Key points are not available for this paper at this time.
हालिया तकनीकी विकास ने कृत्रिम बुद्धिमत्ता (AI) को दैनिक जीवन में एक महत्वपूर्ण भूमिका में डाल दिया है, जो जटिल मॉडल और एल्गोरिदम के माध्यम से मानव प्रदर्शन को बढ़ाता है। हालाँकि, भविष्यवाणी की सटीकता पर ध्यान केंद्रित करने से अक्सर अस्पष्ट, ब्लैक बॉक्स मॉडल का निर्माण होता है, जिनमें निर्णय लेने में पारदर्शिता की कमी होती है। इस समस्या से निपटने के लिए, उपयोगकर्ताओं के लिए परिणामों को समझने योग्य बनाने के लिए स्पष्ट AI (XAI) सिस्टम विकसित करने के लिए महत्वपूर्ण प्रयास किए गए हैं। विभिन्न दृष्टिकोण, जिसमें नए विचार, मॉडल और उपयोगकर्ता इंटरफेस शामिल हैं, स्पष्टता में सुधार, उपयोगकर्ता विश्वास बनाना, संतोष बढ़ाना, और कार्य प्रदर्शन को बढ़ाने का प्रयास करते हैं। मूल्यांकन अनुसंधान सामने आया है ताकि इन स्पष्टीकरणों की गुणवत्ता को परिभाषित और मापा जा सके, औपचारिक मूल्यांकन विधियों और अनुभवजन्य दृष्टिकोणों के बीच अंतर करने के लिए जो मनोविज्ञान और मानव-संगणक अंतःक्रिया से तकनीक का उपयोग करते हैं। अनुभवजन्य अध्ययनों के महत्व के बावजूद, मूल्यांकन का अधिक उपयोग नहीं किया जाता है, और साहित्य की समीक्षाएं उपयोगकर्ता के दृष्टिकोण से कठोर मूल्यांकन की कमी का संकेत देती हैं। यह समीक्षा शोधकर्ताओं और प्रथावतो को प्रभावी अनुभवजन्य उपयोगकर्ता-केंद्रित मूल्यांकन करने के लिए मार्गदर्शन करने का लक्ष्य रखती है, कई अध्ययनों का विश्लेषण करके, उनके उद्देश्यों, दायरे, और मूल्यांकन मीट्रिक को वर्गीकृत करके, और अनुसंधान डिज़ाइन और मीट्रिक माप के लिए एक अभिविन्यास मानचित्र प्रदान करके।
Naveed et al. (Wed,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: