使用行为和认知指标理解集体产品评分中的社会影响

文献标题

Understanding Social Influence in Collective Product Ratings Using Behavioral and Cognitive Metrics

文献信息

• 主题领域: 人机交互与社会影响研究
• 关键词: 社会影响, 社会从众, 在线评分, 脑机接口, EEG, 消费者行为, 情绪与决策, 社会计算

研究背景与问题

• 研究问题与挑战:
  • 在线平台经常通过展示用户生成的信息来辅助用户的决策，但这种展示可能引发社会影响，影响个体的偏好。
  • 现有研究揭示了社会评分对用户偏好构建的影响，但对其具体的认知与情感机制缺乏深入了解。
  • 缺乏对展示评分形式及评分与文本评论结合的影响的研究。
• 研究的重要性:
  • 理解社会影响的认知与行为机制对于设计公平且有效的在线推荐与评分系统至关重要。
  • 可减少潜在偏见对用户决策的负面影响，并提升决策支持系统的可靠性。
• 研究动机与相关工作:
  • 现有研究主要集中于用户评分行为，但忽略了评分与文本评论形式的共同展示对用户注意、记忆与情绪的综合影响。
  • 将神经科学工具（如EEG）与认知评估结合可能揭示社会影响的潜在机制，为设计改进界面提供科学基础。

解决方案

• 研究方法:
  • 设计一个包含两阶段的实验，量化用户在看到他人评价（评分分布和/或评论标题）后的行为和认知变化。
  • 采用EEG（脑电图）记录实验参与者的注意、工作记忆和情绪变化机制。
• 创新之处:
  • 结合行为数据和神经生理数据，研究展示集体信息（评分分布和评论标题）对用户社会从众的影响。
  • 提出一种新的社会从众评分量化指标，评估用户评分如何偏向集体偏好。
  • 应用线性判别分析（LDA），证明了EEG数据在识别展示条件下的高区分力。
• 实施步骤:
  1. 收集90种智能家居产品的数据（Amazon平台）。展示内容包括：产品图片、标题、评分分布和评论标题。
  2. 设计展示条件：不展示（无社会信息）、仅评分分布（有限展示）和评分分布附加评论（全面展示）。
  3. 进行两阶段实验：第一阶段收集初始偏好评分，第二阶段在不同展示条件下再次评分并记录EEG信号。
  4. 提取EEG相关指标，包括注意（alpha/theta比率）、工作记忆（upper alpha功率）、情绪愉悦度（SASI指标）。
  5. 量化用户评分偏移的从众效应，并通过LDA和回归分析验证EEG数据的预测价值。

研究成果

• 具体成果:
  • 行为层面：
    • 用户在全面展示条件下的反应时间最长，表明附加评论内容显著增加了决策复杂度。
    • 用户更倾向于在“评分+评论”条件下修改其初始偏好以符合社会偏好（从众效应更强）。
  • 认知层面：
    • 全面展示条件下，用户的注意水平、工作记忆激活和正面情绪均显著高于其他条件。
    • 情绪愉悦度（SASI值）是预测用户是否从众的重要认知指标，支持社会从众的强化学习理论。
  • 预测效能：
    • 比较行为与EEG数据的判别能力，EEG指标（如情绪愉悦度SASI）在区分展示条件中具有更高的预测力。
• 与现有解决方案的比较:
  • 本研究首次结合EEG数据，深入分析了社会从众背后的认知与情感机制，显著超越仅基于行为数据的研究视角。
  • 探讨了评分与评论共同展示相比单纯评分展示的附加作用，为在线推荐系统设计提供了新洞见。
• 局限性与未来方向:
  1. 实验以实验室控制的轻量级任务为主，未来研究需要扩展至更复杂的真实世界场景。
  2. 探讨更多影响社会从众因素（如时间压力、评论质量、熟悉度）的作用。
  3. 深入分析EEG数据（如时间维度）以探索更详细的神经动态响应过程。
  4. 进一步评估设计建议的实际应用效果，以形成可推广的用户界面优化策略。