| Artikel-ID | 22975 |
|---|---|
| Titel | Unsicherheiten menschlicher Entscheidungsfindung in Empfehlungssystemen |
| Untertitel | Oder: Was wir von den klassischen Naturwissenschaften übernehmen können |
| Autoren | Sizov, Sergej; Jasberg, Kevin |
| Zeitschrift | Information - Wissenschaft & Praxis |
| Jahr | 2018 |
| Band | 69 |
| Heft | 1 |
| Anfangsseite | 21 |
| Endseite | 30 |
| URL | Volltext |
| Abstract | Eines der wichtigsten Anliegen adaptiver Informationssysteme ist die Modellierung menschlichen Verhaltes, um unter anderem Benutzerpersonalisierung und Empfehlungen anbieten zu können. Dies geschieht gewöhnlich durch die Beobachtung der Nutzerinteraktionen und durch das direkte Befragen der Benutzer selbst. Wie im Alltag, so auch im Umgang mit Informationssystemen, erweisen sich Menschen in ihren Entscheidungen als unbeständig und sprunghaft; komplexe Kognitionen führen nicht immer zu demselben Ergebnis, sodass sich Wahrscheinlichkeiten für eine Vielzahl möglicher Entscheidungen ergeben. Dieses Phänomen besitzt einen großen Einfluss auf heutige Informationssysteme. Daher stellt sich die Frage nach einer effektiven Modellierung dieser Unsicherheit in der menschlichen Entscheidungsfindung. In diesem Beitrag betrachten wir die Grundidee der Unsicherheit aus drei verschiedenen Perspektiven: der Mensch-Maschine-Interaktion, der Metrologie bzw. Physik sowie der Neurowissenschaft. Durch das Zusammenführen dieser Theorien bzw. der Übertragung ihrer spezifischen Methoden können wir eine wichtige Quelle der Unsicherheit menschlicher Entscheidungsfindung identifizieren und die begrenzte Möglichkeit ihrer Vermessung thematisieren. Der Einfluss dieser Unsicherheit wird dabei exemplarisch am Beispiel der komparativen Bewertung von Empfehlungsdiensten illustriert. Basierend auf unseren Ergebnissen diskutieren wir die möglichen Auswirkungen auf Informationssysteme im Allgemeinen und geben einen kurzen Überblick über mögliche Lösungsstrategien. |
| Schlagwörter | Nutzerstudie; Human Barrier; Unsicherheit menschlicher Entscheidungsfindung; Empfehlungsdienst; Reliabilität; Verteilungsparadigma; Monte-Carlo-Simulation; Fehlerfortpflanzung; Magic Barrier; Messunsicherheit; neurologisches Rauschen; Punktparadigma; Rangordnungsfehler |
| Klassen |