نویسنده
Hulstijn, J., Tchappi, I., Najjar, A., Aydoğan, Reyhan
تاریخ انتشار
2023
محل انتشار
-
اسپرینگر
موضوع
ارزیابی، هوش مصنوعی قابل توضیح، متریک، سیستمهای توصیهکننده
نوع
سند
زبان
انگلیسی
دیجیتال
بله
نسخه خطی
خیر
کتابخانه
دانشگاه اوزیغین
شناسه دارایی کتابخانه
978-303140877-9
شماره ثبت
4c457b23-6adc-427e-9c8c-9baefad5474f
محل کتابخانه
علوم کامپیوتر
تاریخ
2023
یادداشتها
صندوق ملی سوئیس برای ترویج تحقیقات علمی؛ صندوق تحقیقات ملی لوکزامبورگ؛ Ministrio dell'Istruzione, dell'Università e della Ricerca; TÜBİTAK
متن نمونه
هدف سیستم های توصیه گر حمایت از کاربران خود با کاهش بار اطلاعاتی است تا آنها بتوانند تصمیمات بهتری بگیرند. سیستمهای توصیهگر باید شفاف باشند، بنابراین کاربران میتوانند مدلهای ذهنی در مورد اهداف، وضعیت داخلی و قابلیتهای سیستم، که مطابق با طراحی واقعی آنها باشد، تشکیل دهند. توضیحات و رفتار شفاف سیستم باید الهام بخش اعتماد و در نهایت منجر به توصیه های قانع کننده تر شود. در اینجا، توضیحات دلایلی را بیان می کند که چرا یک توصیه ارائه شده است یا اینکه چگونه سیستم توصیه های خود را شکل می دهد. این مقاله بر این سوال تمرکز دارد که چگونه می توان چنین ادعاهایی را در مورد اثربخشی تبیین ها ارزیابی کرد. بر این اساس، مدلهای مختلفی را بررسی میکنیم که برای ارزیابی اثرات توضیحات و توصیهها استفاده میشوند. ما در مورد اندازه گیری عینی و ذهنی بحث می کنیم و استدلال می کنیم که هر دو مورد نیاز هستند. ما مجموعهای از معیارها را برای اندازهگیری اثربخشی توضیحات و توصیهها تعریف میکنیم. امکان استفاده از این معیارها در زمینه یک سیستم توصیهکننده قابل توضیح خاص در حوزه غذا و سلامت مورد بحث قرار میگیرد.
DOI
10.1007/978-3-031-40878-6_12
Cilt
14127 LNAI
