نویسنده
Buzcu, Berk, Tessa, M., Tchappi, I., Najjar, A., Hulstijn, J., Calvaresi, D., Aydoğan, Reyhan
تاریخ انتشار
2024-01
محل انتشار
-
اسپرینگر
موضوع
هوش مصنوعی قابل توضیح، تعاملی، مربی مجازی تغذیه، سیستمهای توصیهکننده
نوع
دوره ای
زبان
انگلیسی
دیجیتال
بله
نسخه خطی
خیر
کتابخانه
دانشگاه اوزیغین
شناسه دارایی کتابخانه
1387-2532
شماره ثبت
1c1b8299-ae0d-45cd-a38c-477dcbe1dd5b
محل کتابخانه
علوم کامپیوتر
تاریخ
2024-01
یادداشتها
دانشگاه علوم و هنرهای کاربردی غرب سوئیس (HES-SO) ; CHIST-ERAgrant ; بنیاد ملی علوم سوئیس (SNSF)؛ وزارت آموزش، دانشگاه ها و تحقیقات (MIUR) ; صندوق تحقیقات ملی لوکزامبورگ TÜBİTAK
متن نمونه
آگاهی در مورد شیوه های زندگی سالم در حال افزایش است و به برنامه های مربیگری بهداشتی شخصی سازی شده باز می شود. تقاضا برای بیش از پیشنهادات صرف و تعاملات مکانیکی توجه را به سیستمهای مربیگری مجازی تغذیه (NVC) به عنوان پلی بین تعامل انسان و ماشین و سیستمهای توصیهکننده، آموزنده، متقاعدکننده و استدلال جلب کرده است. NVC می تواند بر مکانیزم های مبهم مبتنی بر داده تکیه کند. بنابراین، فعال کردن NVC برای توضیح عملکرد خود (یعنی درگیر کردن کاربر در بحث (از طریق استدلال) در مورد راهحلها/جایگزینهای غذایی، بسیار مهم است. انتظار می رود با انجام این کار، شفافیت، پذیرش کاربر و تعامل افزایش یابد. این مطالعه بر روی عوامل NVC تمرکز دارد که بر اساس عوامل خاص کاربر مانند آلرژیها، عادات غذایی، سبک زندگی و ترجیحات مواد، توصیههای غذایی شخصیسازی شده را ایجاد میکنند. به طور خاص، ما یک فرآیند مذاکره کاربر-عامل را پیشنهاد میکنیم که مستلزم مکانیسمهای بازخورد زمان اجرا برای واکنش به توصیهها و توضیحات مرتبط است. در نهایت، این مطالعه یافتههای بهدستآمده از آزمایشهای انجامشده با شرکتکنندگان چند زمینهای را برای ارزیابی مقبولیت و اثربخشی سیستم پیشنهادی ارائه میکند. نتایج نشان میدهد که اکثر شرکتکنندگان برای فرصت ارائه بازخورد و دریافت توضیحات برای توصیهها ارزش قائل هستند. علاوه بر این، کاربران علاقه مند به دریافت اطلاعات متناسب با نیاز خود هستند. علاوه بر این، سیستم توصیه تعاملی ما از نظر اثربخشی در مورد تعداد توافقها و دور، بهتر از سیستم توصیه سنتی مربوطه عمل کرد.
DOI
10.1007/s10458-023-09634-5
Cilt
38
