Counterfactual vs. Prefactual: Two narrative AIs improve causability for health data by different mechanisms

Q: 이 논문에서 정의한 내러티브 AI란 무엇인가?

내러티브 AI는 단순한 인과적 해석에 설득적 내러티브를 추가하여 사용자가 복잡한 결과를 의미 있게 해석하고 AI와 의사결정 과정에서 중심적인 역할을 하도록 돕는 설명 가능한 AI 기술이다. 이는 특히 건강 데이터와 같은 복잡한 정보에 대한 인과성(causability)을 향상시키는 데 활용된다.

Q: 반사실적 내러티브 AI와 사전실적 내러티브 AI는 인과성을 어떻게 향상시키는가?

연구 결과, 반사실적 내러티브 AI는 과거 행동에 대한 성찰을 통해 현재 상황의 원인을 파악하고 행동 변화를 유도하는 반면, 사전실적 내러티브 AI는 미래에 발생할 수 있는 결과를 예측하여 더 나은 미래를 위한 자기 개선 동기를 부여함으로써 인과성을 향상시킨다. 두 유형은 서로 다른 메커니즘으로 행동 변화를 이끌어낸다.

Hyobin Park; Kyoungwon Seo

학술대회자료

저자정보: Hyobin Park (Seoul National University of Science and Technology) Kyoungwon Seo (Seoul National University of Science and Technology)

저널정보: 한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2023 학술대회 발표 논문집

오류 신고하기

피인용 0

검색

초록·키워드

Narrative artificial intelligence (AI), which adds narrative persuasion to simple causal interpretation, is an explainable AI technique that helps patients understand their health data (e.g., MRI results). Narrative AI is expected to improve causability for health data and thereby induce meaningful behavioral change. However, research on which type of narrative AI (i.e., counterfactual or prefactual) better improves causability for complex health data is still elusive. This study created two different types of narrative AI for MRI reports (i.e., counterfactual and prefactual) and compared their impact on causability with 20 participants. System causability scale results showed that both narrative AI provided a high level of causability. Semi-structured interview results showed that the two narrative AIs improve causability by different mechanisms. While counterfactual made participants focus on self-reflection, prefactual made participants seek self-improvement to prepare for the future. Our findings showed that the two types of narrative AI (i.e., counterfactual and prefactual) improve causability by different mechanisms. By understanding these different underlying mechanisms, we expect to be able to design and deliver more personalized narrative AI to users.

#Narrative AI #Counterfactual #Prefactual #Causability #Health data

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료