Mémoire - Master en Sciences Cognitives
Durante mi Máster en Ciencias Cognitivas, estoy llevando a cabo un proyecto de investigación de dos años bajo la supervisión de Arthur Prével. El proyecto se centra en el sesgo de automatización (automation bias) en los sistemas de apoyo a la toma de decisiones (Decision Support Systems, DSS), un tipo de sistema autónomo. El proyecto de investigación se desarrolla a lo largo de los dos años de mi Máster.
El primer año estuvo dedicado al desarrollo teórico y metodológico del proyecto, incluyendo la revisión de la literatura, la formulación de las hipótesis y el diseño del protocolo experimental. Durante este periodo, también desarrollé y programé el experimento en línea como parte de mis 210 horas de prácticas, lo que me permitió realizar un estudio piloto inicial y evaluar el procedimiento experimental. (Consulta esta página para obtener más información sobre las prácticas.)
Actualmente, el proyecto está entrando en su segundo año. La siguiente etapa consiste en implementar la versión final del experimento en línea con una muestra más amplia de participantes. Esta fase permitirá recopilar un conjunto de datos considerablemente mayor, lo que hará posible llevar a cabo los análisis principales y obtener conclusiones más sólidas sobre el sesgo de automatización, la transparencia del sistema y la dependencia de los sistemas de apoyo a la toma de decisiones.
Tanto mi proyecto de investigación de Máster como mis prácticas fueron financiados en el marco del proyecto DePERU (Decision-making Processes under Extreme Radical Uncertainties), un proyecto de investigación multidisciplinar de la Universidad de Lille. Mi director de tesis de Máster, Arthur Prével, participa en este proyecto dentro del Eje 3: Choice.
¿Cómo interactúan las variaciones en la transparencia del sistema y las contingencias de recompensa para influir en la dependencia condicionada de un sistema de apoyo a la toma de decisiones?
Los sistemas autónomos de apoyo a la toma de decisiones pueden mejorar el rendimiento, pero también pueden aumentar el sesgo de automatización cuando los usuarios confían en ellos de manera acrítica. Por ello, este estudio busca determinar cómo interactúan la transparencia del sistema y las contingencias de recompensa para influir en la dependencia condicionada de un sistema de apoyo a la toma de decisiones. El objetivo principal era determinar si la incorporación de información sobre la transparencia del sistema y la manipulación de las consecuencias asociadas a las respuestas correctas e incorrectas podían modificar el rendimiento, los comportamientos de dependencia y la calibración de la confianza. El estudio se llevó a cabo inicialmente con una muestra piloto de 13 participantes, mediante un diseño experimental mixto. Los participantes realizaron una tarea de detección de objetos en imágenes de rayos X bajo tres condiciones de asistencia mediante IA: sin IA, IA opaca e IA transparente. Se asignaron entre participantes dos tipos de contingencias de recompensa: una condición de ganancia únicamente y una condición de ganancia y pérdida. La precisión y los tiempos de reacción se analizaron mediante ANOVA mixtos. Asimismo, se compararon las tasas de acuerdo con las recomendaciones de la IA entre las distintas condiciones, particularmente durante las fases normal, de error y posterior al error. Los resultados no mostraron efectos significativos de la contingencia de recompensa sobre la precisión, los tiempos de reacción o la carga de trabajo, ni diferencias significativas en la precisión global entre las distintas condiciones de asistencia mediante IA. Sin embargo, la condición de IA transparente presentó los tiempos de reacción más rápidos. En conclusión, los resultados de este estudio piloto sugieren que la transparencia puede favorecer un mejor ajuste de la confianza hacia el sistema, mientras que la manipulación de las recompensas tuvo un efecto limitado y no medible en este estudio piloto.
Tecnologías utilizadas
HTML
CSS
JavaScript
R
Pavlovia
Overleaf
Canva
Galería
