從XAI視角探討可解釋ASP：方法、系統與前景
arXiv - Human-Computer InteractionThomas Eiter, Tobias Geibinger, Zeynep G. Saribatur
本調查從XAI視角總結ASP解釋方法，揭示其類型、覆蓋範圍與研究缺口，並提出未來方向。
AI 幫你先抓重點
AI 重點 1
將解釋類型與使用者問題對齊是提升ASP可解釋性的關鍵。
滑鼠懸停看 AI 判斷理由
此洞察強調在設計ASP解釋系統時，必須先了解使用者的需求與問題類型，才能提供針對性、易於理解的解釋，進而提升使用者信任與系統可接受度。
AI 重點 2
現有ASP解釋工具缺乏跨場景通用性，需開發更全面的解釋框架。
滑鼠懸停看 AI 判斷理由
此觀點指出目前工具僅覆蓋特定情境，限制了ASP在教育與其他領域的廣泛應用，提醒研究者與實務者重視工具的可擴展性與適應性。
核心研究發現
- 1
本文將ASP解釋分為多種類型，並將其對應到使用者提出的不同解釋問題。
- 2
系統性回顧目前ASP解釋理論與工具，指出其在不同場景下的覆蓋程度與限制。
- 3
透過對現有方法的分析，作者揭示了多個研究缺口，並提出未來發展的具體研究方向。
對教育工作者的啟發
對於教育工作者而言，選擇與學習者需求相符的ASP解釋工具，可提升問題解決過程的透明度與學習成效。設計課程時，可將解釋模組嵌入ASP系統，讓學生在推理過程中即時獲得原因說明，促進元認知與自我調節。研究者則可依照本文所列缺口，開發更具通用性的解釋框架，並在實驗中驗證其對學習動機與成效的影響。
原始文獻資訊
- 英文標題：
- An XAI View on Explainable ASP: Methods, Systems, and Perspectives
- 作者：
- Thomas Eiter, Tobias Geibinger, Zeynep G. Saribatur
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。