Aspectos Algorítmicos y de HCI para Explicar Recomendaciones de Imágenes Artísticas

Explicar las sugerencias realizadas por los sistemas de recomendación es clave para que los usuarios confíen y acepten estos sistemas. Esto es especialmente crítico en áreas como la recomendación de imágenes artísticas. Tradicionalmente, las obras de arte se venden en galerías donde las personas pueden verlas físicamente, y los artistas tienen la oportunidad de persuadir a la gente para que las compre. Por otro lado, las tiendas de arte en línea solo ofrecen al usuario la acción de navegar a través del catálogo, pero nadie desempeña el papel persuasivo del artista. Además, pocos trabajos en sistemas de recomendación brindan una perspectiva de las muchas variables involucradas en la percepción del usuario de varios aspectos del sistema, como el conocimiento del dominio, la relevancia, la explicabilidad y la confianza. En este artículo, buscamos llenar este vacío estudiando varios aspectos de la experiencia del usuario con un sistema de recomendación de imágenes artísticas, desde perspectivas algorítmicas y de HCI. Realizamos dos estudios de usuarios en Amazon Mechanical Turk para evaluar diferentes niveles de explicabilidad, combinados con diferentes algoritmos. Mientras que en el estudio 1 nos enfocamos solo en una interfaz de escritorio, en el estudio 2 intentamos entender el efecto de las explicaciones en dispositivos móviles. En general, nuestros experimentos confirman que las explicaciones de recomendaciones en el dominio de la imagen son útiles y aumentan la satisfacción del usuario, la percepción de explicabilidad y la relevancia. En el primer estudio, nuestros resultados muestran que los efectos observados dependen del algoritmo de recomendación subyacente utilizado. En el segundo estudio, nuestros resultados muestran que estos efectos también dependen del dispositivo utilizado en el estudio, pero con un efecto menor. Finalmente, utilizando el marco de Knijnenburg et al., proporcionamos un modelo integral, para cada estudio, que sintetiza los efectos entre diferentes variables involucradas en la experiencia del usuario con sistemas de recomendación visual explicables de imágenes artísticas.