Perceived Factors of Trustworthiness in Generative Artificial Intelligence (GenAI): Towards an Understanding of how to Assess and Build Trustworthiness
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».