Key points are not available for this paper at this time.
Em numerosos domínios de alto risco, treinar novatos por meio de sistemas de aprendizagem convencionais não é suficiente. Para transmitir conhecimento tácito, a orientação prática de especialistas é imperativa. No entanto, treinar novatos por especialistas é caro e consome tempo, aumentando a necessidade de alternativas. A inteligência artificial explicável (XAI) tem sido convencionalmente utilizada para tornar sistemas de inteligência artificial de caixa preta interpretáveis. Neste trabalho, utilizamos a XAI como uma alternativa: um sistema de (X)AI é treinado com as decisões passadas dos especialistas e, em seguida, é empregado para ensinar novatos, fornecendo exemplos acompanhados de explicações. Em um estudo com 249 participantes, medimos a eficácia de tal abordagem para uma tarefa de classificação. Mostramos que sistemas de aprendizagem baseados em (X)AI são capazes de induzir aprendizagem em novatos e que seus estilos cognitivos moderam a aprendizagem. Assim, damos os primeiros passos para revelar o impacto da XAI na aprendizagem humana e orientamos desenvolvedores de IA sobre opções futuras para personalizar o design de sistemas de aprendizagem baseados em (X)AI.
Spitzer et al. (Mon,) estudaram esta questão.