人机交互翻译.docxVIP

会议：人工智能与机器学习及翻译 告诉我更多？心里模型的个性化智能代理稳健性的影响 摘要 为了富有成效地和一个智能代理工作一个用户需要知道什么？智能代理和推荐系统获得广泛的应用，有可能造成最终用户了解这些系统如何运作，以解决他们代理人的个人化行为。本文探讨了影响实证研究提供的音乐推荐系统的知识结构等个性化的心理模型的稳健。我们的研究结果表明，参与者能够迅速推荐系统的建立健全的心智模式，在研究过程中能最大提高他们心理模型的参与者更有可能使推荐操作达到他们的满意。这些结果表明，通过帮助最终用户了解系统的推理，智能代理引起更多更好的反馈，从而更紧密地对准其输出与每个用户的意图。 关键词 引荐人的心智模式;调试;音乐;个性化，智能代理; ACM分类关键词 H.5.m[信息接口和演示]：杂项; 绪论 智能代理已经超越了平凡的任务，如过滤垃圾邮件。现在搜索引擎利用模式识别来检测图像内容（例如，剪贴画，摄影，和面），Facebook和图像编辑这一步，是在受过教育地猜测某个特定的照片。Netflix和亚马逊使用协同过滤感兴趣的项目推荐给他们的客户，而Pandora和Last.fm使用类似的技术来创造制作个人特质口味的电台。简单的以规则为基础的代理系统已经发展成为采用复杂算法的系统。这些智能代理的计算机程序，其行为变得完全指定后，他们才学会最终用户的培训数据。因为这一时期在现场学习，当一个智能代理的推理不正确或意外导致它执行时，只有最终用户在一个更个性化的位置，或者更准确地说，调试代理的有缺陷的推理才能解决。调试，在这种情况下，是指用心，特意调整代理的推理（在初始培训之后），以便它更紧密地匹配用户的期望。最近的研究已经取得了进军以支持这种类型的功能[1,11,14,16]。调试，但是，甚至对于训练软件开发人员来说都可能是困难的，当他们无论是缺乏软件工程还是计算机知识学习，帮助最终用户这样做，均非易事。 在本文中，我们考虑有多少普通的最终用户为了调试它们可能需要了解这些代理商。之前的工作都集中在一个智能代理本身可以解释为最终用户[9,13,15,22,27,28]，以及最终用户可能会如何作用于这样的解释来调试他们的智能代理[1,11,14，16,24]。相比之下，本文考虑的是用户是否确实需要健全的心智模式，以及，心智模式是如何影响他们的尝试调试一个智能代理。为此，我们调查了四个研究问题： （RQ1）：可行性：最终用户是否可以快速建立和调用一个健全的心智模式的一个智能代理的操作？ （RQ2）：精度：最终用户的心理模型是否有调试一个智能代理的积极作用？ （RQ3）：信心：是否建立一个健全的心智模式一个智能代理，提高最终用户的计算机自我效能和降低电脑焦虑？ （RQ4）：用户体验：提供完善的一个智能代理经验的最终用户与相互作用的不健全的模型和用户的心理模型是否不同？ 为了回答这些研究的问题，我们调查了解释实证研究音乐推荐系统最终用户推理的影响。我们开发了一个原型，AuPair，让参与者设立广播电台，并做出调整，为他们选择的歌曲。一半的参与者收到推荐推理的详细解释，而另一半则没有。我们的论文的贡献是更好的了解用户的心理模型的智能代理行为是如何影响他们的能力来调试他们的个性化剂。 背景及相关工作 功能和结构的心智模式 心理模型的内部表示是人们根据他们的经验在现实世界中建立的。这些模型让人们理解，解释和预测现象，然后采取相应的行动[10]。心智模式的内容可以是概念，概念或事件之间的关系（如??因果关系，空间或时间的关系），及相关程序。例如，一个心智模式的电脑如何工作可能是因为它只是显示在键盘上键入和一些“记住”在电脑里面的东西。心理模型可以在不同的丰富的IT专业人士，例如，（理想情况下）更丰富的心理模型的计算机是如何工作的。 有两种主要的心智模式：功能（浅）模型意味着最终用户知道如何使用计算机而不是它是如何工作的细节，而结构（深）模型提供了一个详细的了解如何以及为什么它的工作原理。心智模式必须是声音（即，准确），足以支持有效的互动，已经观察到许多情况下不健全的心智模式，引导错误的行为[18]。 心理模型的完整性也很重要，尤其是当事情出差错，结构模型比功能模型更完整。虽然结构模型可以帮助某人处理意外的行为，并解决问题，但是一个纯粹的功能模型不提供可能需要抽象的概念[10]。知道如何使用计算机，例如，并不意味着你可以修复一个失败的电源。 要建立新的心智模式，用户应公开透明的制度和相应的说明[21]。脚手架的指令对于学习使用新的系统[20]做出了积极贡献，这已被证明是一种方法。然而，面临的挑战之一，就是心智模式，一旦建成，更是出奇地很难改变，即使当人们意识到矛盾的证据[28]。 智能代理的推理的心理模型 最近一直在支持智能代理的推理调试[1,11,13,14,16,2