MétaCan
Menu
Retour à la cohorte
Enregistrement W4413841865 · doi:10.34190/eckm.26.1.3958

Perceived Factors of Trustworthiness in Generative Artificial Intelligence (GenAI): Towards an Understanding of how to Assess and Build Trustworthiness

2025· article· en· W4413841865 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEuropean Conference on Knowledge Management · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesnon disponible
Mots-clésTrustworthinessGenerative grammarPsychologyComputer scienceArtificial intelligenceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Given the benefits and risks associated with GenAI adoption in organizations, many academics and practitioners have stressed the importance of understanding how humans come to trust these technologies and the information and knowledge (e.g., solutions/decisions) they produce. The objective of this paper is to further examine human trust in AI technologies through the lens of a widely accepted organizational trust theory and model developed by Mayer, Davis, and Schoorman. More specifically, this paper focuses on developing a better understanding of perceived factors of GenAI trustworthiness since assessing trustworthiness is a critical determinant of trust. Building on the existing theory and model, it is proposed that an individual's perception of one or more of the following dimensions of trustworthiness - ability, integrity, and benevolence - will determine how trustworthy they find GenAI to be. Ability (or competence) refers to the trustee’s specific skills, knowledge, and expertise required in a specific domain. Integrity reflects the trustee’s sound values or principles (e.g., fairness, consistency, justice). Benevolence is an altruistic loyalty that reflects the trustee’s concern for the welfare, needs, desires, and interests of the individual over organizational or profit motives. Many researchers have proposed assessments related to GenAI ability, but integrity and benevolence are more difficult to assess, as technologies do not intrinsically embody human values or altruistic behaviors. Consequently, other parties within the organizations, such as AI designers and developers, strategic decision-makers, or the organization may be conflated into perceptions of these dimensions. The paper continues by briefly discussing how emotions and organizational culture may influence individuals' perceptions of trustworthiness and concludes by suggesting potential directions and strategies for building and representing each dimension of perceived trustworthiness in the context of GenAI.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,357
Tête enseignante GPT0,433
Écart entre enseignants0,076 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle