論文の概要: Decoy Effect In Search Interaction: Understanding User Behavior and Measuring System Vulnerability

• arxiv url: http://arxiv.org/abs/2403.18462v2
• Date: Tue, 08 Oct 2024 10:31:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 14:01:46.580900
• Title: Decoy Effect In Search Interaction: Understanding User Behavior and Measuring System Vulnerability
• Title（参考訳）: 検索インタラクションにおけるデコイ効果 : ユーザの行動理解とシステム脆弱性の測定
• Authors: Nuo Chen, Jiqun Liu, Hanpei Fang, Yuankai Luo, Tetsuya Sakai, Xiao-Ming Wu,
• Abstract要約: 本研究は,検索エンジンの検索結果ページ上でのユーザインタラクションの変化について検討した。 DEJA-VUメトリクスを導入し、デコイ効果に対するシステムの感受性を評価する。 その結果,システムの有効性と脆弱性に違いが認められた。
• 参考スコア（独自算出の注目度）: 33.78769577114657
• License:
• Abstract: This study examines the decoy effect's underexplored influence on user search interactions and methods for measuring information retrieval (IR) systems' vulnerability to this effect. It explores how decoy results alter users' interactions on search engine result pages, focusing on metrics like click-through likelihood, browsing time, and perceived document usefulness. By analyzing user interaction logs from multiple datasets, the study demonstrates that decoy results significantly affect users' behavior and perceptions. Furthermore, it investigates how different levels of task difficulty and user knowledge modify the decoy effect's impact, finding that easier tasks and lower knowledge levels lead to higher engagement with target documents. In terms of IR system evaluation, the study introduces the DEJA-VU metric to assess systems' susceptibility to the decoy effect, testing it on specific retrieval tasks. The results show differences in systems' effectiveness and vulnerability, contributing to our understanding of cognitive biases in search behavior and suggesting pathways for creating more balanced and bias-aware IR evaluations.
• Abstract（参考訳）: 本研究では,デコイ効果がユーザ検索の相互作用に与える影響について検討し,その影響に対する情報検索(IR)システムの脆弱性を測定する方法を検討した。 これは、クリックスルー可能性、ブラウジング時間、認識されたドキュメントの有用性といった指標に焦点を当て、検索結果ページにおけるユーザのインタラクションがどのように変化するかを調査する。 ユーザインタラクションログを複数のデータセットから分析することにより、結果がユーザの行動や知覚に大きく影響することを示した。 さらに,タスクの難易度とユーザ知識の違いが,デコイ効果の影響をどう修正するかを検討した。 IRシステム評価では、DJA-VU測定基準を導入し、デコイ効果に対するシステムの感受性を評価し、特定の検索タスクでテストする。 その結果, システムの有効性と脆弱性の差異が示され, 探索行動における認知バイアスの理解に寄与し, よりバランスの取れた, バイアスに敏感なIR評価の経路が示唆された。

関連論文リスト

• Cefdet: Cognitive Effectiveness Network Based on Fuzzy Inference for Action Detection [28.351392623225504]
  本研究ではファジィ推論(Cefdet)に基づく認知効果ネットワークを提案する。 人間の認知をシミュレートする「認知に基づく検出」の概念を導入する。 Cefdetは、公開データセット上のいくつかの主流アルゴリズムに対して、優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-10-08T07:53:06Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Feedback Effect in User Interaction with Intelligent Assistants: Delayed Engagement, Adaption and Drop-out [9.205174767678365]
  本稿では,IA-ユーザインタラクションにおける新たなコンポーネントであるフィードバック効果の同定と定量化を行う。 IAからの不快な反応は、ユーザがその後の対話を遅らせたり遅らせる原因となることを示す。 ユーザがIAの理解と機能能力の限界を発見すると、ユーザは要求のスコープとワードの調整を学ぶ。
  論文  参考訳（メタデータ） (2023-03-17T21:39:33Z)
• Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
  A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。 オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。 異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
  論文  参考訳（メタデータ） (2022-10-15T17:15:51Z)
• The Effects of Interactive AI Design on User Behavior: An Eye-tracking Study of Fact-checking COVID-19 Claims [12.00747200817161]
  我々は,AIを用いたファクトチェックシステムの相互作用がユーザインタラクションに与える影響について,実験室による眼球追跡調査を行った。 その結果、AIシステムの予測パラメータを対話的に操作することの存在は、ユーザの生活時間や、AOIの眼球修正に影響を及ぼすが、精神的な作業負荷には影響しないことがわかった。
  論文  参考訳（メタデータ） (2022-02-17T21:08:57Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Soliciting Human-in-the-Loop User Feedback for Interactive Machine Learning Reduces User Trust and Impressions of Model Accuracy [8.11839312231511]
  混合開始システムにより、ユーザは対話的にフィードバックを提供し、システムパフォーマンスを向上させることができる。 本研究は,フィードバックの提供行為が知的システムのユーザ理解とその正確性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-08-28T16:46:41Z)
• Influence Functions in Deep Learning Are Fragile [52.31375893260445]
  影響関数は、テスト時間予測におけるサンプルの効果を近似する。 影響評価は浅いネットワークでは かなり正確です ヘッセン正則化は、高品質な影響推定を得るために重要である。
  論文  参考訳（メタデータ） (2020-06-25T18:25:59Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。