Explicando las recomendaciones de filtrado colaborativo

Los sistemas automatizados de filtrado colaborativo (ACF) predicen la afinidad de una persona por ítems o información al conectar los intereses registrados de esa persona con los intereses registrados de una comunidad de personas y compartir calificaciones entre personas con gustos similares. Sin embargo, los sistemas recomendadores actuales son cajas negras, sin ofrecer transparencia sobre el funcionamiento de la recomendación. Las explicaciones proporcionan esa transparencia, exponiendo el razonamiento y los datos detrás de una recomendación. En este artículo, abordamos las interfaces de explicación para sistemas ACF: cómo deberían implementarse y por qué deberían implementarse. Para explorar el cómo, presentamos un modelo de explicaciones basado en el modelo conceptual del usuario sobre el proceso de recomendación. Luego presentamos resultados experimentales que demuestran qué componentes de una explicación son los más convincentes. Para abordar el por qué, presentamos evidencia experimental que muestra que proporcionar explicaciones puede mejorar la aceptación de los sistemas ACF. También describimos algunas exploraciones iniciales para medir cómo las explicaciones pueden mejorar el rendimiento de filtrado de los usuarios.