Top

Published in:

2023 | OriginalPaper | Chapter

Einstellungen zu Künstlicher Intelligenz und Algorithmus Aversion im Kontext von Leadership

Authors : Petra Arenberg, Maren Kobus

Published in: Psychologie Digital

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die Fortschritte im Bereich der Künstlichen Intelligenz (KI) führen dazu, dass sich algorithmenbasierte Anwendungen im Management immer mehr durchsetzen. Es ist jedoch wenig darüber bekannt, wie sich die Einführung dieser Systeme und deren Nutzung auf das Erleben und Verhalten der Menschen auswirken. Dies betrifft Führungskräfte und Geführte. Um diese Wissenslücke zu schließen, präsentieren wir eine Reihe von wissenschaftlichen Forschungsergebnissen und Diskussionen in einem narrativen Überblick zu Einstellungen zu KI-Anwendungen und Algorithmus Aversion. Den Bezugsrahmen stellt dabei das Leadership dar. Es kann gezeigt werden, dass Beschäftigte die KI-Systeme eher ablehnen. Das Potenzial in Bezug auf evidenzbasierte Entscheidungen wird außerdem nicht hinreichend genutzt und das Vertrauen in KI-Anwendungen ist tendenziell als gering anzusehen. Es bestehen Zweifel an der Gerechtigkeit von Entscheidungen. Die Ergebnisse verdeutlichen die Relevanz von Forschungserkenntnissen für die erfolgreiche Implementierung von KI-Anwendungen und das Ausschöpfen ihrer Potenziale. Sie beleuchten die wichtige Frage, unter welchen Umfeldbedingungen Menschen sich auf algorithmische Beratung verlassen und ihre Entscheidungen akzeptieren. Des Weiteren werden führungsbezogene Implikationen vorgestellt, die Akzeptanz und Nutzungswahrscheinlichkeit erhöhen und ein Gelingen fördern.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Führung im Zuge der Digitalisierung bei der Deutschen Bahn AG – Die Rolle der Emotionalen Intelligenz

next chapter Das Phänomen Echokammer. Medienpsychologische Ansätze zur Erklärung des Informationsverhaltens in sozialen Medien

Agogo, D., & Hess, T. J. (2018). “How does tech make you feel?” a review and examination of negative affective responses to technology use. European Journal of Information Systems, 27(5), 570–599. https://doi.org/10.1080/0960085X.2018.1435230.CrossRef

Berger, B., Adam, M., Rühr, A., & Benlian, A. (2021). Watch Me Improve—Algorithm Aversion and Demonstrating the Ability to Learn. Business & Information Systems Engineering, 63(1), 55–68. https://doi.org/10.1007/s12599-020-00678-5.CrossRef

Bigman, Y. E., & Gray, K. (2018). People are averse to machines making moral decisions. Cognition, 181, 21–34. https://doi.org/10.1016/j.cognition.2018.08.003.CrossRefPubMed

Bogard, J. & Shu, S. (2022). Algorithm Aversion and the Aversion to Counter-Normative Decision Procedures. https://assets.researchsquare.com/files/rs-1466639/v1_covered.pdf?c=1648840901 https://doi.org/10.21203/rs.3.rs-1466639/v1.

Burton, J. W., Stein, M.-K., & Jensen, T. B. (2020). A systematic review of algorithm aversion in augmented decision making. Journal of Behavioral Decision Making, 33(2), 220–239. https://doi.org/10.1002/bdm.2155.CrossRef

Cao, G., Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2021). Understanding managers’ attitudes and behavioral intentions towards using artificial intelligence for organizational decision-making. Technovation, 106, 102312. https://doi.org/10.1016/j.technovation.2021.102312.CrossRef

Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results. Doctoral dissertation. Massachusetts Institute of Technology.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35(8), 982–1003. https://doi.org/10.1287/mnsc.35.8.982.CrossRef

Dawes, R. M. (1979). The robust beauty of improper linear models in decision making. American Psychologist, 34(7), 571–582. https://doi.org/10.1037/0003-066X.34.7.571.CrossRef

Dietvorst, B. J., & Bharti, S. (2020). People Reject Algorithms in Uncertain Decision Domains Because They Have Diminishing Sensitivity to Forecasting Error. Psychological Science, 31(10), 1302–1314. https://doi.org/10.1177/0956797620948841.CrossRefPubMed

Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of experimental psychology. General, 144(1), 114–126. https://doi.org/10.1037/xge0000033.CrossRefPubMed

Dietvorst, B. J., Simmons, J. P., & Massey, C. (2018). Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them. Management Science, 64(3), 1155–1170. https://doi.org/10.1287/mnsc.2016.2643.CrossRef

Eagly, A. H., & Chaiken, S. (1997). The Psychology of Attitudes. Journal of Marketing Research, 34(2), 298. https://doi.org/10.2307/3151869.CrossRef

Festinger, L. (2020). Theorie der kognitiven Dissonanz. Hogrefe.CrossRef

Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.

Fisher, S. L. & Howardson, G. N. (2022). Fairness of artificial intelligence in human resources – held to a higher standard? In Handbook of Research on Artificial Intelligence in Human Resource Management (S. 303–322). Edward Elgar Publishing.

Frey, B. F. (2000). The Impact of Moral Intensity on Decision Making in a Business Context. Journal of Business Ethics, 26(3), 181–195.CrossRef

Gnambs, T., & Appel, M. (2019). Are robots becoming unpopular? Changes in attitudes towards autonomous robotic systems in Europe. Computers in Human Behavior, 93, 53–61. https://doi.org/10.1016/j.chb.2018.11.045.CrossRef

Greenwald, A. G., & Banaji, M. R. (1995). Implicit social cognition: Attitudes, self-esteem, and stereotypes. Psychological Review, 102(1), 4–27. https://doi.org/10.1037/0033-295x.102.1.4.CrossRefPubMed

Grove, W. M., & Lloyd, M. (2006). Meehl’s contribution to clinical versus statistical prediction. Journal of abnormal psychology, 115(2), 192–194. https://doi.org/10.1037/0021-843X.115.2.192.CrossRefPubMed

Hochrangige Expertengruppe für künstliche Intelligenz. (2019). Eine Definition der KI: Wichtigste Fähigkeiten und Wissenschaftsgebiete – Für die Zwecke der Gruppe entwickelte Definition. Brüssel.

Höddinghaus, M., Sondern, D., & Hertel, G. (2021). The automation of leadership functions: Would people trust decision algorithms? Computers in Human Behavior, 116, 106635. https://doi.org/10.1016/j.chb.2020.106635.CrossRef

Honeycutt, D., Nourani, M., & Ragan, E. (2020). Soliciting Human-in-the-Loop User Feedback for Interactive Machine Learning Reduces User Trust and Impressions of Model Accuracy. Proceedings of the AAAI Conference on Human Computation and Crowdsourcing, 8, 63–72. https://doi.org/10.1609/hcomp.v8i1.7464.CrossRef

Hubner, S., Benz, T. & Peus, C. (2019). Chancen und Herausforderungen beim Einsatz von Robotern in Führungsrollen. PERSONALquarterly(3), 28–34.

Jago, A. S. (2019). Algorithms and Authenticity. Academy of Management Discoveries, 5(1), 38–56. https://doi.org/10.5465/amd.2017.0002.CrossRef

Jussupow, E., Benbasat,, I. & Heinzl, A. (2020). Why are we averse towards Algorithms? A comprehensive literature Review on Algorithm aversion. In F. Rowe (Hrsg.), 28th European Conference on Information Systems – Liberty, Equality, and Fraternity in a Digitizing World, ECIS 2020, Marrakech, Morocco, June 15–17, 2020 : Proceedings (S. 15–17). AISeL. https://aisel.aisnet.org/ecis2020_rp/168.

Kaibel, C., Mühlenbock, M., Koch-Bayram, I. & Biemann, T. (2019). Wahrnehmung von KI – Was denken Mitarbeiter über ihre Anwendung und Fairness? PERSONALquarterly(71), 16–21.

Kim, Y. J., Chun, J. U., & Song, J. (2009). Investigating the role of attitude in technology acceptance from an attitude strength perspective. International Journal of Information Management, 29(1), 67–77. https://doi.org/10.1016/j.ijinfomgt.2008.01.011.CrossRef

Langer, M., & Landers, R. N. (2021). The future of artificial intelligence at work: A review on effects of decision automation and augmentation on workers targeted by algorithms and third-party observers. Computers in Human Behavior, 123, 106878. https://doi.org/10.1016/j.chb.2021.106878.CrossRef

Lavanchy, M., Reichert, P., Narayanan, J., & Savani, K. (2023). Applicants’ Fairness Perceptions of Algorithm-Driven Hiring Procedures. Journal of Business Ethics, 1–26,. https://doi.org/10.1007/s10551-022-05320-w.

Legris, P., Ingham, J., & Collerette, P. (2003). Why do people use information technology? A critical review of the technology acceptance model. Information & Management, 40(3), 191–204. https://doi.org/10.1016/S0378-7206(01)00143-4.CrossRef

Lischka, K. & Klingel, A. (2017). Wenn Maschinen Menschen bewerten: Internationale Fallbeispiele für Prozesse algorithmischer Entscheidungsfindung; Arbeitspapier. https://d-nb.info/113930769x/34.

Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90–103. https://doi.org/10.1016/j.obhdp.2018.12.005.CrossRef

Maasland, C., & Weißmüller, K. S. (2022). Blame the Machine? Insights From an Experiment on Algorithm Aversion and Blame Avoidance in Computer-Aided Human Resource Management. Frontiers in psychology, 13, 779028. https://doi.org/10.3389/fpsyg.2022.779028.CrossRefPubMedPubMedCentral

McGuire, J., & de Cremer, D. (2022). Algorithms, leadership, and morality: Why a mere human effect drives the preference for human over algorithmic leadership. AI and Ethics: Vorab-Onlinepublikation. https://doi.org/10.1007/s43681-022-00192-2.CrossRef

Meehl, P. E. (1954). Clinical versus statistical prediction. A theoretical analysis and a review of the evidence: Echo Point Books & Media.

Neuburger, R., & Fiedler, M. (2020). Zukunft der Arbeit – Implikationen und Herausforderungen durch autonome Informationssysteme. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, 72(3), 343–369. https://doi.org/10.1007/s41471-020-00097-y.CrossRef

Newman, D. T., Fast, N. J., & Harmon, D. J. (2020). When eliminating bias isn’t fair: Algorithmic reductionism and procedural justice in human resource decisions. Organizational Behavior and Human Decision Processes, 160, 149–167. https://doi.org/10.1016/j.obhdp.2020.03.008.CrossRef

Park, J., & Woo, S. E. (2022). Who Likes Artificial Intelligence? Personality Predictors of Attitudes toward Artificial Intelligence. The Journal of psychology, 156(1), 68–94. https://doi.org/10.1080/00223980.2021.2012109.CrossRefPubMed

Peifer, Y., Jeske, T., & Hille, S. (2022). Artificial Intelligence and its Impact on Leaders and Leadership. Procedia Computer Science, 200, 1024–1030. https://doi.org/10.1016/j.procs.2022.01.301.CrossRef

Perlusz, S. (2004). Emotions and technology acceptance: Development and validation of a technology affect scale. In 2004 IEEE International Engineering Management Conference (IEEE Cat. No.04CH37574) (S. 845–847). IEEE. https://doi.org/10.1109/IEMC.2004.1407500.

Pfeifer, R. (1979). Formalisierung in der Psychologie mit Hilfe von Computersimulation unter besonderer Berücksichtigung von Techniken der "Künstlichen Intelligenz"-Forschung [, ETH Zurich]. DataCite.

Rosenberg, M. J., Hovland, C. I., McGuire, W. J., Abelson, R. P. & Brehm, J. W. (1960). Attitude organization and change: An analysis of consistency among attitude components. (Yales studies in attitude and communication.), Vol. III. Yale Univer. Press.

Santamaria, T., & Nathan-Roberts, D. (2017). Personality Measurement and Design in Human-Robot Interaction: A Systematic and Critical Review. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 61(1), 853–857. https://doi.org/10.1177/1541931213601686.CrossRef

Schweinberger, S. R., Pohl, M., & Winkler, P. (2020). Autistic traits, personality, and evaluations of humanoid robots by young and older adults. Computers in Human Behavior, 106, 106256. https://doi.org/10.1016/j.chb.2020.106256.CrossRef

Taylor, J. E. T., & Taylor, G. W. (2021). Artificial cognition: How experimental psychology can help generate explainable artificial intelligence. Psychonomic bulletin & review, 28(2), 454–475. https://doi.org/10.3758/s13423-020-01825-5.CrossRef

Venkatesh, V., Morris, M. G. & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425. https://doi.org/10.2307/30036540.

Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x.CrossRef

Yang, H., & Yoo, Y. (2004). It’s all about attitude: Revisiting the technology acceptance model. Decision Support Systems, 38(1), 19–31. https://doi.org/10.1016/S0167-9236(03)00062-9.CrossRef

Zhang, P. (2013). The Affective Response Model: A Theoretical Framework of Affective Concepts and Their Relationships in the ICT Context. MIS Quarterly, 37(1), 247–274.CrossRef

Title: Einstellungen zu Künstlicher Intelligenz und Algorithmus Aversion im Kontext von Leadership
Authors: Petra Arenberg
Maren Kobus
Publisher: Springer Fachmedien Wiesbaden
Book: Psychologie Digital
Print ISBN: 978-3-658-42395-7

Electronic ISBN: 978-3-658-42396-4

Copyright Year: 2023
DOI: https://doi.org/10.1007/978-3-658-42396-4_9

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"

Premium Partner