本文提出了社会责任数据的概念，以解决大型语言模型在多语言特别是“低资源语言”上的表现不佳的问题。通过定性研究、社区合作和参与式设计的方法，提供了十二条建议，以确保在收集这些语言的数据时，不会重复历史上的剥削性做法，并关注文化安全和数据主权。该研究强调了以社会责任为导向的数据收集对语言保护和跨社区沟通的重要性。

本文介绍了如何辅助AI决策时的判断，通过随机在线实验发现，新手参与者可以通过练习AI辅助决策来表现出与经验工作者相似的模式。参与者对其AI辅助决策的解释的定性研究表明，他们参考了AI模型无法获取的定性案例叙述，以学习何时（不）依赖AI预测。

本文介绍了关键使用的概念，以帮助人们辅助 AI 决策时的判断。通过随机在线实验来探索如何支持关键使用的训练，发现新手参与者表现出与经验工作者相似的与 AI 不一致的模式。参与者对其 AI 辅助决策的解释的定性研究表明，他们参考了 AI 模型无法获取的定性案例叙述，以学习何时（不）依赖 AI 预测。

本文介绍了一个包含1.52亿推文和5.6万份数据点的自动整理数据集，用于预测MBTI人格类型。通过定性和定量研究，分析了数据的模式，并得出了结论。