解釋應包含哪些內容？本地後置解釋的人本內容模型
arXiv - Human-Computer InteractionHelmut Degen
提出一個十四項內容模型，結合實證與理論，為工業 AI 系統的本地後置解釋提供內容框架。
AI 幫你先抓重點
AI 重點 1
模型將解釋內容分為四大類別，提供設計者系統化選擇與評估框架。
滑鼠懸停看 AI 判斷理由
此分類結合實證與理論，協助設計者針對不同用戶需求選擇合適的解釋內容，提升信任度與可用性，並為工業 AI 系統的解釋設計提供可操作的參考。
AI 重點 2
高可靠性的編碼系統確保跨團隊一致性，利於大規模部署。
滑鼠懸停看 AI 判斷理由
Krippendorff's α 與 Cohen's κ 皆達 0.920，證明編碼手冊穩定且可重複，能在不同組織與領域中保持一致的解釋品質，降低溝通成本與誤解。
核心研究發現
- 1
混合式歸納-演繹質性內容分析於 325 個意義單位，產生初始 12 種編碼結構。
- 2
理論覆蓋評估與專家審查新增兩項編碼（Rule base、What-if backward），形成 14 種編碼模型。
- 3
11 位專家小組驗證內容充分性：I-CVI ≥0.82；尺度級別一致性分別為 0.93（相關性）、0.92（邊界清晰度）、0.94（可理解性）。
- 4
在 82 個單位的分層子樣本上，Krippendorff's α 與 Cohen's κ 均達 0.920，顯示高度可重複性。
對教育工作者的啟發
實務工作者可依此十四項內容模型，先進行需求調查，將用戶需求映射至四大類別，再設計符合可理解性與邊界清晰度的解釋。模型的高可靠性保證跨團隊一致性，亦可作為評估指標，持續改進解釋品質。
原始文獻資訊
- 英文標題：
- What Should Explanations Contain? A Human-Centered Explanation Content Model for Local, Post-Hoc Explanations
- 作者：
- Helmut Degen
- 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。