او گفت: «من نمیخواهم بگویم که این توصیهها باعث بدتر شدن مردم میشد، اما این واقعیت که آنها بهتر عمل نکردند و در عین حال احساس بهتری نسبت به پاسخهایشان داشتند، مشکل را نشان میدهد. “اعتماد به نفس آنها بالا رفت، بنابراین احتمالاً از توصیه های الگوریتمی استفاده می کنند و احساس خوبی در مورد آن دارند، اما لزوماً درست نخواهند بود.
Schecter و همکارانش برای اینکه ببینند آیا مردم بیشتر به توصیههای کامپیوتری برای کارهای مرتبط با زبان تکیه میکنند یا خیر، به ۱۵۴ شرکتکننده آنلاین بخشهایی از Remote Associates Test را دادند، آزمونی که به مدت شش دهه برای ارزیابی خلاقیت شرکتکنندگان مورد استفاده قرار میگرفت.
شرکتکنندگانی که از توصیههای الگوریتم استفاده میکردند نیز دو برابر افرادی که از توصیههای فرد استفاده میکردند، به پاسخهای خود اطمینان داشتند. علیرغم اطمینان آنها به پاسخهایشان، احتمال 13 درصد کمتر از کسانی که از توصیههای مبتنی بر انسان برای انتخاب پاسخهای صحیح استفاده میکردند، داشتند.
مواد تهیه شده توسط دانشگاه گرجستان. نوشته اصلی توسط J. Merritt Melancon. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
منبع
Schechter و همکارانش این تمایل به پذیرش توصیه های تولید شده توسط کامپیوتر را بدون توجه به کیفیت آن به عنوان سوگیری اتوماسیون می نامند. درک اینکه چگونه و چرا تصمیم گیرندگان انسانی برای حل مشکلات از نرم افزار یادگیری ماشینی خودداری می کنند، بخش مهمی از درک اینکه چه چیزی در محیط های کاری مدرن ممکن است اشتباه باشد و نحوه اصلاح آن است.
در طول آزمون، از شرکت کنندگان خواسته شد تا کلمه ای بیاورند که سه کلمه نمونه را به هم گره می زند. اگر مثلاً کلمات پایه، اتاق و بولینگ بود، جواب توپ بود.
اما تحقیقات جدید دانشگاه جورجیا نشان میدهد افرادی که برای کمک به کارهای خلاقانه مرتبط با زبان به الگوریتمها تکیه میکنند، عملکرد خود را بهبود نمیبخشند و بیشتر به توصیههای با کیفیت پایین اعتماد میکنند.
شرکتکنندگان کلمهای را برای پاسخ به سؤال انتخاب کردند و به آنها یک راهنمایی نسبت داده شده به یک الگوریتم یا یک اشاره منتسب به یک شخص ارائه شد و به آنها اجازه داده شد که پاسخهای خود را تغییر دهند. ترجیح توصیه های مشتق شده از الگوریتم علیرغم دشواری سؤال، نحوه بیان توصیه یا کیفیت توصیه قوی بود.
منبع داستان:
“اگر من یک عملکرد تکمیل خودکار یا تصحیح خودکار در ایمیل خود داشته باشم که به آن اعتقاد دارم، ممکن است به این فکر نکنم که آیا این کار حال من را بهتر می کند یا خیر. من فقط از آن استفاده می کنم زیرا در انجام آن احساس اطمینان دارم.”
این مطالعه با هدف بررسی این موضوع انجام شد که آیا افراد هنگام انجام کارهای خلاقانه و وابسته به زبان، توصیه های رایانه را به تعویق می اندازند یا خیر. تیم دریافت که شرکت کنندگان 92.3 درصد بیشتر از توصیه های منتسب به افراد استفاده می کنند.
Aaron Schecter، استادیار سیستم های اطلاعات مدیریت در کالج تجارت تری، مطالعه خود را با عنوان “ترجیحات انسانی نسبت به توصیه های الگوریتمی در یک وظیفه تداعی کلمات” در این ماه منتشر کرد. گزارش های علمی. نویسندگان همکار او نینا لاوهاراتاناهیرون، استادیار سلامت زیست رفتاری در دانشگاه ایالتی پنسیلوانیا، و دکترای اخیر کالج تری هستند. اریک بوگرت فارغ التحصیل و استادیار فعلی دانشگاه نورث ایسترن.
با تصحیح خودکار و پاسخهای ایمیلی که بهطور خودکار ایجاد میشوند، الگوریتمها کمکهای زیادی را برای کمک به افراد برای بیان خود ارائه میدهند.
آیا هنگام نوشتن ایمیل باید تصحیح خودکار را بپذیرید؟
این مقاله دومین مقاله در تحقیقات تیم در مورد اعتماد فردی به توصیه های تولید شده توسط الگوریتم ها است. در مقاله آوریل 2021، این تیم دریافت که افراد در شمارش وظایف بیشتر به توصیه های الگوریتمی متکی هستند تا توصیه هایی که ظاهراً توسط سایر شرکت کنندگان ارائه شده است.
Schecter گفت: «این کار به همان نوع تفکر نیاز نداشت (مثل کار شمارش در مطالعه قبلی) اما در واقع ما همان تعصبات را دیدیم. آنها همچنان میخواستند از پاسخ الگوریتم استفاده کنند و احساس خوبی نسبت به آن داشته باشند، اگرچه این به آنها کمکی نمیکند که بهتر عمل کنند.»
استفاده از الگوریتم در حین تداعی کلمه
Schecter میگوید: «اغلب وقتی صحبت میکنیم که آیا میتوانیم به الگوریتمها اجازه تصمیمگیری بدهیم، وجود یک فرد در حلقه به عنوان راهحلی برای جلوگیری از اشتباهات یا نتایج بد ارائه میشود. “اما اگر افراد بیشتر از آنچه الگوریتم توصیه می کند به تعویق نیفتند، این نمی تواند راه حلی باشد.”
او گفت: «این خلاقیت محض نیست، اما تداعی کلمات اساساً نوع کار متفاوتی با ساختن یک تصویر استوک یا شمارش اشیاء در عکس است، زیرا شامل زبانشناسی و توانایی تداعی ایدههای مختلف است.» ما این موضوع را ذهنیتر میدانیم، اگرچه پاسخ درستی برای سؤالات وجود دارد.»
Matthew Newman
Matthew Newman
Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasetsView all posts by Matthew Newman →