Cultural Content and Recommendation: A study of Metrics and Impact
2024 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE credits
Student thesisAlternative title
Kulturellt innehåll och rekommendation : En studie av Metrics and Impact (Swedish)
Abstract [en]
Recommender systems are among the dominant means of curating cultural content, significantly influencing the nature of individual cultural experiences. Academic and industrial research on recommender systems has focused on introducing and studying metrics to evaluate recommender systems, metrics such as novelty, diversity, and fairness. Ferraro et al. introduced the Commonality metric [1] motivated by the fact that those metrics optimize for personalized user experience and do not capture how recommender systems impact cultural experience across populations of users. In this work, we study the literature on some of the most common evaluation metrics and the commonality metric. Based on the principles of commonality metrics, we conduct a small-scale user study to explore users’ perceptions of the democratic values of recommendation systems and their effect on society and culture. The study found that involving the end-users, which are the primary beneficiaries of the recommendation systems, in the design and improving the UX of recommendation systems to give end consumers more control would help, on the one hand, industries understand their users better while incorporating community values in the design and on the other for people to be open and curious which will help to share across and inside communities enhancing universality and belonging.
Abstract [sv]
Rekommendationssystem är bland de dominerande sätten att kurera kulturellt innehåll, vilket väsentligt påverkar karaktären hos individuella kulturupplevelser. Akademisk och industriell forskning om rekommendatorsystem har fokuserat på att introducera och studera mått för att utvärdera rekommendatorsystem, mått som nyhet, mångfald och rättvisa. Ferraro et al. [1] skyndade sig över det faktum att dessa mätvärden optimerar för personlig användarupplevelse och inte fångar hur rekommendatorsystem påverkar kulturupplevelser över populationer av användare inför Commonality-måttet. I detta arbete studerar vi litteraturen om några av de vanligaste utvärderingsmåtten och gemensamhetsmåttet. Baserat på principerna för gemensamhetsmått, genomför vi en småskalig användarstudie för att utforska användarnas uppfattningar om rekommendationssystemens demokratiska värden och deras effekt på samhälle och kultur. Studien fann att engagerandet av slutanvändarna, som är de primära förmånstagarna av rekommendationssystemen, i utformningen och förbättringen av användarupplevelsen av rekommendationssystem för att ge slutkonsumenter mer kontroll skulle hjälpa, å ena sidan, branscher att förstå sina användare bättre samtidigt som att införliva gemenskapsvärderingar i designen och å andra sidan för att människor ska vara öppna och nyfikna, vilket kommer att hjälpa till att dela över och inom samhällen vilket förbättrar universalitet och tillhörighet.
Place, publisher, year, edition, pages
2024. , p. 39
Series
TRITA-EECS-EX ; 2024:572
Keywords [en]
recommendation systems, recsys, AI-faireness, cultural citizenship, commonality metric, familiarity, user-study
Keywords [sv]
rekommendationssystem, recsys, AI-rättvisa, kulturellt medborgarskap, gemensamhetsmått, förtrogenhet, användarstudie
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-352909OAI: oai:DiVA.org:kth-352909DiVA, id: diva2:1896242
Supervisors
Examiners
2024-10-022024-09-092024-10-02Bibliographically approved