Key points are not available for this paper at this time.
추천자가 사람들이 더 생산적이도록 도우려면 디지털 라이브러리에서 연구 논문을 찾는 것과 같은 다양한 실제 정보 탐색 작업을 지원해야 합니다. 어떤 작업을 지원해야 하는지 모르는 것, 잘못된 작업에 대한 추천을 생성하는 것, 또는 의미 있는 추천을 전혀 생성하지 못하는 등 여러 가지 잠재적인 함정이 있습니다. 우리는 서로 다른 추천 알고리즘이 특정 정보 탐색 작업에 더 적합하다고 주장합니다. 이 작업에서는 130명 이상의 사용자와 함께 상세한 사용자 연구를 수행하여 ACM 디지털 라이브러리의 논문 추천에 대한 온라인 설문 조사를 통해 추천 알고리즘 간의 차이를 이해합니다. 우리는 피함이 어려운 함정을 발견했습니다. 두 개의 알고리즘은 입력 바구니와 관련 없는 '비정형' 추천을 생성했습니다. 사용자들은 이에 맞춰 반응하며 이러한 알고리즘에 대해 강력한 부정적 결과를 제공했습니다. 우리의 '정형' 알고리즘의 결과는 일부 질적 차이를 보여주지만, 사용자가 두 개의 알고리즘에 노출되었기 때문에 결과는 편향될 수 있습니다. 우리는 알고리즘 간의 차이를 뽑아내며 다양한 결과를 제시합니다. 마지막으로, 사용자 앞에서 "어리석어 보이지 마세요"라는 우리의 가장 주목할 만한 결과를 간결하게 요약합니다.
McNee et al. (Sat,)가 이 질문에 대해 연구했습니다.