Über das Buch

Zum Inhalt

Empfehlungssysteme (RECOMMENDER SYSTEMS) bezeichnen auf Algorithmen basierende Softwarewerkzeuge und -techniken, die darauf abzielen, die Entscheidungsfindung von Nutzern zu unterstützen, indem sie Elemente vorschlagen, die für die Nutzer von Interesse sind. Sehr bekannte Anwendungen aus der Praxis finden sich beispielsweise bei Netflix, Amazon, YouTube und Facebook wieder.

Die meisten Empfehlungssysteme konzentrieren sich in ihren Algorithmen darauf, die Treffgenauigkeit (ACCURACY) der Empfehlungen zu optimieren, d. h. die Identifizierung der Empfehlung mit dem höchsten Nutzen für den Benutzer auf der Grundlage der geschätzten bzw. in der Vergangenheit beobachteten Präferenzen eines Nutzers. Die Konzentration auf die Treffgenauigkeit führt jedoch oft zu monotonen, wenig überraschenden Empfehlungen.

Die Forschung hat daher vorgeschlagen, dass Empfehlungssysteme andere Kriterien – z. B. Vielfalt (VARIETY) in Empfehlungen – berücksichtigen sollten. Empfehlungen, die eine größere Vielfalt zulassen, sind jedoch potenziell weniger genau und könnten daher zu negativen Reaktionen der Nutzer führen (z. B. Reaktanz). Eine Möglichkeit, solchen negativen Reaktionen entgegenzuwirken, ist es, den Nutzern eine Kontrollmöglichkeit (USER CONTROL) über ihre Empfehlungen zu geben, indem sie die Empfehlungen austauschen können und dadurch das Gefühl der Kontrolle erhalten.

Die Dissertation hat zwei zentral verbundene Ziele: Zum einen gilt es, ein Empfehlungssystem zu entwickeln, welches neben der Treffgenauigkeit und der Vielfalt in Empfehlungen auch einen Mechanismus zur Benutzerkontrolle berücksichtigt. Zum anderen soll untersucht werden, ob die Berücksichtigung von Vielfalt und Benutzerkontrolle in einem Empfehlungssystem die Leistungsfähigkeit des Systems in Bezug auf Benutzerbewertungen verbessert.

Um diese Ziele zu erreichen, befasst sich die Dissertation mit einem Anwendungsfallbeispiel der Diversifizierung der Speiseplanung von…

Schlagworte

Recommender Systems, Empfehlungssysteme, Nutzerkontrolle, Konsumentenverhalten, Speiseplanung, Decision Support Systems, Marketing, Wirtschaftsinformatik, Vielfalt, Abwechslung, Genauigkeit, Recommendation Systems, Variety, User Control, Accuracy, Consumer Behavior, Meal Planning, Nudging, Libertarian Paternalism