: 0.6, 低類似度モデル𝑀𝑀3 : 0.1) Given a task instance, we can compute the similarity between two AI models’ explanations on this instance using the feature agreement metric introduced in [49] (i.e., the size of the intersection of the two sets of top-k features divided by k; k = 2 in our study). ▪従属変数: • changes in the model explanations (最終アンケート時のスコア;値が大きいほど異なったと感じた) • objective trust(ユーザの予測とモデルの予測が同じであったタスクの割合) → objective trust gain = objective trust (Phase 2) – objective trust (Phase 1) • subjective trust(中間/最終アンケート時のスコア) → subjective trust gain = subjective trust (Phase 2) – subjective trust (Phase 1) • satisfaction (中間/最終アンケート時のスコア) → satisfaction gain = satisfaction (Phase 2) – satisfaction (Phase 1) ▪ 分析手法 【RQ1・2】 • 観測したい従属変数の平均値のプロット • 回帰モデルの構築 (この結果の詳細は割愛) 【RQ3】 • SEMのパス分析 13/22