← Alle Abbildungen

Tabelle Abbildung 1 Aus der Forschung

Die Karte für aufgabenbezogenes Algorithmusvertrauen

Behandle Nutzung als aufgaben- und erfahrungsabhängige Entscheidung. Gib keine universelle Vertrauenszahl frei.

PrüffeldBeispielgrenzeZulässige InterpretationStoppsignal
AufgabencharakterObjektiv, subjektiv oder gemischt„Nutzung wird für diese Aufgabe geprüft.“Von einer Aufgabe wird auf alle Aufgaben geschlossen.
Beobachtete LeistungKein beobachteter Fehler oder sichtbarer Fehler„Diese Erfahrung kann die Nutzung beeinflussen.“Ein Fehler gilt als Beweis allgemeiner Unterlegenheit.
BeratungsquelleAlgorithmisch, menschlich oder unbekannt bezeichnet„Die Quellenbezeichnung gehört zum Entscheidungskontext.“Quellenbezeichnungen fehlen, während Einstellungen verglichen werden.
Expertise und VergleichEigene Schätzung, menschlicher Vergleich oder kein direkter Konkurrent„Die Reaktion ist durch Vergleich und Expertise begrenzt.“Novizen und Experten werden gleich behandelt.
FreigabefrageWelche Nutzungsentscheidung steht an?„Nutzen, prüfen, überstimmen oder testen.“„Nutzende vertrauen dem Algorithmus“ ist das Endergebnis.

Bei breiten Tabellen horizontal wischen oder scrollen.

Zitieren Einbetten

Referenz & Evidenz

Quelle: Eigene Entscheidungslogik auf Grundlage von Castelo, Bos und Lehmann (2019), Dietvorst, Simmons und Massey (2015) sowie Logg, Minson und Moore (2019). Die Fragen sind synthetisch und bewerten kein aktuelles System.

Jede Zeile ist eine geprüfte Aussage aus dem Prüfregister des Journals, beim Build aus dem Register aufgelöst. Das Register wird auf Englisch geführt.

  • A Across four online laboratory studies with more than 1,400 participants and two online field studies with more than 56,000, reliance moved with perceived task character: "They find that algorithms are trusted and relied on less for tasks that seem subjective (vs. objective) in nature" Castelo, Bos & Lehmann. (2019) · CBL19-C1
  • A Consumers trusted and used algorithms less for tasks perceived as subjective than for tasks perceived as objective. Castelo, Bos & Lehmann. (2019) · CBL19-C2
  • A And the perception is malleable: "increasing a task"'"s perceived objectivity increases trust in and use of algorithms for that task" Castelo, Bos & Lehmann. (2019) · CBL19-C3
  • A The aversion is triggered by observation, in the authors' words: "We show that people are especially averse to algorithmic forecasters after seeing them perform, even when they see them outperform a human forecaster", across "In 5 studies, participants either saw an algorithm make forecasts, a human make forecasts, both, or neither" Dietvorst, Simmons & Massey. (2015) · DSM15-C1
  • A Participants lost confidence in an algorithm more quickly than in a human after the two made the same mistake, even when the algorithm had outperformed the human. Dietvorst, Simmons & Massey. (2015) · DSM15-C2
  • A The mechanism they give: "This is because people more quickly lose confidence in algorithmic than human forecasters after seeing them make the same mistake" Dietvorst, Simmons & Massey. (2015) · DSM15-C3
  • A The opposite finding, and its comparison: "results from six experiments show that lay people adhere more to advice when they think it comes from an algorithm than from a person", including "forecasts about the popularity of songs and romantic attraction" Logg, Minson & Moore. (2019) · LMM19-C1
  • A Algorithm appreciation appeared in numeric estimates and forecasts, including song popularity and romantic attraction judgments. Logg, Minson & Moore. (2019) · LMM19-C2
  • A And its limits, in the same abstract: "Algorithm appreciation persisted when advice appeared jointly or separately", but weakened when "people chose between an algorithm"'s estimate and their own, or when participants had forecasting expertise Logg, Minson & Moore. (2019) · LMM19-C3

Prüfgrade: A, gegen die gedruckte Seite der Primärquelle geprüft · B, Primärquelle, nur Textebene · C, belastbare Sekundärquelle · D, berichtet.

Verwandte Abbildungen