Q-Chef：诱发惊喜的系统对与食物有关的决策的影响

文献标题

Q-Chef: The impact of surprise-eliciting systems on food-related decision-making

文献信息

• 主题领域: 人机交互、推荐系统设计、饮食行为改变
• 关键词: 惊喜、好奇心、食物、推荐系统、混合方法

研究背景与问题

• 问题或挑战:

  1. 传统推荐系统倾向于根据用户偏好进行相似性匹配，可能导致用户接触的选择范围过于狭窄。
  2. 饮食多样性和质量之间存在直接关联，但许多推荐系统未有效地促进多样性。
  3. 当前关于如何通过多样化内容影响用户决策尚缺乏深入研究。

• 重要性: 饮食多样性与健康和营养密切相关，增加饮食选择的多样性不仅可以提升用户体验，还可以鼓励用户尝试新的烹饪行为，从而改善饮食质量和健康状态。

• 研究动机与相关工作:

  1. 通过信息检索领域的成果表明，多样化内容可以增加用户满意度和参与度。
  2. 惊喜和好奇心在心理学上已被证明具有激发探索性行为的潜力。
  3. 设计一个能够促使用户多样化选择的推荐系统，并研究“惊喜性”对饮食决策的影响，是一个鲜有探索但潜力巨大的方向。

解决方案

• 方法或解决方案: 提出“Q-Chef”——一种结合了传统食谱推荐系统与个性化惊喜模型的原型应用，旨在通过提供既符合偏好又包含惊喜因素的食谱来影响用户决策。

• 创新之处:

  1. 通过算法模型预测用户认为“惊喜”的食谱，同时保留这些食谱的“美味”特性。
  2. 将惊喜因素和好奇心概念划分为两种用户可能感受的因素：“不熟悉”和“意料之外”，并设计机器学习分类器针对这两方面进行预测。

• 实施步骤:

  1. 为用户构建偏好模型，包括熟悉程度和具体口味数据。
  2. 运用“惊喜模型”结合偏好数据进行食谱筛选。
  3. 按照算法基于相似度和惊喜程度进行分类，展示10个推荐食谱以供选择。
  4. 对“惊喜性”组和“美味（控制组）”组的用户行为进行对比分析。
  5. 使用访谈数据进行主题分析以挖掘用户决策中的深层驱动因素。

研究成果

• 具体成果:

  1. 为饮食选择设计出五个主要驱动因素：技能储备、舒适与熟悉的安全感、个人决策心态、探索时刻、以及社会生态。
  2. 数据分析显示“惊喜性”组用户更倾向积极回忆并探索新事物，而“美味”组用户更强调熟悉感和怀旧连接。

• 优势:

  1. 与传统系统相比，可以有效引发用户兴趣并促进饮食多样性。
  2. 驱动用户反思其饮食选择，将惊喜感转化为探索动力。

• 实验或评估结果:

  1. 半结构化访谈和定性主题分析显示，惊喜性的选项提高了用户对尝试新事物的接受度。
  2. 尝试新的食谱使用户更多地关联到相关的自主探索记忆和对新事物的渴望。

• 局限性与未来方向:

  1. 研究样本偏向年轻化和高学历群体，未能充分探索儿童家庭、文化差异等因素。
  2. 食谱数据库主要为西方文化背景，非西方文化群体的适配性尚不充分。
  3. 惊喜性模型准确性较高，但个人化预测仍需更多数据支持和进一步优化。
  4. 建议未来研究探讨基于社会网络的推荐机制如何支持用户尝试多样化内容，同时进一步深挖如何优化用户参与的长期效果。

总结

研究在探讨惊喜性推荐系统的设计和用户体验影响方面具有前沿意义，为设计激发好奇心的系统提供了新颖的建议，尤其是在促进健康饮食行为方面展现了重要的潜力。