En los sistemas de recomendación de música, Es importante diseñar controles de usuario que alcancen el punto óptimo entre la calidad percibida de las recomendaciones y la carga cognitiva aceptable. concluye Nava Tintarev, investigadora de TU Delft. Junto con colegas de KU Leuven, e investiga con la API de Spotify, Ella presentará estos hallazgos en la Conferencia ACM sobre Sistemas de Recomendación en Vancouver, el miércoles 3 de octubre.

Control

"Permitir a los usuarios controlar el proceso de recomendación, por ejemplo, en sistemas de recomendación de música, puede aumentar la satisfacción del usuario. Sin embargo, proporcionar controles adicionales también aumenta la carga cognitiva, y diferentes usuarios tienen diferentes necesidades de control. Por lo tanto, hemos investigado el efecto de dos características personales:la sofisticación musical y la capacidad de memoria visual, "dice Nava Tintarev de TU Delft.

Las interfaces de usuario tradicionales de los sistemas de recomendación presentan los resultados de la recomendación con posibilidades limitadas de retroalimentación, solo permite que los usuarios indiquen cuánto les gusta una recomendación. A diferencia de, Los sistemas de recomendación interactivos mejoran la satisfacción del usuario y la efectividad percibida al proporcionar una visualización donde los usuarios pueden inspeccionar el proceso de recomendación y controlar el sistema para recibir mejores recomendaciones.

Para comprender mejor la interacción entre diferentes tipos de controles, es necesario tener en cuenta la influencia de las características personales de un usuario individual y las combinaciones de prueba de los componentes de control. "Nadie ha investigado todavía cómo la interacción entre los diferentes componentes de control influye en la carga cognitiva y la aceptación de recomendaciones, para usuarios con diferentes características personales. Nuestro estudio, llevado a cabo junto con KU Leuven, tiene como objetivo proporcionar las bases para el desarrollo de sistemas de recomendación que ofrecen un control de usuario enriquecido, asegurando al mismo tiempo una carga cognitiva aceptable, "dice Tintarev." Usamos la API de Spotify para diseñar un sistema de recomendación de música. Nuestro sistema genera una experiencia auditiva al estilo de una lista de reproducción basada en tres tipos de semillas:artistas, pistas y géneros. Utilizamos los mejores artistas del usuario activo, pistas y géneros como semillas de entrada ".

Es posible en la API de Spotify especificar los atributos de la pista que afectan las recomendaciones, como el volumen, bailabilidad y valencia. Los investigadores utilizaron cuatro escenarios para la tarea del usuario de seleccionar música. Los escenarios utilizados incluyen:"Noche de rock:mi vida necesita pasión"; "Fiesta de baile:baila hasta el fin del mundo"; "Un examen alegre después de todo, "y" No se puede vivir sin hip-hop ".

Punto justo

Los investigadores crearon ocho entornos experimentales y realizaron un estudio entre sujetos para explorar el efecto sobre la carga cognitiva y la aceptación de recomendaciones para diferentes características personales. Los participantes con alta sofisticación musical percibieron las recomendaciones como de mayor calidad, lo que a su vez dio lugar a una mayor aceptación de las recomendaciones. Sin embargo, no se encontró ningún efecto de la memoria de trabajo visual sobre la carga cognitiva o la aceptación de recomendaciones. "Este trabajo contribuye a la comprensión de cómo diseñar el control del usuario que alcanza el punto óptimo entre la calidad percibida de las recomendaciones y la carga cognitiva aceptable".