An Explanation-oriented Inquiry Dialogue Game for Expert Collaborative Recommendations
本文提出了一种面向解释的探究式对话游戏，旨在促进具有不同知识背景的医学专家之间进行协作式、可解释的推荐，该游戏已实现为原型并经过用户研究验证，证实了其在满足专家协作需求方面的有效性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下一群医生正试图解决一个医学谜题。在现实世界中，他们可能会围坐在桌旁，提出想法、争论，并最终就诊断结果达成一致。但如果你问他们：“你们为什么决定是这个结论？”他们可能会难以准确解释自己是如何得出结论的，或者可能会跳过推理过程中那些混乱的中间步骤。
这篇论文介绍了一种专家（人类或计算机）之间交流的新方式。可以将其想象为一种名为**“专家对话博弈”（Experts' Dialogue Game, EDG）的“头脑风暴棋类游戏”**。
以下是其运作方式，通过简单的概念进行拆解：
1. 问题所在：“专家经验”的黑箱
通常，当专家进行协作时，他们只分享最终结论。如果一个计算机系统试图帮助医生，它往往只会说：“答案是 X。”但医生（以及患者）想知道为什么。他们想看到通往那个答案的面包屑路径。
作者希望构建一个让过程与结果同样重要的系统。他们希望确保每当一位专家提出一项主张时，都会被强制要求展示其推导过程，就像学生在数学课上那样。
2. 解决方案：基于规则的聊天
作者为这些专家如何交谈制定了一套严格的规则。想象一个聊天室，但它不是自由形式的打字，而是只能从特定的“招式”菜单中进行选择，就像下国际象棋一样。
招式： 医生不能只说“我觉得是抑郁症”，而必须选择一种特定的招式类型：
- “展示给我看”招式： “你能解释一下为什么你这么认为吗？”
- “证明给我看”招式： “你能用证据来证明这一点吗？”
- “澄清”招式： “你用这个词是什么意思？”
- “我同意”招式： “我明白你的观点，我赞同。”
- “我收回刚才的话”招式： “事实上，我刚才错了。”
神奇之处： 系统会强制专家使用这些“解释型”招式。如果有人提出了一个主张，在其他人要求并获得解释或证明之前，游戏不会允许他们转向下一个话题。这创造了一个丰富的“痕迹”或详细的地图，精准记录了小组是如何达成结论的。
3. 类比：侦探小队
把专家想象成一支正在侦破案件的侦探小队。
- 旧方式： 侦探 A 说：“是管家干的。”侦探 B 说：“好吧，我同意。”结束了。
- EDG 方式： 侦探 A 说：“是管家干的。”侦探 B 立即问道：“你能证明这一点吗？”侦探 A 必须回答：“因为他手里拿着枪。”接着侦探 C 问道：“你能解释为什么这把枪能证明这一点吗？”侦探 A 说：“因为这把枪和子弹吻合。”
通过强制要求他们问“为什么？”和“怎么做？”，这个游戏确保了最终的判决不仅仅是一个猜测，而是一个建立在共同推理稳固基础上的结论。
4. 实验：测试游戏
作者构建了一个原型 Web 应用（类似于一个简单的聊天工具），并在巴塞罗那的医学生中进行了测试。他们给学生们提供了一个虚构的病例，并将患者的病史分发给不同的学生。学生们必须利用这个“游戏”来确定诊断结果。
他们的发现：
- 它奏效了： 学生们能够进行协作并达成决策。
- 感觉很自然： 尽管规则很严格，但学生们觉得这有助于他们更好地沟通。一名学生指出，在现实生活中，问“为什么？”可能会显得有些失礼，但在游戏中，这感觉就像是在“履行职责”。
- 有助于学习： 因为他们必须解释自己的推理过程，所以他们能从彼此不同的视角中学习。
- “轮流发言”的问题： 游戏要求他们逐一轮流发言。一些学生觉得这降低了他们的速度，或者让他们在等待时忘记了想法，这表明在现实世界中，更灵活的流程可能会更好。
5. 核心启示
这篇论文的核心观点是，可解释性（即能够解释做出决策的原因）不应该是最后才添加上去的插件。它应该被内置于专家交流的方式之中。
通过将协作转变为一种具有特定提问和回答规则的结构化“游戏”，作者创建了一个系统，该系统能够：
- 强制专家对自己的推理保持清晰和诚实。
- 创建关于决策是如何做出的永久记录。
- 建立信任，因为每个人都能看到最终建议背后的逻辑。
简而言之，他们将一场混乱的头脑风暴变成了一场结构化、透明且具有教育意义的对话。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。