In muziekaanbevelingssystemen, het is belangrijk om gebruikerscontroles te ontwerpen die de juiste plek vinden tussen de waargenomen kwaliteit van aanbevelingen en acceptabele cognitieve belasting, concludeert TU Delft-onderzoeker Nava Tintarev. Samen met collega's van de KU Leuven, en onderzoek met de Spotify API, zij zal deze bevindingen presenteren op de ACM Conference on Recommender Systems in Vancouver, op woensdag 3 oktober.

Controle

"Gebruikers in staat stellen het aanbevelingsproces te controleren, bijvoorbeeld, in muziekaanbevelingssystemen, gebruikerstevredenheid kan verhogen. Echter, het verstrekken van extra controles verhoogt ook de cognitieve belasting, en verschillende gebruikers hebben verschillende behoeften aan controle. Daarom, we hebben het effect van twee persoonskenmerken onderzocht:muzikale verfijning en visueel geheugen, ", zegt Nava Tintarev van de TU Delft.

Traditionele gebruikersinterfaces van aanbevelingssystemen presenteren de aanbevelingsresultaten met beperkte feedbackmogelijkheden, alleen de gebruikers toestaan ​​om aan te geven hoe leuk ze een aanbeveling vinden. In tegenstelling tot, interactieve aanbevelingssystemen verbeteren de gebruikerstevredenheid en waargenomen effectiviteit door een visualisatie te bieden waar gebruikers het aanbevelingsproces kunnen inspecteren en het systeem kunnen besturen om betere aanbevelingen te ontvangen.

Om de interactie tussen verschillende soorten controles beter te begrijpen, het is noodzakelijk om rekening te houden met de invloed van de persoonlijke kenmerken van een individuele gebruiker en testcombinaties van besturingscomponenten. "Niemand heeft tot nu toe onderzocht hoe interactie tussen verschillende controlecomponenten de cognitieve belasting en acceptatie van aanbevelingen beïnvloedt, voor gebruikers met verschillende persoonlijke kenmerken. onze studie, uitgevoerd samen met de KU Leuven, heeft tot doel de basis te leggen voor het ontwikkelen van aanbevelingssystemen die uitgebreide gebruikerscontrole bieden, terwijl een aanvaardbare cognitieve belasting wordt gegarandeerd, " zegt Tintarev. "We hebben de Spotify API gebruikt om een ​​muziekaanbevelingssysteem te ontwerpen. Ons systeem genereert een luisterervaring in afspeellijststijl op basis van drie soorten zaden:artiesten, nummers en genres. We gebruiken de topartiesten van de actieve gebruiker, sporen, en genres als input zaden."

Het is mogelijk in de Spotify API om de trackattributen te specificeren die van invloed zijn op aanbevelingen zoals luidheid, dansbaarheid en valentie. De onderzoekers gebruikten vier scenario's voor de gebruikerstaak van het selecteren van muziek. De gebruikte scenario's zijn:"Rock night - mijn leven heeft passie nodig"; "Dansfeest - dans tot de wereld eindigt"; "Een vreugdevolle na alle examen, " en "Kan niet leven zonder hiphop."

Zoete plek

De onderzoekers creëerden acht experimentele instellingen en voerden een onderzoek tussen proefpersonen uit om het effect op cognitieve belasting en acceptatie van aanbevelingen voor verschillende persoonlijke kenmerken te onderzoeken. De deelnemers met een hoge muzikale verfijning vonden aanbevelingen van hogere kwaliteit, wat op zijn beurt leidde tot een hogere acceptatie van aanbevelingen. Echter, er werd geen effect gevonden van visueel werkgeheugen op cognitieve belasting of aanbevelingsacceptatie. "Dit werk draagt ​​bij tot een beter begrip van hoe gebruikerscontrole kan worden ontworpen die de juiste plek raakt tussen de waargenomen kwaliteit van aanbevelingen en acceptabele cognitieve belasting."