본 논문은 흑상자 머신러닝 모델의 결정을 효과적으로 설명하는 것이 AI 시스템의 책임 있는 배포에 중요함을 강조하며, 사용자 중심의 설명 가능한 AI (XAI)를 위한 I-CEE 프레임워크를 제시합니다. I-CEE는 이미지 분류 모델의 결정을 설명하기 위해 사용자에게 정보가 풍부한 훈련 데이터의 하위 집합(예시 이미지), 해당 지역적 설명 및 모델 결정을 제공합니다. 기존 연구와 달리, I-CEE는 예시 이미지의 정보성을 사용자 전문 지식에 따라 모델링하여 사용자별로 다른 예시를 제공합니다. 시뮬레이션 및 100명의 참가자를 대상으로 한 실험을 통해 사용자의 모델 결정 예측 정확도(모의성)를 향상시키는 것을 보여줍니다.
