El impacto de las explicaciones en la confianza de los profanos en las aplicaciones de comprobación de síntomas basadas en la inteligencia artificial: Estudio experimental

https://www.jmir.org/2021/11/e29386/

Dependiendo del grupo de tratamiento, se generaron dos o tres variables que reflejaban el conocimiento previo y el modelo mental posterior que tenían los participantes. Al variar el tipo de explicación según la enfermedad, la migraña resultó no significativa (P=0,65) y la arteritis temporal, marginalmente significativa (P=0,09). Al variar la enfermedad según el tipo de explicación se obtuvo significación estadística para la influencia de la entrada (P=0,001), la prueba social (P=0,049) y la ausencia de explicación (P=0,006), con una explicación contrafactual (P=0,053). Los resultados sugieren que la confianza en las explicaciones se ve significativamente afectada por la enfermedad que se explica. Cuando los profanos tienen conocimientos sobre una enfermedad, las explicaciones tienen poco impacto en la confianza. Cuando la necesidad de información es mayor, los distintos tipos de explicaciones generan niveles de confianza significativamente diferentes. Estos resultados indican que, para tener éxito, los comprobadores de síntomas deben adaptar las explicaciones a la pregunta específica de cada usuario y descartar las enfermedades que éste pueda conocer.