本研究探讨了机器学习文本分类器中的系统性偏见，主要由标注伪影和数据集类别支持不足引起。提出的DISCERN框架通过生成语言解释来描述系统性错误，显著提升了分类器性能，并增强了用户对偏见的理解。研究结果显示，用户在理解偏见方面的效率和效果均有显著提高。