Depuração Explicativa: Apoio à Depuração por Usuário Final de Programas Aprendidos por Máquina

muitos algoritmos de aprendizado de máquina aprendem regras de comportamento a partir de usuários finais individuais, como organizadores de desktop orientados a tarefas e reconhecedores de caligrafia. Essas regras formam um "programa" que informa ao computador o que fazer quando entradas futuras chegam. Pouca pesquisa explorou como um usuário final pode depurar esses programas quando cometem erros. Apresentamos nossos progressos em capacitar usuários finais a depurar esses programas aprendidos por meio de uma metodologia de Programação Natural. Começamos com um estudo formativo explorando como os usuários raciocinam e corrigem um programa de classificação de texto. A partir dos resultados, derivamos e prototipamos um conceito baseado em "depuração explicativa", e depois o avaliamos empiricamente. Nossos resultados contribuem com métodos para expor a lógica de um programa aprendido a usuários finais e para elicitar correções dos usuários para melhorar as previsões do programa.