Measuring Transparency in Intelligent Robots

随着机器人越来越多地融入我们的日常生活中，使它们变得透明的需求变得前所未有的重要。然而，尽管透明度在人机交互中非常重要，但直到现在，缺乏一种标准化的机器人透明度度量方法。本文通过提出第一个综合性的机器人系统中感知透明度的量表来填补这一空白，该量表提供英语、德语和意大利语版本。我们的方法将透明度概念化为一个多维结构，包括可解释性、易读性、可预测性和元理解。所提出的量表是一个经过严格的三阶段过程开发出来的产品，共有1,223名参与者。首先，我们生成了量表项目，其次，我们进行了探索性因子分析，第三，确认性因子分析用于验证新开发的TOROS量表的因子结构。最终的量表包括26个项目，包括三个因子：易读性、可解释性和可预测性。TOROS在三个跨国样本中表现出高的跨语言可靠性、因子间相关性、模型拟合度、内部一致性和收敛效度。这个经过实证验证的工具使得机器人透明度的评估成为可能，并有助于理解这个复杂的概念。通过提供一个标准化的度量方法，我们促进了人机交互中一致且可比较的研究，其中TOROS可以作为一个基准。

提出了第一个综合评估机器人透明度的标准化工具，以解决机器人透明度的缺乏问题。

将透明度概念化为可解释性、易读性、可预测性和元理解四个维度，并提出了TOROS评估机器人透明度的标准化工具。

论文通过三个阶段的严格过程开发了一个包含26个项目的TOROS评估机器人透明度的标准化工具，并在三个跨国样本中验证了其高可靠性、内部一致性和收敛效度。这个工具将促进人机交互的一致和可比较的研究，并为机器人透明度的理论理解做出贡献。

在该领域中，还有其他相关研究，如“机器人透明度：研究现状和未来方向”等。