Prediction Accuracy And Autonomy : Assessing how recommender systems objectives can align with user autonomy

Detta är en Kandidat-uppsats från Institutionen för tillämpad informationsteknologi

Sammanfattning: IT-industrin har kritiserats för att utforma applikationer som underminerarindividers autonomi. Speciellt rekommendationssystem har identifierats somproblematiska eftersom de kan utöva oönskad kontroll över människors liv. I dennauppsats försöker vi bedöma målen med design av rekommendationssystem förunderhållningstjänster genom att göra en korpusanalys på 1 883 vetenskapligaartiklar om detta ämne. Vi genomför sedan en kvalitativ undersökning avpsykologisk litteratur om koncepten self-regulation, sense of agency och habits.Dessa relaterar vi till användarautonomi. Vi kartlägger också relevant litteratur omanvändarcentrerad interaktionsdesign för att relatera uppfattningen omanvändarautonomi med användarvärde. Slutligen fokuserar vi på det specifikafallet för YouTubes rekommendationssystem och föreslår designändringar somsyftar till att bättre anpassa tjänsteleverantörens mål till användarnas mål.Vi drar slutsatsen att användarnas beteende är en felaktig återspegling av derasavsikter. På grund av detta riskerar användarens autonomi att undermineras av attendast beteendedata analyseras i rekommendationssystem. Många nuvaranderekommendationssystem, inklusive YouTube, använder beteendedata eftersomdenna data är lätt att samla in och ofta lyckas maximera tjänsteleverantörens mål.Vi föreslår både korrigerande och förebyggande lösningar på detta problem. Dekorrigerande lösningarna fokuserar på att erbjuda användarna meranpassningsbarhet. De förebyggande lösningarna fokuserar på sätt att samla in merdata som bättre motsvarar användarnas avsikter. Högre användaranpassning kantillhandahålla användardata som kan förväntas motsvara användarens avsikt relativtbra.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)