AI系统数据模态对用户信任的影响
该数据集包含验光师对单模态与多模态AI系统在青光眼诊断中信任度的问卷响应数据。
基本信息
资源简介
AI系统数据模态对用户信任的影响
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 15 个文件、合计 53.41 MB，主题涵盖 Glaucoma Diagnosis、Trust、Artificial intelligence、Computer and Information Science、Engineering，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Effect of AI system data modality on user trust》。源站首次发布：2024-10-14。
【数据内容】
源站原始描述：The dataset comprises responses from optometrists who participated in a trust questionnaire. The questionnaire was designed to assess their perceptions and levels of trust when collaborating with two different types of AI systems—unimodal and multimodal—in the context of glaucoma diagnosis. The unimodal AI system relied solely on a single type of data, such as Fundus imaging, to provide diagnostic assistance, while the multimodal AI system utilized a combination of multiple data sources, potenti…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含参与一项信任问卷的验光师的回答。该问卷旨在评估验光师在青光眼诊断背景下，与两类不同AI系统——单模态和多模态——协作时的感知和信任水平。单模态AI系统仅依赖单一类型的数据（如眼底成像）来提供诊断辅助，而多模态AI系统则利用多种数据源的组合（可能包括眼底成像、患者病史和其他诊断检查）来提供更全面的分析。问卷收集了与信任相关的多个维度的回答，包括验光师对AI系统输入数据的信心、AI生成输出的准确性、系统建议的可解释性以及系统整体质量。验光师被要求根据这些
【数据结构与技术规格】
文件数 15 个，合计 53.41 MB。数据集 DOI：doi:10.5683/SP3/2KPHBZ。
【主题与分类】
主题标签：Glaucoma Diagnosis、Trust、Artificial intelligence、Computer and Information Science、Engineering、Medicine, Health and Life Sciences、survey data。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://borealisdata.ca/dataset.xhtml?persistentId=doi:10.5683/SP3/2KPHBZ
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://borealisdata.ca/citation?persistentId=doi:10.5683/SP3/2KPHBZ
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
