Cet article présente un ensemble de données de résultats de recherche utilisateur sur l'intelligibilité des algorithmes d'intelligence artificielle explicable (IAX). Les participants, sélectionnés parmi 149 candidats, ont été répartis en trois groupes : experts en mycologie (DE), étudiants en science des données et visualisation (IT), et étudiants en sciences sociales et humaines (SSH). Le contenu principal de l'ensemble de données se compose de 39 transcriptions d'entretiens au cours desquels les participants ont dû effectuer une série de tâches et de questions liées à l'interprétation des explications des décisions d'un modèle d'apprentissage automatique entraîné à distinguer les champignons comestibles des champignons non comestibles. Les transcriptions contiennent des données supplémentaires telles que des visualisations des explications présentées à l'utilisateur, les résultats d'une analyse thématique, des recommandations pour améliorer les explications fournies par les participants et les résultats d'une enquête initiale qui donne un aperçu des connaissances du domaine et des compétences en analyse de données des participants. Un étiquetage manuel des transcriptions a été effectué pour une correspondance automatique entre le texte et d'autres données relatives à une partie spécifique. Compte tenu du développement rapide des technologies d'IAX, la nécessité d'une évaluation qualitative multidisciplinaire de l'explicabilité est l'un des sujets émergents de la communauté. Cet ensemble de données offre un large éventail de possibilités pour l’analyse des données collectées ainsi que pour la réplication de la recherche.
