Key points are not available for this paper at this time.
Empfehlungssysteme können Webnutzern helfen, relevantere Inhalte zu finden, ihr Online-Erlebnis zu verbessern und sie bei der Entdeckung neuer Sehenswürdigkeiten (POI) zu unterstützen. Dennoch bestehen Herausforderungen beim Umgang mit dem Kaltstartproblem und bei der Erklärbarkeit von Empfehlungen. Um diese anzugehen, haben wir ScrollyPOI entwickelt, ein interaktives POI-Empfehlungssystem, das auf den Prinzipien des Datenhumanismus basiert. Durch die Nutzung von Scrollytelling gehen wir das Kaltstartproblem an, indem wir die Nutzer anregen, über frühere positive Erfahrungen nachzudenken. Darüber hinaus verbessert ScrollyPOI die Erklärbarkeit durch Eingangs- und Ausgangserklärungen. Das System verwendet gestapelte Balkendiagramme und Wortwolken, um zu erklären, wie Benutzerpräferenzen Empfehlungen informieren (Eingang). Schließlich verwendet ScrollyPOI einen mehrschichtigen Ansatz, um zu erklären, warum bestimmte POIs empfohlen werden (Ausgang). Wir haben die Benutzeroberfläche und das Erlebnis von ScrollyPOI durch eine vorläufige Studie bewertet, die das Potenzial für transparente Erklärungen im Bereich der POI-Empfehlungen hervorhebt. Unsere Ergebnisse unterstreichen die Wirksamkeit von ScrollyPOI beim Sammeln von Präferenzen und der Verbesserung der Transparenz von Empfehlungen und positionieren es als Plattform zur Untersuchung von Erklärbarkeitszielen im POI-Bereich.
Al-Hazwani et al. (Do,) haben diese Frage untersucht.