解释与否: 个人特征对音乐推荐解释效果的影响

推荐系统越来越广泛地应用于我们日常使用的在线服务中，如Facebook、Netflix、YouTube和Spotify。然而，这些系统通常以“黑箱”的形式呈现给用户，即向用户提供个别推荐的理由并未向用户解释。近年来，人们尝试通过提供文本解释或交互式可视化来解决这一黑箱问题，使用户能够探索推荐的来源。除其他外，结果表明在准确性和用户满意度方面有所改善先前研究还表明，领域知识、信任倾向和持久性等个人特征也可能对这种感知收益产生重要作用。然而，目前对个人特征对推荐解释效果的影响知之甚少。为解决这一差距，我们开发了一款带解释的音乐推荐系统，并使用被试内设计进行了在线研究。我们捕获了参与者的各种个人特征，并采用了定性 和定量评估方法。结果表明，个人特征对推荐系统的交互和感知有显著影响，且这种影响会因添加解释而改变。对于低认知需求的人来说，带解释的推荐最为有益。对于高认知需求的人，我们观察到解释可能会导致缺乏自信。基于这些结果，我们提出了一些推荐解释的设计启示。