定位和跟踪服务，救援人员和志愿者能够找到偏远和交通不便地区的人员。交互式地图和公民倡议有助于每个人了解损失程度、受影响最小的区域
通过空间数据帮助当地青年应对热带森林砍伐问题摘要热带森林是缓解全球气候变化的关键。
通过空间数据赋权当地青年解决热带森林砍伐问题 摘要 热带森林是帮助缓解全球气候变化的关键。如果没有热带雨林国家的青年的参与，减少森林砍伐的努力就不会有效。当他们获得权利时，他们可以成为解决森林砍伐问题的真正催化剂。空间数据成为这种赋权的关键工具。最近的空间技术进步使当地青年能够帮助监测高分辨率的森林变化。正如印度尼西亚的两个例子所示，青年可以通过公民科学运动或众包帮助生成与森林砍伐相关的数据，并将这些数据用于实地森林监测和活动。 ______________________________________________ 热带森林是世界公民缓解气候变化的有力工具，因为它们含有碳，并具有局部冷却效应。全球约 8% 的排放来自热带森林的树木覆盖损失，但它们可以提供 2030 年前所需的 23% 具有成本效益的气候缓解措施（Gibbs 等人，2018 年）。如果没有热带森林内或附近的居民的参与，减少森林砍伐和减缓气候变化的努力将不会有效。事实上，土著土地的森林砍伐率通常要低得多（Chhatre 和 Agrawal，2009 年）。此外，砍伐和将热带森林转变为其他土地用途通常是由当地人对收入的需求以及当地和全球经济对商品的需求驱动的。与这些土著和当地社区合作对于防止大规模森林砍伐和改善这些社区的生计非常重要。这些社区毫无疑问是由大量年轻人组成的。拥有大量热带雨林的国家也是青年人口激增的发展中国家。例如，印度尼西亚拥有全球现存热带雨林的 10% 左右，居住着 6300 多万 30 岁以下的年轻人，占该国总人口的近四分之一（世界银行，2020 年）。如果为居住在森林内或附近的年轻人提供成长和采取行动所需的知识和机会，他们可以成为保护雨林和减缓气候变化的积极力量。如今，年轻人在气候行动中发挥的作用越来越大，值得特别关注。社交媒体让年轻人更容易推动社会进步，并提出创新解决方案来支持当地社区的可持续发展。重要的是，最近以西方为主的青年领导的气候运动挑战了老年人统治年轻人的传统，并维护了子孙后代与当代人的利益平等。如果热带雨林国家的年轻人团结一致、有力地加入气候运动，要求更好、更可持续地管理本国的雨林，想象一下他们会对自己的国家和全球产生的影响。如果他们能够获得并生成数据，成为雨林保护领域采取明智行动的基础，他们的努力可能会进一步扩大。
结论：小型卫星领域的诸多技术、市场、经济和实践方面
（iii）能够以更低的成本（有时使用现成技术）设计和制造小型卫星的更有效方法；（iv）微电子技术的进步、更小但性能更高的传感器、改进的组件设计和制造等；（v）通过创造新型商业卫星应用以及扩大向发展中经济体尚未开发的市场提供太空服务的尝试，空间服务市场迅速发展——特别是在宽带互联网流媒体和遥感方面；（vi）太空领域的企业创新，通常受到计算机服务和社交媒体领域的创新思维的驱动；以及（vii）基于“Kickstarter”、众包、多轮风险投资以及来自计算机和信息服务等新兴行业、投资银行和其他收入来源对卫星应用的交叉投资等机制为小型卫星初创企业提供融资的新方式。 《小型卫星手册》力图深入研究引发小型卫星革命的所有变革来源。它研究了这个重要的新空间应用领域的技术、运营、金融、商业、经济、监管、发射和制度方面。创新无处不在。实际上，不仅技术和运营方面有贡献，而且业务的其他各个方面也有贡献。因此，变化来自小型卫星业务（即，新进入者和初创公司，它们采用完全不同的商业模式和时间表）。制造和设计领域也发生了关键变化（即，增材制造和现成组件的使用）。小型卫星商业模式帮助重塑了空间业务和金融领域，这与诞生于所谓军工联合体的大型航空航天公司所采取的方法截然不同。因此，小型卫星领域的新商业实践反映了许多新的思维模式（即，新的融资来源和“足够干净的房间”）。这种新型创业思维催生了许多新想法，例如节约理念、快速原型设计以及在数月而不是数年内完成新一代卫星设计。简而言之，小型卫星已经颠覆了整个航天工业的思维，变革几乎渗透到了人们可以想象到的任何地方——甚至更多。最后一章旨在总结小型卫星新世界诞生的众多变革和创新领域。因此，最后一章将讨论小型卫星世界的重要新方面，这些方面已经渗透到了整个航天工业。这些从本书组成部分中提取的各个部分包括定义各种类型的小型卫星；卫星技术；设计和制造；发射和部署；操作和节约理念；地面系统技术；商业、融资、风险最小化和保险；以及监管、安全和机构问题。
Ranjay Krishna -
ICLR 2025交织的场景图，用于交织的文本和图像生成评估。Dongping Chen，Ruoxi Chen，Shu Pu，Zhaoyi Liu，Yanru Wu，Caixi Chen，Caixi Chen，Benlin Liu，Yue Huang，Yao Wan，Pan Zhou，Ranjay Krishna International International In In Machine Learning，Machine Learning，2025 ICLR 2025 ICLR 2025 AHA：一个视觉语言的人，以实现失败的竞争，并合理地覆盖了竞争者，并合理地覆盖了杂物。众包工作流的技术。Madeleine Grunde-McLaughlin，Michelle S. Lam，Ranjay Krishna，Daniel S. Weld，Je Q rey Heer Heer ACM ACM Transactions on Computer-Human互动Neurips Neurips Neurips 2024 Dist Me Night Me。Jieyu Zhang, Weikai Huang, Zixian Ma, Oscar Michel, Dong He, Tanmay Gupta, Wei-Chiu Ma, Ali Farhadi, Aniruddha Kembhavi, Ranjay Krishna Advances in neural information processing systems, 2024 NeurIPS 2024 Visual Sketchpad: Sketching as a Visual Chain of Thought for Multimodal Language Models .Yushi Hu*，Weijia Shi*，Xingyu Fu，Dan Roth，Mari Ostendorf，Luke Zettlemoyer，Noah A Smith*，Ranjay Krishna*神经信息处理系统的进步，2024年Neurips 2024 Neurips 2024多语言多样性多样性多样性的多样性改善视觉语言表现。Thao Nguyen, Matthew Wallingford, Sebastin Santy, Wei-Chiu Ma, Sewoong Oh, Ludwig Schmidt, Pang Wei Koh, Ranjay Krishna* Advances in neural information processing systems, 2024 Spotlight Paper award (awarded to top 5%) NeurIPS 2024 The Unmet Promise of Synthetic Training Images: Using Retrieved Real Images Per- forms Better .Scott Geng，Cheng-Yu Hsieh，Vivek Ramanujan，Matthew Wallingford，Chun-Liang Li，Pang Wei Koh*，Ranjay Krishna*神经信息处理系统的进步，2024 Neurips，Neurips 2024 2024 ActionAtlas：Actionatlas：a Videoqa-benchmark for Videoqa Benchmark for-Frain grave grave grave vrained Capention conterition。Mohammadreza Salehi, Jae Sung Park, Aditya Kusupati, Ranjay Krishna , Yejin Choi, Hannaneh Hajishirzi, Ali Farhadi Advances in neural information processing systems, 2024 NeurIPS 2024 NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples .Wenxuan Peng，Baiqi Li，Zhiqiu Lin，Jean de Dieu Nyandwi，Zixian MA，Simran Khanuja，Deva Ramanan，Ranjay Krishna，Graham Neubig在神经信息处理系统中的进步，2024 Neurips 2024 Neurips 2024 Neurips 2024 Superpuse Supperections singleferess singleferess inderfection in Deciatsions nicledere nitferations in Deciatsions niclederiate bulyse nitferiations in Deciatsions anderfelions in Deciatsions：多个世代。Ethan Shen，Alan Fan，Sarah M Pratt，Jae Sung Park，Matthew Wallingford，Sham M Kakade，Ari Holtzman，Ari Holtzman，Ranjay Krishna，Ali Farhadi，Aditya Kusupati在神经信息处理系统中的进步，2024
衡量人工智能信任的价值——社会技术系统视角
[1] 2022. 韦氏词典：美国最值得信赖的在线词典。https://www.merriam-webster.com [2] Diego Antognini、Claudiu Musat 和 Boi Faltings。2021. 通过批评与解释互动。第三十届国际人工智能联合会议 IJCAI-21 论文集，周志华（编辑）。国际人工智能联合会议组织，515–521。https://doi.org/10.24963/ijcai.2021/72 主轨道。 [3] Alejandro Barredo Arrieta、Natalia Diaz-Rodriguez、Javier Del Ser、Adrien Bennetot、Siham Tabik、Alberto Barbado、Salvador Garcia、Sergio Gil-Lopez、Daniel Molina、Richard Benjamins、Raja Chatila 和 Francisco Herrera。2020 年。可解释人工智能 (XAI)：概念、分类法、机遇和挑战，迈向负责任的人工智能。Inf. Fusion 58 (2020)，82–115。[4] Gagan Bansal、Besmira Nushi、Ece Kamar、Walter S. Lasecki、Daniel S. Weld 和 E. Horvitz。2019 年。超越准确性：心智模型在人机团队表现中的作用。在 AAAI 人类计算与众包会议 (HCOMP) 上。 [5] Gagan Bansal、Tongshuang (Sherry) Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Túlio Ribeiro 和 Daniel S. Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。2021 年 CHI 计算机系统人为因素会议论文集 (2021 年)。[6] Pieter J. Beers、Henny PA Boshuizen、Paul A. Kirschner 和 Wim H. Gijselaers。2006 年。共同点、复杂问题和决策。群体决策与谈判 15 (2006)，529–556。 [7] Umang Bhatt、Alice Xiang、S. Sharma、Adrian Weller、Ankur Taly、Yunhan Jia、Joydeep Ghosh、Ruchir Puri、José MF Moura 和 P. Eckersley。2020 年。可解释的机器学习在部署中的应用。2020 年公平、问责和透明度会议论文集 (2020 年)。[8] Wayne C Booth、William C Booth、Gregory G Colomb、Gregory G Colomb、Joseph M Williams 和 Joseph M Williams。2003 年。研究的技巧。芝加哥大学出版社。[9] Andrea Brennen。2020 年。当人们说他们想要“可解释的人工智能”时，他们真正想要的是什么？我们询问了 60 位利益相关者。2020 年 CHI 计算系统人为因素会议扩展摘要。1-7。 [10] Zana Buccinca、Phoebe Lin、Krzysztof Z Gajos 和 Elena Leah Glassman。2020 年。代理任务和主观测量可能会在评估可解释的人工智能系统时产生误导。第 25 届智能用户界面 (IUI) 国际会议论文集 (2020 年)。[11] Hao-Fei Cheng、Ruotong Wang、Zheng Zhang、Fiona O'Connell、Terrance Gray、F. Maxwell Harper 和 Haiyi Zhu。2019 年。通过 UI 解释决策算法：帮助非专家利益相关者的策略。在 2019 年 CHI 计算机系统人为因素会议论文集 (英国苏格兰格拉斯哥) 中。美国纽约州纽约，1-12。 https://doi.org/10.1145/3290605.3300789 [12] Erin K. Chiou 和 John D. Lee。2021 年。信任自动化：为响应性和弹性而设计。《人为因素》（2021 年）。[13] Meia Chita-Tegmark、Theresa Law、Nicholas Rabb 和 Matthias Scheutz。2021 年。您可以信任您的信任衡量标准吗？2021 年 ACM/IEEE 人机交互国际会议论文集 (2021)，第 92-100 页。https://doi.org/10.1145/3434073.3444677 [14] Jin-Hee Cho、Kevin Chan 和 Sibel Adali。2015 年。信任建模调查。ACM 计算调查 (CSUR) 48，2（2015 年），1-40。[15] Herbert H. Clark。1996 年。使用语言。剑桥大学出版社。[16] David Roxbee Cox。1958 年。实验规划。 (1958 年)。