A carregar...
Publicação
Decision making : AI advice in performance evaluation
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 756.17 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Artificial intelligence (AI) is increasingly being used to support decision-making in organizational contexts. However, understanding how individuals respond to AI-generated advice and which psychological factors shape this process remains an important empirical question. This study aims to examine how individuals integrate AI-generated advice into performance evaluation decisions, focusing on the role of perceived usefulness, perceived ease of use, and trust in shaping advice-taking behavior. A scenario-based, between-subjects design was employed, in which participants evaluated a performance scenario before and after receiving AI-generated advice. Advice-taking was measured using the Weight of Advice (WOA). The results indicate that participants adjust their evaluations in response to AI generated advice, although to a limited extent. Furthermore, perceived usefulness and perceived ease of use were positively associated with trust in AI, and trust was positively related to individuals’ willingness to follow AI-generated recommendations. These findings contribute to the literature by integrating insights from the Technology Acceptance Model and research on algorithmic advice-taking, highlighting trust as a key mechanism linking user perceptions to behavioral responses. From a practical perspective, the results suggest that organizations should enhance the usability, perceived usefulness, and transparency of AI systems to foster trust and facilitate their effective adoption. Overall, this study provides relevant insights into human–AI interaction in performance evaluation contexts and offers a foundation for future research on AI-assisted decision-making in organizations.
A Inteligência Artificial (IA) tem vindo a ser cada vez mais utilizada para apoiar a tomada de decisão em contextos organizacionais. No entanto, compreender como os indivíduos respondem a conselhos gerados por IA e quais os fatores psicológicos que influenciam este processo permanece uma questão relevante. Este estudo analisa de que forma os indivíduos integram conselhos gerados por IA em decisões de avaliação de desempenho, com foco na utilidade percebida, facilidade de utilização e confiança. Foi utilizado um design entre sujeitos baseado em cenários, no qual os participantes avaliaram uma situação antes e depois de receberem aconselhamento gerado por IA. A aceitação do conselho foi medida através da Weight of Advice (WOA). Os resultados mostram que os participantes ajustam as suas avaliações em resposta ao conselho da IA, ainda que de forma limitada. A utilidade percebidae a facilidade de utilização apresentam associação positiva com a confiança, sendo esta positivamente relacionada com a disposição para seguir recomendações da IA. Estes resultados contribuem para a literatura ao integrar perspetivas do TAM com investigação sobre advice taking, destacando a confiança como mecanismo central. Do ponto de vista prático, sugerem a importância de sistemas de IA percecionados como úteis, fáceis de utilizar e transparentes. Em suma, este estudo fornece contributos para a compreensão da interação humano–IA em contextos de avaliação de desempenho, abrindo caminho para investigação futura.
A Inteligência Artificial (IA) tem vindo a ser cada vez mais utilizada para apoiar a tomada de decisão em contextos organizacionais. No entanto, compreender como os indivíduos respondem a conselhos gerados por IA e quais os fatores psicológicos que influenciam este processo permanece uma questão relevante. Este estudo analisa de que forma os indivíduos integram conselhos gerados por IA em decisões de avaliação de desempenho, com foco na utilidade percebida, facilidade de utilização e confiança. Foi utilizado um design entre sujeitos baseado em cenários, no qual os participantes avaliaram uma situação antes e depois de receberem aconselhamento gerado por IA. A aceitação do conselho foi medida através da Weight of Advice (WOA). Os resultados mostram que os participantes ajustam as suas avaliações em resposta ao conselho da IA, ainda que de forma limitada. A utilidade percebidae a facilidade de utilização apresentam associação positiva com a confiança, sendo esta positivamente relacionada com a disposição para seguir recomendações da IA. Estes resultados contribuem para a literatura ao integrar perspetivas do TAM com investigação sobre advice taking, destacando a confiança como mecanismo central. Do ponto de vista prático, sugerem a importância de sistemas de IA percecionados como úteis, fáceis de utilizar e transparentes. Em suma, este estudo fornece contributos para a compreensão da interação humano–IA em contextos de avaliação de desempenho, abrindo caminho para investigação futura.
Descrição
Palavras-chave
Artificial intelligence Advice-taking Trust in AI Technology acceptance model (TAM) Performance evaluation Decision-making Inteligência artificial (IA) Confiança na IA Avaliação de desempenho Tomada de decisão
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC