以對話方式說明：走向以人為中心的對話式可解釋 AI
arXiv - Human-Computer InteractionNiharika Mathur, Smit Desai
本文主張解釋不應被視為靜態文本，而是需要透過對話層面（時間、語氣、角色、歷史）來提升其有效性，並提出 HC2XAI 的願景。
AI 幫你先抓重點
AI 重點 1
對話層面是解釋有效性的核心，而非僅僅是內容本身。
滑鼠懸停看 AI 判斷理由
若忽略時間、語氣、角色等對話特徵，解釋可能失去互動性與適應性，導致使用者無法真正理解 AI 決策，進而降低信任度與可用性。
AI 重點 2
HC2XAI 提供了設計對話式解釋的系統性視角。
滑鼠懸停看 AI 判斷理由
此框架將對話歷史、語氣調整、角色設計等因素納入考量，為實務開發者與教育者提供可落地的設計指引，促進更人性化的 AI 介面。
核心研究發現
- 1
1. 解釋在實務中被體驗為對話，而非靜態文檔。
- 2
2. 對話層面（時間、語氣、角色、對話歷史）是解釋有效性的關鍵組成部分。
- 3
3. 透過三個示例場景說明對話式解釋的設計要素與潛在效益。
- 4
4. 提出 Human-Centered Conversational XAI (HC2XAI) 的概念框架，鼓勵 CUI 社群進行相關研究。
對教育工作者的啟發
對於教育工作者而言，設計 AI 說明介面時應將對話層面納入考量：1) 允許使用者在不同時間點提出追問，系統即時回應；2) 語氣與語調應根據使用者情緒與背景調整，提升親和力；3) 角色設定（如導師、同儕）可增強說明的可信度；4) 對話歷史記錄可作為後續解釋的參考，避免重複與矛盾。實務上可先在小規模課堂中試驗對話式解釋，收集使用者回饋後迭代設計，最終形成符合學習者需求的 HC2XAI 介面。
原始文獻資訊
- 英文標題：
- Explanations as Dialogues: Toward Human-Centered Conversational Explainable AI
- 作者：
- Niharika Mathur, Smit Desai
- 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。