智能系统可理解性量表的开发与验证：跨三领域的测量工具构建与应用

这篇研究通过三阶段实验开发了首个标准化智能系统可理解性量表（含解释全面性、信任校准、认知可达性、解释必要性4维度），填补了AI（人工智能）人机交互领域测量工具空白。量表在自动驾驶（AV）、医疗和金融决策支持系统中验证了效度，证实可理解性显著影响用户信任度（Trust）、使用意愿（Usage Intention）及满意度（Satisfaction），为设计用户友好型AI系统提供量化依据。

　　

Highlight

本研究亮点在于首次系统构建了智能系统可理解性的多维测量框架，通过跨领域验证揭示了用户认知与AI解释质量间的关键桥梁。

Discussion

研究发现，四维度模型（解释全面性、信任校准、认知可达性、解释必要性）能稳定捕捉用户对AI系统的理解差异。回归分析显示，可理解性每提升1单位，用户信任度增加0.38（p<0.001），使用意愿提高0.29^*（p<0.01），证实其作为人机交互核心指标的价值。

Limitations and future research

需注意：1）模拟场景与真实环境存在差异，未来可采用驾驶模拟器（Driving Simulator）提升生态效度；2）量表在非结构化决策场景（如创意设计AI）中的适用性待验证。

Conclusion

本研究不仅构建了理论框架，更提供了可落地的设计指南——当AI解释同时满足"逻辑透明性（Explainability）"和"认知匹配性（Mental Model Alignment）"时，用户理解效率最高。

（注：翻译保留原文小标题层级，去除文献引用标识，专业术语如Explainability等用括号标注，统计显著性用^*动态呈现）