Explainable AI and User Experience. Prototyping and Evaluating an UX-Optimized XAI Interface in Computer Vision
Master's Thesis aus dem Jahr 2023 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,0, Universität Regensburg (Professur für Wirtschaftsinformatik, insb. Internet Business & Digitale Soziale Medien), Sprache: Deutsch, Abstract Englisch, Beschreibung: Diese Arbeit stellt ein Toolkit von 17 User Experience (UX) Prinzipien vor, die nach ihrer Relevanz für Explainable AI (XAI) kategorisiert sind.
Das Ziel einer erklärbaren KI wird in der Literatur häufig mit den Dimensionen Verständlichkeit, Nützlichkeit, Vertrauen und Akzeptanz in Verbindung gebracht. Darüber hinaus postulieren Autoren in der Wissenschaft, dass sich die Forschung eher auf die Entwicklung von ganzheitlichen Erklärungsschnittstellen statt auf einzelne visuelle Erklärungen konzentrieren sollte. Folglich sollte der Fokus der XAI-Forschung eher auf den potenziellen Nutzern und ihren Bedürfnissen liegen, als auf rein technischen Aspekten der XAI-Methoden.
In Anbetracht dieser drei Hindernisse geht der Autor dieser Arbeit davon aus, wertvolle Erkenntnisse aus dem Forschungsbereich des User Interface (UI) und User Experience Design in die XAI-Forschung einzubringen. Grundsätzlich befasst sich UX mit der Gestaltung und Bewertung von pragmatischen und hedonischen Aspekten der Interaktion eines Benutzers mit einem System in einem bestimmten Kontext. Diese Prinzipien werden beim anschließenden Prototyping eines maßgeschneiderten XAI-Systems namens Brain Tumor Assistant (BTA) berücksichtigt.
Hier wird ein vortrainiertes EfficientNetB0 als Convolutional Neural Network verwendet, das Röntgenbilder eines menschlichen Gehirns mit einer Gesamtgenauigkeit von 98% in vier Klassen unterteilen kann. Um sachliche Erklärungen zu generieren, werden anschließend Local Interpretable Model-agnostic Explanations als XAI-Methode eingesetzt. Die anschließende Evaluation der BTA basiert auf dem sogenannten User Experience Questionnaire (UEQ) nach Laugwitz et al.
(2008), wobei einzelne Items des Fragebogens an den spezifischen Kontext von XAI angepasst werden. Quantitative Daten aus einer Studie mit jeweils 50 Teilnehmern in Kontroll- und Behandlungsgruppe werden verwendet, um eine standardisierte Art der Quantifizierung darzustellen.
| ISBN: | 9783346874191 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
