본 논문은 설명 가능한 AI(XAI)에서 예상치 못한 설명이 발생할 경우, 이를 야기한 훈련 데이터 특성을 이해하고자 데이터 평가 개념을 적용합니다. 기존 데이터 평가는 주로 예측 성능에 초점을 맞추었지만, 본 논문은 모델의 내부 추론 과정에 미치는 개별 훈련 샘플의 영향에 주목합니다. 특히, 계산적 해결책(computational recourse)의 비용에 영향을 미치는 훈련 샘플을 식별하는 새로운 문제를 제시하고, 이를 위한 알고리즘을 제안하며 두 가지 사례 연구를 통해 실증적으로 평가합니다.
