Buchumschlag

Creating Healthy Friction: Determining Stakeholder Requirements of Job Recommendation Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schellingerhout, Roan, Barile, Francesco, Tintarev, Nava
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Human-Computer Interaction Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OKRA: an Explainable, Heterogeneous, Multi-Stakeholder Job Recommender System
von: Schellingerhout, Roan, et al.
Veröffentlicht: (2025)

Explainable Multi-Stakeholder Job Recommender Systems
von: Schellingerhout, Roan
Veröffentlicht: (2024)

Bridging the Transparency Gap: Exploring Multi-Stakeholder Preferences for Targeted Advertisement Explanations
von: Zilbershtein, Dina, et al.
Veröffentlicht: (2024)

With Friends Like These, Who Needs Explanations? Evaluating User Understanding of Group Recommendations
von: Waterschoot, Cedric, et al.
Veröffentlicht: (2025)

Evaluation of Human-Understandability of Global Model Explanations using Decision Tree
von: Sivaprasad, Adarsa, et al.
Veröffentlicht: (2023)

Less or More: Towards Glanceable Explanations for LLM Recommendations Using Ultra-Small Devices
von: Wang, Xinru, et al.
Veröffentlicht: (2025)

Visual or Textual: Effects of Explanation Format and Personal Characteristics on the Perception of Explanations in an Educational Recommender System
von: Ain, Qurat Ul, et al.
Veröffentlicht: (2026)

V-RECS, a Low-Cost LLM4VIS Recommender with Explanations, Captioning and Suggestions
von: Podo, Luca, et al.
Veröffentlicht: (2024)

Secondary Stakeholders in AI: Fighting for, Brokering, and Navigating Agency
von: Ajmani, Leah Hope, et al.
Veröffentlicht: (2025)

Empathy in Explanation
von: Collins, Katherine M., et al.
Veröffentlicht: (2025)

Logic-Scaffolding: Personalized Aspect-Instructed Recommendation Explanation Generation using LLMs
von: Rahdari, Behnam, et al.
Veröffentlicht: (2023)

Not All Explanations are Created Equal: Investigating the Pitfalls of Current XAI Evaluation
von: Shymanski, Joe, et al.
Veröffentlicht: (2025)

Explanation-Driven Interventions for Artificial Intelligence Model Customization: Empowering End-Users to Tailor Black-Box AI in Rhinocytology
von: Esposito, Andrea, et al.
Veröffentlicht: (2025)

Cognitive Agency Surrender: Defending Epistemic Sovereignty via Scaffolded AI Friction
von: Xu, Kuangzhe, et al.
Veröffentlicht: (2026)

Experiential Explanations for Reinforcement Learning
von: Alabdulkarim, Amal, et al.
Veröffentlicht: (2022)

Evaluating Saliency Explanations in NLP by Crowdsourcing
von: Lu, Xiaotian, et al.
Veröffentlicht: (2024)

"I think this is fair": Uncovering the Complexities of Stakeholder Decision-Making in AI Fairness Assessment
von: Luo, Lin, et al.
Veröffentlicht: (2025)

Evaluating Readability and Faithfulness of Concept-based Explanations
von: Li, Meng, et al.
Veröffentlicht: (2024)

Leveraging LLMs to Create a Haptic Devices' Recommendation System
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Leveraging Counterfactual Paths for Contrastive Explanations of POMDP Policies
von: Kraske, Benjamin, et al.
Veröffentlicht: (2024)

Should XAI Nudge Human Decisions with Explanation Biasing?
von: Fukuchi, Yosuke, et al.
Veröffentlicht: (2024)

Incremental XAI: Memorable Understanding of AI with Incremental Explanations
von: Bo, Jessica Y., et al.
Veröffentlicht: (2024)

The Impact of Concept Explanations and Interventions on Human-Machine Collaboration
von: Furby, Jack, et al.
Veröffentlicht: (2025)

Human Decision-Making with Persuasive and Narrative LLM Explanations
von: Marusich, Laura R., et al.
Veröffentlicht: (2026)

Agentic Personas for Adaptive Scientific Explanations with Knowledge Graphs
von: Nunes, Susana, et al.
Veröffentlicht: (2026)

Do Metrics for Counterfactual Explanations Align with User Perception?
von: Liedeker, Felix, et al.
Veröffentlicht: (2026)

Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting
von: Zhao, Yihang, et al.
Veröffentlicht: (2024)

Comparing Code Explanations Created by Students and Large Language Models
von: Leinonen, Juho, et al.
Veröffentlicht: (2023)

Concerns on Bias in Large Language Models when Creating Synthetic Personae
von: Haxvig, Helena A.
Veröffentlicht: (2024)

Creating Disability Story Videos with Generative AI: Motivation, Expression, and Sharing
von: Niu, Shuo, et al.
Veröffentlicht: (2026)

Dynamic Explanation Emphasis in Human-XAI Interaction with Communication Robot
von: Fukuchi, Yosuke, et al.
Veröffentlicht: (2024)

Don't be Fooled: The Misinformation Effect of Explanations in Human-AI Collaboration
von: Spitzer, Philipp, et al.
Veröffentlicht: (2024)

Conversational Explanations: Discussing Explainable AI with Non-AI Experts
von: Zhang, Tong, et al.
Veröffentlicht: (2025)

Explanations, Fairness, and Appropriate Reliance in Human-AI Decision-Making
von: Schoeffer, Jakob, et al.
Veröffentlicht: (2022)

Transferable XAI: Relating Understanding Across Domains with Explanation Transfer
von: Wang, Fei, et al.
Veröffentlicht: (2026)

Can AI Explanations Make You Change Your Mind?
von: Spillner, Laura, et al.
Veröffentlicht: (2025)

Explanation User Interfaces: A Systematic Literature Review
von: Cappuccio, Eleonora, et al.
Veröffentlicht: (2025)

Knowledge-Based Design Requirements for Generative Social Robots in Higher Education
von: Vonschallen, Stephan, et al.
Veröffentlicht: (2026)

Apprentice Tutor Builder: A Platform For Users to Create and Personalize Intelligent Tutors
von: Smith, Glen, et al.
Veröffentlicht: (2024)

Context-Aware Visualization for Explainable AI Recommendations in Social Media: A Vision for User-Aligned Explanations
von: Alkhateeb, Banan, et al.
Veröffentlicht: (2025)