 |
アルゴリズム嫌悪とは、「人間のエージェントと比較して、アルゴリズムに対する否定的な行動や態度として現れる、アルゴリズムに対する偏った評価」と定義されます。[ 1 ]この現象は、人間が人間からのアドバイスや推奨であれば受け入れるであろう状況において、アルゴリズムからのアドバイスや推奨を拒否する傾向を表しています。
アルゴリズム、特に機械学習や人工知能（AI）を活用したアルゴリズムは、様々な分野の意思決定においてますます重要な役割を果たしています。例えば、顧客が好みそうな商品を特定するeコマースのレコメンデーションシステムや、診断や治療の決定を支援する医療分野のAIシステムなどが挙げられます。アルゴリズムは多くの状況で人間を上回る能力を発揮することが実証されているにもかかわらず、しばしば抵抗や拒絶に遭遇し、非効率性や最適ではない結果につながる可能性があります。
アルゴリズムが私たちの日常生活にますます浸透するにつれ、アルゴリズム嫌悪の研究は極めて重要になっています。責任感の認識、透明性の欠如、機械の判断に対する懐疑心といった要因が、この嫌悪感に寄与しています。逆に、人間による推奨よりもアルゴリズムのアドバイスを信頼し、従う可能性が高い状況もあり、これは「アルゴリズム評価」と呼ばれます。[ 2 ]こうしたダイナミクスを理解することは、人間とアルゴリズムの相互作用を改善し、AI主導の意思決定の受容度を高めるために不可欠です。
アルゴリズム嫌悪の例
アルゴリズム嫌悪は、人間の意思決定を支援または代替するためにアルゴリズムが用いられる様々な領域で現れます。以下は、様々な状況における事例であり、人々がアルゴリズムによる助言や意思決定に抵抗する傾向のある状況を示しています。
健康管理
AIシステムの正確性が実証されているにもかかわらず、患者はAIによる医療診断や治療の推奨に抵抗を示すことがよくあります。例えば、患者はAIシステムに共感性や繊細な感情的相互作用への対応能力が欠けていると感じ、人間の医師をより信頼する傾向があります。AIが医療上の意思決定においてより大きな役割を果たすようになると、否定的な感情が生じる可能性が高くなります。[ 3 ]
採用と雇用
採用活動において利用されるアルゴリズムエージェントは、感情的なサポートやキャリア開発といった関係構築の役割を果たす能力が低いと認識されることが多い。アルゴリズムは給与交渉といった取引業務においては信頼されているものの、感情的なレベルでのつながりを築く能力があると考えられているため、関係構築業務においては人間の採用担当者が好まれる。[ 4 ]
消費者行動
消費者は一般的に、人間が下した意思決定に比べて、アルゴリズムが下した意思決定に対しては好意的な反応を示しません。例えば、ある意思決定が肯定的な結果をもたらす場合、それがアルゴリズムによるものであれば、消費者はそれを内在化することがより困難です。逆に、否定的な結果をもたらす場合は、その意思決定がアルゴリズムによるものか人間によるものかに関わらず、同様の反応を引き起こす傾向があります。[ 5 ]
マーケティングとコンテンツ作成
マーケティング分野において、AIインフルエンサーは製品のプロモーションにおいて人間のインフルエンサーと同等の効果を発揮する可能性があります。しかしながら、消費者は人間のインフルエンサーをより本物と認識する傾向があるため、AIによる推奨に対する信頼度は依然として低いままです。同様に、AIコンテンツの質が人間が作成したコンテンツと同等、あるいは上回っている場合でも、参加者は人間が作成したコンテンツと明確に識別されたコンテンツをAIが作成したコンテンツよりも好む傾向があります。[ 6 ] [ 7 ]
文化の違い
アルゴリズム嫌悪において、文化的規範は重要な役割を果たします。米国のような個人主義的な文化では、自律性と個別的な意思決定が重視されるため、アルゴリズムによる推奨を拒否する傾向が高くなります。対照的に、インドのような集団主義的な文化では、特にアルゴリズムへの慣れ親しんでいる場合や、意思決定が社会規範と一致している場合、嫌悪感は低くなります。[ 8 ]
道徳的および感情的な決断
倫理的ジレンマや共感的な意思決定など、道徳的または感情的な判断を伴うタスクでは、アルゴリズムの信頼性は低い。例えば、自動運転車の決定や医療における生死に関わる状況など、道徳的な利害関係が大きいと認識されるシナリオでは、個人はアルゴリズムによる決定を拒否する可能性がある。[ 9 ]
アルゴリズム嫌悪の根底にあるメカニズム
アルゴリズム嫌悪は、心理的要因、タスク関連要因、文化的要因、そして設計関連要因の組み合わせから生じます。これらのメカニズムは相互作用し、アルゴリズムのパフォーマンスが人間の意思決定よりも客観的に優れている場合でも、アルゴリズムに対する個人の否定的な認識や行動を形成します。
心理的メカニズム
認識された責任
人間によるアドバイスと比較して、アルゴリズムによるアドバイスを利用する場合、個人はしばしばより高い責任感を抱きます。これは、アルゴリズムには責任を共有する能力がないため、決定が間違っていた場合、自分が全責任を負うことになるという信念に起因します。対照的に、人間の入力による意思決定は、より協調的であると認識され、責任を共有することができます。例えば、医療や金融アドバイスのような、誤りの影響が大きいハイステークス分野では、ユーザーはアルゴリズムによる推奨に頼る可能性が低くなります。[ 8 ]
統制の所在
内的統制の所在を持つ人は、結果に直接影響を与えることができると信じており、アルゴリズムを信頼することに消極的です。彼らはアルゴリズムによる意思決定が自律性を損なうと感じ、より変更可能で個人的な人間による入力を好む傾向があります。一方、外的統制の所在を持つ人は、結果を外部の力に帰属させ、アルゴリズムを中立的で効果的なツールと見なし、アルゴリズムによる意思決定をより容易に受け入れる傾向があります。この傾向は、ユーザーが主体性を維持しようとする意思決定の場面において特に顕著です。[ 10 ]
神経症傾向
神経質な人は不安や不確実性への恐怖を抱きやすく、アルゴリズムを信頼しにくい傾向があります。この嫌悪感は、アルゴリズムの「冷たさ」や、微妙な感情的要因を考慮できないことへの懸念から生じている可能性があります。例えば、医療や採用といった感情に敏感な業務において、神経質な人は、アルゴリズムが同等かそれ以上の性能を発揮したとしても、アルゴリズムによる入力を拒否し、人間の推奨を優先することがあります。[ 11 ]
タスク関連のメカニズム
タスクの複雑さとリスク
タスクの性質は、アルゴリズム嫌悪に大きく影響します。映画の推薦や製品の嗜好予測といった、日常的でリスクの低いタスクでは、ユーザーは一般的にアルゴリズムに頼ることに抵抗がありません。しかし、医療診断、財務上の意思決定、道徳的判断といった、リスクの高い、あるいは主観的なタスクでは、アルゴリズム嫌悪は高まります。ユーザーはこれらのタスクには共感、倫理的推論、あるいは繊細な理解が必要だと認識しており、アルゴリズムにはこれらの資質が欠けていると考えています。この差異は、アルゴリズムが技術分野（例えば物流）ではより受け入れられる一方で、人間中心の領域では抵抗に遭う理由を浮き彫りにしています。[ 5 ]
結果の価値
アルゴリズムによる意思決定に対する人々の反応は、意思決定結果の性質によって左右されます。アルゴリズムが肯定的な結果をもたらす場合、ユーザーはそれを信頼し受け入れる可能性が高くなります。しかし、否定的な結果をもたらす場合、ユーザーはアルゴリズムを拒否し、その使用を非難する傾向が強くなります。この現象は、人間の意思決定者とは異なり、アルゴリズムには説明責任がないという認識と関連しています。人間の意思決定者は、正当化の根拠を示したり、失敗の責任を受け入れたりすることができます。[ 5 ]
文化的メカニズム
個人主義対集団主義
文化規範は、アルゴリズムによる意思決定に対する態度を大きく形作ります。米国のような個人主義的な文化では、人々は自律性とパーソナライゼーションを重視し、非人間的または硬直的だと感じるアルゴリズムシステムに対してより懐疑的になります。一方、インドのような集団主義的な文化では、特にアルゴリズムが集団規範や社会的な期待と一致する場合、個人はアルゴリズムによる推奨を受け入れる可能性が高くなります。集団主義社会では、アルゴリズムへの慣れ親しんでいるユーザーは、アルゴリズムを個人の自律性を脅かすものではなく、社会的な目標を強化するツールと見なすため、嫌悪感を軽減します。[ 8 ]
文化的な影響
文化的な規範や価値観は、アルゴリズムの受容に大きな影響を与えます。米国のような個人主義的な文化では、自律性、個人の主体性、そして一般化されたシステムへの不信感が重視されるため、アルゴリズムに対する嫌悪感が高まる傾向があります。一方、インドのような集団主義的な文化では、特にアルゴリズムへの馴染みが深く、意思決定が社会規範と一致している場合、アルゴリズムの受容度は高くなります。これらの違いは、アルゴリズムシステムを文化的期待に合わせて調整することの重要性を浮き彫りにしています。[ 8 ]
組織的支援
組織がアルゴリズムの使用を支援し、説明する役割は、嫌悪感の度合いに大きな影響を与える可能性があります。組織がアルゴリズムツールを積極的に推進し、その使用方法に関する研修を提供すれば、従業員がアルゴリズムに抵抗する可能性は低くなります。アルゴリズムが意思決定プロセスをどのようにサポートしているかについての透明性は、特に重要な場面や職場環境において、信頼を育み、不安を軽減します。[ 1 ]
アルゴリズムの主体性と役割
助言型アルゴリズムと自律型アルゴリズム
アルゴリズム嫌悪は、人間が最終的な意思決定権を保持する助言型システムと比較して、自律的に意思決定を行う自律システム（パフォーマティブアルゴリズム）の方が高い。ユーザーは助言型アルゴリズムを自身の制御を強化する支援ツールと見なす傾向があるのに対し、自律型アルゴリズムはユーザーの権威や介入能力を脅かすものとして認識される可能性がある。[ 1 ]
アルゴリズムの認識された能力
アルゴリズムは、共感や道徳的推論といった人間特有の能力を欠いていると認識されることが多い。この認識は、主観的な判断、倫理的ジレンマ、あるいは感情的なやり取りを伴うタスクにおいて、アルゴリズムへの嫌悪感を増大させる。一方、人間的資質がそれほど重要でない客観的かつ技術的なタスクにおいては、ユーザーは一般的にアルゴリズムをより受け入れやすい。[ 1 ]
社会的および人間エージェントの特性
専門知識
リスクの高いタスクや専門知識が求められるタスクでは、ユーザーはアルゴリズムよりも人間の専門家を好む傾向があります。これは、人間の専門家はアルゴリズムでは不可能な文脈、ニュアンス、状況の複雑さを考慮できるという信念に基づいています。アルゴリズムへの嫌悪感は、専門知識を持つ人間がアルゴリズムの代替として利用できる場合に特に顕著になります。[ 1 ]
社会的距離
ユーザーは、代替案が自分自身の入力、あるいは個人的に知り合いで関係のある人物の入力である場合、アルゴリズムを拒否する可能性が高くなります。対照的に、代替案が匿名または遠距離にいる人間のエージェントである場合、アルゴリズムはより好意的に見られる可能性があります。より身近で、より関係のある人間のエージェントへのこの選好は、アルゴリズムによる意思決定の受容において、知覚された社会的つながりの重要性を浮き彫りにしています。[ 1 ]
デザイン関連のメカニズム
透明性
アルゴリズムシステムの透明性の欠如は、しばしば「ブラックボックス」問題と呼ばれ、ユーザーの間に不信感を生み出します。意思決定の方法が明確に説明されていないと、ユーザーはアルゴリズムの出力に頼ることに不安を感じ、特にリスクの高い状況ではその不安を抱く可能性があります。例えば、医療AIシステムにおける透明性、例えば診断推奨の説明提供は、信頼感を大幅に高め、嫌悪感を軽減することができます。透明性のあるアルゴリズムは、意思決定プロセスの神秘性を解き明かし、ユーザーがよりコントロールされていると感じられるようにすることで、ユーザーのエンパワーメントを実現します。[ 10 ]
エラー許容度
ユーザーは一般的に、アルゴリズムのエラー頻度が低い場合でも、人間のエラーよりもアルゴリズムのエラーを許容しにくい傾向があります。このような厳しい監視は、人間は間違いを犯すものとみなされるのに対し、アルゴリズムは「完璧」、つまりエラーフリーであるべきだという考え方から生じています。しかし、間違いから学び、時間の経過とともに適応する能力を示すアルゴリズムは、より大きな信頼を育むことができます。例えば、財務予測において、フィードバックに基づく改善が見られる場合、ユーザーはアルゴリズムを受け入れる可能性が高くなります。[ 10 ]
擬人化されたデザイン
アバター、会話型インターフェース、共感できる言語など、人間的な特性を持つアルゴリズムを設計することで、インタラクションをより自然でパーソナルなものにすることで、嫌悪感を軽減することができます。例えば、共感的なコミュニケーションスタイルを持つAI搭載チャットボットは、純粋に機械的なインターフェースよりも顧客サービスにおいて好意的に受け止められます。この設計戦略は、アルゴリズムが「冷たい」あるいは非人間的であるという認識を軽減し、ユーザーがより快適にアルゴリズムと関わることを促すのに役立ちます。[ 7 ]
配信要因
配送方法
アルゴリズムが推奨を提示する形式は、ユーザーの信頼度に大きな影響を与えます。会話型または音声インターフェースを使用するシステムは、人間のようなインタラクション感覚を生み出すため、テキスト出力のみに依存するシステムよりも一般的に信頼度が高くなります。[ 12 ]
プレゼンテーションスタイル
明確で簡潔、かつ整理された推奨説明を提供するアルゴリズムは、ユーザーに受け入れられる可能性が高くなります。意思決定プロセスに関する詳細かつアクセスしやすい洞察を提供するシステムは、より信頼性が高く、信頼できると認識されます。[ 10 ]
人間に対する一般的な不信感と好意
デフォルトの懐疑論
多くの人は、アルゴリズムに対して根深い懐疑心を抱いています。特に、システムやその機能に精通していない場合はなおさらです。アルゴリズムに関する初期の否定的な経験は、この不信感を固定化し、信頼を取り戻すことを困難にする可能性があります。アルゴリズムのパフォーマンスが向上した場合でも、このバイアスはしばしば持続し、完全な拒絶につながります。[ 8 ]
人間への偏愛
人々はしばしば、アルゴリズムによる意思決定よりも人間の意思決定を好み、特に肯定的な結果をもたらす場合が多い。Yalsinらは、人間による好ましい意思決定は、成功を人間の専門知識や努力によるものと捉え、人間が内面化する傾向があることを強調した。対照的に、アルゴリズムによる意思決定は非人間的なものとみなされ、達成感や満足感を低下させる。この偏愛は、アルゴリズムシステムの性能が人間と同等、あるいはそれを上回っている場合でも、アルゴリズムシステムに対する根強い偏見の一因となっている。[ 5 ]
評判に関する懸念
アルゴリズムを使うことで人間の能力に関する否定的な情報が伝わる場合、人々はアルゴリズムを使うことを嫌うかもしれない。[ 13 ]これは、人間が自分の能力に関するプライベートな情報を持っている場合に起こり得る。
アルゴリズム嫌悪を克服するための提案された方法
アルゴリズムはしばしば人間を凌駕したり、はるかにコスト効率よくタスクを実行したりすることができます。[ 14 ] [ 15 ]それにもかかわらず、心理的、文化的、そして設計に関連する様々な要因により、アルゴリズム嫌悪は依然として存在しています。抵抗を軽減し、信頼を構築するために、研究者や実務家はいくつかの戦略を提案してきました。
人間が関与する
アルゴリズムへの嫌悪感を軽減する効果的な方法の一つは、人間が最終決定をコントロールする「人間参加型」アプローチを取り入れることです。このアプローチでは、アルゴリズムを自律的な意思決定者ではなく助言ツールとして位置付けることで、主体性と説明責任に関する懸念に対処します。
顧問役
アルゴリズムは、最終的な意思決定権を人間に委ねながら、推奨を提供することができます。これにより、ユーザーはアルゴリズムを脅威ではなく、支援的なものとして捉えることができます。例えば、医療分野では、AIシステムは診断や治療法を提案できますが、最終決定は人間の医師が行います。
コラボレーションと信頼
人間をアルゴリズムのプロセスに統合することで、協働意識が育まれ、ユーザーがシステムとよりオープンに関わるようになります。この手法は、採用、教育、財務計画など、人間の直感と文脈が極めて重要な分野で特に効果的です。
システムの透明性
透明性は、アルゴリズムへの嫌悪感を克服するために不可欠です。透明性は、信頼を築き、ユーザーに不快感を与えることが多い「ブラックボックス」効果を軽減するのに役立ちます。アルゴリズムの仕組みを説明することで、ユーザーは推奨を理解し、評価することができます。透明性には、アルゴリズムの全体的な機能を説明する包括的な説明、特定の推奨が行われた理由を明確にするケース固有の説明、アルゴリズムの決定における確実性を強調する信頼度レベルなど、いくつかの形があります。例えば、金融アドバイスにおいて、投資推奨の生成方法に関する透明性は、システムに対するユーザーの信頼を高めることができます。意思決定経路の可視化や機能重要度メトリクスなどの説明可能なAI（XAI）手法は、これらの説明をアクセスしやすく理解しやすいものにし、ユーザーがアルゴリズムを信頼するかどうかについて十分な情報に基づいた判断を下せるようにします。[ 1 ]
ユーザートレーニング
トレーニングを通じてユーザーにアルゴリズムに慣れてもらうことで、特にアルゴリズムに馴染みのないユーザーや懐疑的なユーザーの嫌悪感を大幅に軽減することができます。アルゴリズムとの実際のやり取りをシミュレートするトレーニングプログラムにより、ユーザーはアルゴリズムの能力と限界を直接体験することができます。例えば、診断AIシステムを使用する医療専門家は、システムがどのように推奨を導き出し、その出力をどのように解釈するかを示す実践的なトレーニングから恩恵を受けることができます。このようなトレーニングは知識のギャップを埋め、アルゴリズムの神秘性を解き明かし、ユーザーがより快適に使用できるようにします。さらに、繰り返しのやり取りとフィードバックループは、ユーザーが時間の経過とともにシステムへの信頼を築くのに役立ちます。アルゴリズムの助けを借りて正確な判断を下した場合に報酬を与えるなどの金銭的インセンティブも、ユーザーがこれらのシステムをより積極的に利用することを促すことが示されています。[ 16 ]
ユーザーコントロールの組み込み
ユーザーがアルゴリズムの出力を操作し、調整できるようにすることで、ユーザーのコントロール感を大幅に高めることができます。これは、嫌悪感を克服する上で重要な要素です。例えば、ユーザーがパラメータを変更したり、結果をシミュレーションしたり、推奨事項をパーソナライズしたりできるインタラクティブなインターフェースは、アルゴリズムの硬直性を軽減し、より適応性の高いものに感じさせます。ユーザーが調整可能な信頼度の閾値（例えば、医療診断の基準をより厳しく設定するなど）を提供することで、ユーザーは意思決定プロセスへの関与をさらに強く感じることができます。フィードバックメカニズムもまた重要な機能です。ユーザーが入力したり、エラーを修正したりできるため、ユーザーとアルゴリズムの間に協調意識が育まれます。これらの設計機能は、抵抗感を軽減するだけでなく、アルゴリズムが固定された柔軟性のないシステムではなく、柔軟なツールであることを示すことにもなります。
パーソナライゼーションとカスタマイズ
パーソナライゼーションは、アルゴリズムへの嫌悪感を軽減する上で重要な要素です。個人の好みや状況に適応するアルゴリズムは、ユーザーに受け入れられる可能性が高くなります。例えば、eコマースにおけるレコメンデーションシステムは、ユーザーの購買習慣を時間をかけて学習するため、汎用的なシステムよりも信頼される傾向があります。特定の要素（例えば、製品の推奨においてコストや持続可能性など）を優先する機能などのカスタマイズ機能は、出力をユーザー固有のニーズに合わせて調整することで、ユーザー満足度をさらに高めます。ヘルスケア分野では、患者の病歴や特定の症状を組み込んだパーソナライズされたAIシステムは、汎用的なツールよりも好評です。ユーザーの好みや状況に合わせて出力を調整することで、アルゴリズムはより高いエンゲージメントと信頼を育むことができます。
アルゴリズムの評価
研究では、人々がアルゴリズムに対して偏見を示すことは必ずしも示されておらず、時にはその逆、つまり人間よりもアルゴリズムからのアドバイスを好むという結果も示されています。この効果はアルゴリズム評価と呼ばれます。[ 17 ] [ 18 ]結果はまちまちですが、人々は人間よりもアルゴリズムからのアドバイスを好む傾向があるようです。
例えば、顧客は自動販売機よりも人間の営業担当者に最初に興味を示す可能性は高いものの、連絡先情報を提供する可能性は低い。これは、「人間の営業担当者は自動販売機よりもパフォーマンスや労力に対する期待が低い」ためである。[ 19 ]
参考文献
- ^ a b c d e f g Jussupow, Ekaterina; Benbasat, Izak; Heinzl, Armin (2020). 「なぜ私たちはアルゴリズムを嫌うのか？アルゴリズム嫌悪に関する包括的な文献レビュー」第28回ヨーロッパ情報システム会議 (ECIS2020) : 1– 16.
- ^ Logg, Jennifer M.; Minson, Julia A.; Moore, Don A. (2019-03-01). 「アルゴリズムの理解：人は人間の判断よりもアルゴリズム的な判断を好む」 .組織行動と人間の意思決定プロセス. 151 : 90–103 . doi : 10.1016/j.obhdp.2018.12.005 . ISSN 0749-5978 .
- ^周 宇偉; 史 易川; 陸 偉; 万 芳 (2022年5月3日). 「人工知能は人類を侵略したのか？ 患者が人工知能医療を受け入れるメカニズムに関する研究：集団間脅威理論の視点から」 .心理学フロンティア. 13. doi : 10.3389/fpsyg.2022.866124 . ISSN 1664-1078 . PMC 9112914. PMID 35592172 .
- ^ Tomprou, Maria; Lee, Min Kyung (2022-01-01). 「アルゴリズム経営における雇用関係：心理的契約の観点」 . Computers in Human Behavior . 126 106997. doi : 10.1016/j.chb.2021.106997 . ISSN 0747-5632 .
- ^ a b c d Yalcin, Gizem; Lim, Sarah; Puntoni, Stefano; van Osselaer, Stijn MJ (2022年8月). 「Thumbs Up or Down: Consumer Reactions to Decisions by Algorithms Versus Humans」 . Journal of Marketing Research . 59 (4): 696– 717. doi : 10.1177/00222437211070016 . ISSN 0022-2437 .
- ^ Sands, Sean; Campbell, Colin L.; Plangger, Kirk; Ferraro, Carla (2022-01-01). 「Unreal influence: leverageing AI in influencer marketing」 . European Journal of Marketing . 56 (6): 1721– 1747. doi : 10.1108/EJM-12-2019-0949 . ISSN 0309-0566 .
- ^ a b Zhang, Yunhao; Gosline, Renée (2023年1月). 「AI嫌悪ではなく人間への好意：生成AI、人間の専門家、そして説得力のあるコンテンツ生成における人間とGAIの協働に対する人々の認識（および偏見）」 . 『判断と意思決定』 . 18 : e41. doi : 10.1017/jdm.2023.37 . ISSN 1930-2975 .
- ^ a b c d e Liu, Nicole Tsz Yeung; Kirshner, Samuel N.; Lim, Eric TK (2023-05-01). 「アルゴリズム嫌悪は奇妙なのか？ 個人差とアルゴリズム嫌悪の国際比較」 . Journal of Retailing and Consumer Services . 72 103259. doi : 10.1016/j.jretconser.2023.103259 . hdl : 1959.4/unsworks_82995 . ISSN 0969-6989 .
- ^ Castelo, Noah; Ward, Adrian F. (2021-12-20). 「保守主義は、結果的な人工知能への嫌悪を予測する」 . PLOS ONE . 16 (12) e0261467. Bibcode : 2021PLoSO..1661467C . doi : 10.1371/journal.pone.0261467 . ISSN 1932-6203 . PMC 8687590. PMID 34928989 .
- ^ a b c d Mahmud, Hasan; Islam, AKM Najmul; Ahmed, Syed Ishtiaque; Smolander, Kari (2022-02-01). 「アルゴリズムによる意思決定に影響を与えるものは何か？ アルゴリズム回避に関する体系的な文献レビュー」 .技術予測と社会変化. 175 121390. doi : 10.1016/j.techfore.2021.121390 . ISSN 0040-1625 .
- ^ Jussupow, Ekaterina; Benbasat, Izak; Heinzl, Armin (2020-06-15). 「なぜ私たちはアルゴリズムを嫌うのか？ アルゴリズム嫌悪に関する包括的な文献レビュー」 ECIS 2020 研究論文.
- ^ Wischnewski, Magdalena; Krä Mer, Nicole (2022)、「AIはニュース消費における動機づけられた推論を減らすことができるか？AIに対する態度と事前意見がニュースの信頼認識を形成する役割を調査する」、HHAI2022：人間の知性の拡張、人工知能とアプリケーションの最前線、IOS Press、pp. 184– 198、doi：10.3233/faia220198、ISBN 978-1-64368-308-9、 2024年11月18日閲覧
{{citation}}: CS1 maint: 数値名: 著者リスト (リンク) CS1 maint: ISBN 付き作品パラメータ (リンク) - ^ワイツナー、グレゴリー。「評判アルゴリズム嫌悪」ワーキングペーパー。
- ^ Dietvorst, Berkeley J.; Simmons, Joseph P.; Massey, Cade (2015). 「アルゴリズム回避：人々はアルゴリズムの誤りを目の当たりにした後、誤ってそれを避けてしまう」 . Journal of Experimental Psychology: General . 144 (1): 114– 126. doi : 10.1037/xge0000033 . ISSN 1939-2222 . PMID 25401381 .
- ^ Yeomans, Michael; Shah, Anuj; Mullainathan, Sendhil; Kleinberg, Jon (2019年10月). 「推奨を理解する」 . Journal of Behavioral Decision Making . 32 (4): 403– 414. doi : 10.1002/bdm.2118 . ISSN 0894-3257 .
- ^ Filiz, Ibrahim; Judek, Jan René; Lorenz, Marco; Spiwoks, Markus (2021-09-01). 「経験を通してアルゴリズム嫌悪感を軽減する」 . Journal of Behavioral and Experimental Finance . 31 100524. doi : 10.1016/j.jbef.2021.100524 . ISSN 2214-6350 .
- ^ Logg, Jennifer M.; Minson, Julia A.; Moore, Don A. (2019-03-01). 「アルゴリズムの理解：人は人間の判断よりもアルゴリズム的な判断を好む」 .組織行動と人間の意思決定プロセス. 151 : 90–103 . doi : 10.1016/j.obhdp.2018.12.005 . ISSN 0749-5978 .
- ^ Mahmud, Hasan; Islam, AKM Najmul; Luo, Xin (Robert); Mikalef, Patrick (2024-04-01). 「アルゴリズムの評価を解読する：アルゴリズム、タスク、そしてアルゴリズムのパフォーマンスへの精通度の影響を明らかにする」 . Decision Support Systems . 179 114168. doi : 10.1016/j.dss.2024.114168 . ISSN 0167-9236 .
- ^ Adam, Martin; Roethke, Konstantin; Benlian, Alexander (2023年9月). 「人間と自動販売機：顧客対応が販売段階によってどのように、そしてなぜ変化するのか」 .情報システム研究. 34 (3): 1148– 1168. doi : 10.1287/isre.2022.1171 . ISSN 1047-7047 .
