解釈可能な機械知能を利用して薬局業務における調剤ミスを防止

実験的：MI のヘルプなし

検証タスク中に MI ヘルプは表示されません

行動：MI のヘルプなし

参加者はMIの助けなしで服薬検証タスクを完了します。

行動：シナリオ #1

参加者の決定が MI の決定と異なる場合、参加者はポップアップ メッセージの形式で MI を受け取ります。

行動：シナリオ #2

MI ヘルプは、塗りつぶされた画像と参照画像と同時に表示されます。

実験的：シナリオ #1

MI ヘルプは、参加者の決定が MI の決定と異なる場合のポップアップ メッセージの形式で表示されます。

行動：MI のヘルプなし

参加者はMIの助けなしで服薬検証タスクを完了します。

行動：シナリオ #1

参加者の決定が MI の決定と異なる場合、参加者はポップアップ メッセージの形式で MI を受け取ります。

行動：シナリオ #2

MI ヘルプは、塗りつぶされた画像と参照画像と同時に表示されます。

実験的：シナリオ #2

MI ヘルプは、塗りつぶされた画像と参照画像と同時に表示されます。

行動：MI のヘルプなし

参加者はMIの助けなしで服薬検証タスクを完了します。

行動：シナリオ #1

参加者の決定が MI の決定と異なる場合、参加者はポップアップ メッセージの形式で MI を受け取ります。

行動：シナリオ #2

MI ヘルプは、塗りつぶされた画像と参照画像と同時に表示されます。

反応時間

タスク時間の差は、タスク開始から薬剤画像を承認または拒否するまでの秒数で測定されます

判定精度

アーム／グループの全参加者における薬剤確認エラーの数によって測定された検出率の差。

信頼の変化

参加者は、各研究群（すなわち、シナリオ1、シナリオ2、およびヘルプなし）において、100回の模擬薬剤確認試験を完了します。 シナリオ1およびシナリオ2の各試験後、参加者は視覚的アナログ尺度（VAS）を使用して、「AIアドバイスをどの程度信頼しますか？」という質問に回答します。 100ポイントVASの端点は「全く信頼しない」から「完全に信頼する」です。 参加者は、すべての試験後に、1から100の尺度でMIアドバイスに対する信頼レベルを示し、より高いスコアはより高い信頼レベルを示します。

視覚的アナログ尺度で測定された信頼変化は、次の式を使用して計算されます：

信頼変化(i) = 信頼(i) - 信頼(i - 1)、ここでi=2、3、...、100。

特定のシナリオ内での信頼変化変数の単一の要約値を計算するために、試験から測定された個々の信頼変化スコアを平均します。 この平均化方法は、シナリオ全体の期間中に信頼がどのように変化したかの包括的な尺度を提供します。

信頼

信頼度は、Muir & Moray（1996）の自動化への信頼尺度を使用して評価されます。
スコアは0から100の範囲で、より高いスコアはより高いレベルの信頼を示します。

認知的努力

参加者の眼球運動は、ブラウザベースのオンライン眼球追跡システムを使用して追跡されました。 結果指標は、定義された関心領域（フィル画像、参照画像、またはMIプロット）における注視回数によって測定される認知努力の差です。 より高い注視率は、特定の領域への反復的な関心を示します。

認知的努力

参加者の眼球運動は、ブラウザベースのオンライン眼球追跡システムを使用して追跡されました。 結果指標は、定義された関心領域（フィル画像、参照画像、またはMIプロット）における注視時間によって測定される認知努力の差です。 注視時間が長いほど、認知負荷が高いことを示します。

ワークロード

参加者は3つの各アームで100回の模擬薬剤確認試験を完了します。 各アームの作業負荷はNASAタスク負荷指数（TLX）によって測定されます。 評価される5つのTLX次元は：精神的負荷、努力、時間的負荷、パフォーマンス、フラストレーションです。 各次元について、参加者は単一の質問に対する回答を示します。 4つの次元では、リッカート尺度の端点は「非常に低い」と「非常に高い」です。 パフォーマンス次元は逆スコアであり、端点は「完璧」と「失敗」です。 その後、参加者は次元の10組のペアワイズ比較を完了し、どの次元がより重要な要因であるかを示します（例：努力対フラストレーション）。

各カテゴリのスコアにそれぞれのペアワイズ比較回数を乗算し、合計して10で割ることで、全体の加重作業負荷スコアが得られます。 結果は1から20の間の全体作業負荷スコアであり、スコアが高いほど作業負荷が高いことを示します。

ユーザビリティ

参加者は、3つのアーム（MIサポートなし、シナリオ1、シナリオ2）それぞれにおいて、100回の模擬薬剤確認試験を完了します。 100回の試験完了後、参加者はシステム使用性評価尺度（SUS）を使用して模擬確認インターフェースを評価します。 SUSは10の質問項目で構成され、参加者は「強く同意する」から「強く同意しない」までの5段階リッカート尺度で各項目への同意度を示します。 奇数番号の質問は肯定的な回答を、偶数番号の質問は逆転採点されます。 スコアは合計され、2.5を乗じて最終SUSスコアが算出されます。 SUSスコアは0から100の範囲で、高いスコアほど使用性が高いことを示します。 平均的なSUSスコアは68とされています。 50未満は「受け入れられない」と評価されます。 51〜70のスコアは「限定的」、71以上は「受け入れ可能」、80以上は高い使用性を示すものとされています。