MétaCan
Menu
Retour à la cohorte
Enregistrement W2111561221 · doi:10.1287/isre.1100.0334

<b>Research Note</b>—The Influence of Trade-off Difficulty Caused by Preference Elicitation Methods on User Acceptance of Recommendation Agents Across Loss and Gain Conditions

2011· article· en· W2111561221 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueInformation Systems Research · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésContext (archaeology)Product (mathematics)PreferencePerspective (graphical)Computer sciencePreference elicitationPsychologyMicroeconomicsEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Prior studies on product recommendation agents (RAs) have been based on the effort-accuracy perspective in which the amount of effort required to make a decision and the accuracy of such decisions are two dominant antecedents of user acceptance of RAs. The current study extends the effort-accuracy perspective by considering trade-off difficulty, a type of negative emotion that arises when attainment of one's goals is blocked by the attainment of other goals; consequently, one must make trade-offs among the conflicting goals. Many product purchase choices for which RAs are used require users to make trade-offs among conflicting product attributes. A key feature of RAs, the preference elicitation method (PEM), often compels users to make explicit trade-offs. We examine whether an RA's PEM generates trade-off difficulty, which, in turn, affects users' evaluations (i.e., perceived amount of effort and perceived accuracy of recommendations) and the resultant acceptance of the RA. Trade-off difficulty influences users' evaluations of an RA via perceived control over execution of the RA PEM. In addition, the decision context in which users employ a PEM moderates the degree to which that PEM generates trade-off difficulty. Specifically, a PEM generates a greater degree of trade-off difficulty in a choice context that leads to a loss than in a choice context that leads to a gain. Consequently, users exert more effort to cope with trade-off difficulty in a loss condition. Because users voluntarily spend more effort, the negative influence of perceived effort on users' acceptance of an RA—which is supported in prior studies—decreases in a loss condition. A laboratory experiment was conducted using two between-subject factors: two RAs, one that employed a trade-off-compelling PEM and the other a trade-off-hiding PEM, and two decision contexts, one of which was a loss condition and the other a gain condition. The results supported all of the hypotheses.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,406
Tête enseignante GPT0,581
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle