Prinzipien des erklärenden Debuggens zur Personalisierung interaktiven maschinellen Lernens

Wie können Endnutzer die Vorhersagen von Systemen des maschinellen Lernens, die in ihrem Auftrag handeln, effizient beeinflussen? Dieses Papier stellt erklärendes Debuggen vor, einen Ansatz, bei dem das System den Nutzern erklärt, wie es jede seiner Vorhersagen getroffen hat, und der Nutzer dann etwaige notwendige Korrekturen an das Lernsystem zurückmeldet. Wir stellen die Prinzipien vor, die diesem Ansatz zugrunde liegen, sowie einen Prototyp, der ihn umsetzt. Eine empirische Auswertung zeigt, dass erklärendes Debuggen das Verständnis der Teilnehmer für das Lernsystem um 52 % erhöhte und es den Teilnehmern ermöglichte, dessen Fehler bis zu doppelt so effizient zu korrigieren wie Teilnehmer, die ein traditionelles Lernsystem verwendeten.