a) :la source de recommandation affiche les meilleurs artistes disponibles, pistes et étiquettes de genre. b) :le processeur de recommandation permet aux utilisateurs d'ajuster le poids du type de données d'entrée et des éléments de données individuels. c) :recommandations de style de liste de lecture. Certains contrôles de l'interface utilisateur sont désactivés dans des paramètres spécifiques du contrôle utilisateur, par exemple., les curseurs en b) sont grisés dans le réglage 5 :REC*PRO.
Dans les systèmes de recommandation de musique, il est important de concevoir des contrôles utilisateur qui atteignent le juste milieu entre la qualité perçue des recommandations et la charge cognitive acceptable, conclut Nava Tintarev, chercheur à la TU Delft. Avec des collègues de la KU Leuven, et la recherche avec l'API Spotify, elle présentera ces résultats à la conférence ACM sur les systèmes de recommandation à Vancouver, le mercredi 3 octobre.
Contrôler
"Permettre aux utilisateurs de contrôler le processus de recommandation, par exemple, dans les systèmes de recommandation de musique, peut augmenter la satisfaction des utilisateurs. Cependant, fournir des contrôles supplémentaires augmente également la charge cognitive, et différents utilisateurs ont des besoins de contrôle différents. Par conséquent, nous avons étudié l'effet de deux caractéristiques personnelles :la sophistication musicale et la capacité de mémoire visuelle, " dit Nava Tintarev de TU Delft.
Les interfaces utilisateur traditionnelles des systèmes de recommandation présentent les résultats de la recommandation avec des possibilités de rétroaction limitées, permettant uniquement aux utilisateurs d'indiquer à quel point ils aiment une recommandation. En revanche, les systèmes de recommandation interactifs améliorent la satisfaction des utilisateurs et l'efficacité perçue en fournissant une visualisation où les utilisateurs peuvent inspecter le processus de recommandation et contrôler le système pour recevoir de meilleures recommandations.
Pour mieux comprendre l'interaction entre les différents types de contrôles, il est nécessaire de prendre en compte l'influence des caractéristiques personnelles d'un utilisateur individuel et de tester les combinaisons de composants de contrôle. "Personne n'a encore étudié comment l'interaction entre les différents composants de contrôle influence la charge cognitive et l'acceptation des recommandations, pour les utilisateurs ayant des caractéristiques personnelles différentes. Notre étude, réalisé avec la KU Leuven, vise à fournir les bases pour le développement de systèmes de recommandation qui offrent un contrôle utilisateur riche, tout en assurant une charge cognitive acceptable, " explique Tintarev. " Nous avons utilisé l'API Spotify pour concevoir un système de recommandation de musique. Notre système génère une expérience d'écoute de type playlist basée sur trois types de graines :artistes, pistes et genres. Nous utilisons les meilleurs artistes de l'utilisateur actif, des pistes, et les genres comme graines d'entrée."
Il est possible dans l'API Spotify de spécifier les attributs de piste qui affectent les recommandations telles que le volume, danse et valence. Les chercheurs ont utilisé quatre scénarios pour la tâche utilisateur de sélection de musique. Les scénarios utilisés incluent :« Rock night — ma vie a besoin de passion »; "Fête de danse—danse jusqu'à la fin du monde" ; "Un joyeux après tout examen, " et "Impossible de vivre sans hip-hop."
endroit doux
Les chercheurs ont créé huit cadres expérimentaux et mené une étude inter-sujets pour explorer l'effet sur la charge cognitive et l'acceptation des recommandations pour différentes caractéristiques personnelles. Les participants avec une grande sophistication musicale percevaient les recommandations comme étant de meilleure qualité, ce qui à son tour a conduit à une plus grande acceptation des recommandations. Cependant, aucun effet de la mémoire de travail visuelle sur la charge cognitive ou l'acceptation des recommandations n'a été trouvé. "Ce travail contribue à comprendre comment concevoir un contrôle utilisateur qui atteint l'équilibre entre la qualité perçue des recommandations et la charge cognitive acceptable."
