PropertyValue
?:about
?:abstract
  • Eine zentrale Anforderung an den Einsatz von künstlicher Intelligenz (KI) in der Medizin ist ihre Erklärbarkeit, also die Bereitstellung von adressat*innengerechten Informationen über ihre Funktionsweise. Dies führt zu der Frage, wie eine sozial adäquate Erklärbarkeit gestaltet werden kann. Um Bewertungsfaktoren zu identifizieren, befragten wir Akteur*innen des Gesundheitswesens zu zwei Szenarien: Diagnostik und Dokumentation. Die Szenarien variieren den Einfluss, den ein KI‑System durch das Interaktionsdesign und die Menge der verarbeiteten Daten auf die Entscheidung hat. Wir stellen zentrale Bewertungsfaktoren für Erklärbarkeit auf interaktionaler und prozessualer Ebene dar. Erklärbarkeit darf im Behandlungsgespräch situativ nicht interferieren und die professionelle Rolle infrage stellen. Zugleich legitimiert Erklärbarkeit ein KI‑System funktional als Zweitmeinung und ist zentral für den Aufbau von Vertrauen. Eine virtuelle Verkörperung des KI‑Systems ist vorteilhaft für sprachbasierte Erklärungen. (xsd:string)
?:contributor
?:dateModified
  • 2024 (xsd:gyear)
?:datePublished
  • 2024 (xsd:gyear)
?:doi
  • 10.14512/tatup.33.1.41 ()
?:duplicate
?:hasFulltext
  • true (xsd:boolean)
is ?:hasPart of
?:inLanguage
  • de (xsd:string)
?:isPartOf
?:issn
  • 2567-8833 ()
?:issueNumber
  • 1 (xsd:string)
?:linksDOI
is ?:mainEntity of
?:name
  • Situativität, Funktionalität und Vertrauen: Ergebnisse einer szenariobasierten Interviewstudie zur Erklärbarkeit von KI in der Medizin (xsd:string)
?:provider
?:publicationType
  • Zeitschriftenartikel (xsd:string)
  • journal_article (en)
?:sourceInfo
  • GESIS-SSOAR (xsd:string)
  • In: TATuP - Zeitschrift für Technikfolgenabschätzung in Theorie und Praxis / Journal for Technology Assessment in Theory and Practice, 33, 2024, 1, 41-47 (xsd:string)
rdf:type
?:url
?:volumeNumber
  • 33 (xsd:string)