Psihologija priporočenih vsebin
Psihološka spoznanja so dandanes vključena v različna področja, kjer je razumevanje vedenja in človeških psiholoških značilnosti pomembno za načrtovanje aktivnosti. Aktivnosti so lahko vezane na vsakdanje življenje posameznikov, lahko pa se povezujejo tudi s specifičnimi področji dela, kjer je znanje o psiholoških značilnostih in vedenjih posameznika pomembno za oblikovanje ponudbe, prodajo izdelkov ali promocijo storitev. Eno takšnih področij, kjer psihološka spoznanja uporabljajo v namene izboljšanja storitev, so tudi priporočilni sistemi, ki na podlagi zbranih informacij o uporabnikih predvidevajo njihove odločitve (Leskovec, Rajaraman in Ullman, 2020). Primer takšnih sistemov so spletni časopisi, ki bralcu predlagajo druge zanimive vsebine, spletne trgovine, ki kupcu predlagajo nakup določenih izdelkov, ali aplikacije za predvajanje glasbe, ki uporabnikom stalno predlagajo nove skladbe in izvajalce. Strokovnjaki s področja računalništva poskušajo v priporočilne sisteme vključiti psihološke značilnosti posameznikov, saj upoštevanje značilnosti omogoča boljše napovedovanje vedenja uporabnikov in posledično boljšo uporabniško izkušnjo (Nalmpantis in Tjortijs, 2017). V tem članku bova predstavila uporabnost psiholoških znanj v priporočilnih sistemih in navedla izsledke raziskav, ki so preučevale povezavo med osebnostnimi lastnostmi in vedenji, ki so relevantna za priporočilne sisteme.
Kaj so priporočilni sistemi in kje se uporabljajo?
V spletnih okoljih in aplikacijah priporočilni sistemi vključujejo različne algoritme, ki zbirajo informacije o uporabnikih, na podlagi katerih poskušajo prilagoditi uporabniško izkušnjo (Nalmpantis in Tjortijs, 2017). Priporočilni sistemi uporabniku pomagajo in ga vodijo v procesu iskanja uporabnih informacij (Nalmpantis in Tjortijs, 2017). Prva skupina priporočilnih sistemov temelji na vsebini, pri čemer je potrebno analizirati lastnosti predlaganih izdelkov oziroma storitev (Leskovec idr., 2020). Primer takšnega sistema je aplikacija za poslušanje glasbe, kjer bo posamezniku, ki je v preteklosti poslušal veliko klasične glasbe, priporočenih več skladb enake zvrsti. Na drugi strani so priporočila osnovana na podlagi podobnosti med uporabniki ali produkti, kar predstavlja drugo vrsto priporočilnih sistemov (Leskovec idr., 2020). V tem primeru je uporabniku predlagano tisto, kar je priljubljeno pri podobnih uporabnikih, torej pri tistih, ki so, na primer, v preteklosti poslušali enake skladbe, si ogledali enake filme ali kupili enak izdelek.
Leskovec idr. (2020) navajajo več različnih možnosti uporabe priporočilnih sistemov. Uporablja se jih lahko pri spletnem nakupovanju, kjer prodajalci na podlagi predhodnih iskanj uporabnika, preteklih nakupov ali informacij o nakupih podobnih uporabnikov, predlagajo izdelke, ki bi kupca lahko zanimali. S tem zagotovijo, da so potencialnim kupcem predstavljeni izdelki, ki bodo zanje bolj zanimivi in jih bodo z večjo verjetnostjo kupili. Prav tako se takšni sistemi uporabljajo na spletnih platformah ali aplikacijah za ogled filmov in serij, kjer so uporabnikom predlagani filmi ali serije, ki bi jim lahko bile všeč. Priporočila so največkrat osnovana na ocenah, ki so jih za posamezno vsebino podali drugi uporabniki, hkrati pa se pri izoblikovanju priporočil lahko upošteva tudi režiser filma, glavni igralci in tematika. Podobno delujejo tudi spletne strani, kjer so zbrane novice in članki. V tem primeru se na osnovi prebranih člankov in vključenih ključnih besed poskuša identificirati druge članke, ki bi bili za bralca zanimivi. Na enak način so uporabnikom predlagani tudi blogi, videi in druge vsebine na straneh, kjer so uporabniku vedno na voljo nove tematike.
Vloga psihologije v priporočilnih sistemih
Zgolj na podlagi prej omenjenih objektivnih informacij, ki vključujejo podatke, kot sta zgodovina brskanja ali pregledovanje vsebin, ne moremo vedno ustvariti dobrih priporočil za uporabnike (McNee, Riedl in Konstan, 2006; v Nalmpantis in Tjortjis, 2017). Posledično se vedno pogosteje pri oblikovanju spletnih priporočil upošteva tudi informacije o posameznikovih osebnostnih lastnostih. Osebnostne lastnosti predstavljajo preprost način za opisovanje tipičnega vedenja posameznika, hkrati pa nam lahko pomagajo tudi pri napovedovanju posameznikovega vedenja (Christiansen in Tett, 2013).
Iskanje povezav med osebnostnimi lastnostmi in preferencami uporabnikov predstavlja podlago za oblikovanje priporočilnih sistemov, ki bodo bolj prilagojeni uporabnikom in njihovim osebnostnim lastnostim. Na podlagi pridobljenih podatkov o posameznikovih osebnostnih lastnostih lahko prilagajamo samo vsebino, raznolikost in novost predlogov. Pristopi, kjer so bila priporočila osnovana na osebnostnih lastnostih, so se izkazali za bolj natančne in so podajali bolj ustrezne predloge kot pristopi, kjer so bila priporočila oblikovana na podlagi ocen izdelkov oziroma vsebin (Tkalčič in Chen, 2015; v Karumur, Nguyen in Konstan, 2018).
Povezanost z osebnostnimi lastnostmi
V povezavi s preferencami posameznikov glede priporočil se je v preteklosti pogosto preučevalo velikih pet osebnostnih lastnosti, ki vključujejo ekstravertiranost, sprejemljivost, vestnost, odprtost in čustveno stabilnost (Goldberg, 1990). Nguyen, Harper, Teryeen in Konstan (2018) so v svoji raziskavi preučevali povezanost med osebnostnimi lastnostmi in želeno stopnjo raznolikosti predlaganih filmov. Raznolikost se nanaša na stopnjo različnosti predlogov, merimo pa lahko tudi, kako različni so predlogi od tistih vsebin, ki jih posameznik običajno spremlja. Preučevali so popularnost predlogov, ki opisuje, kako pogosta so priporočila med uporabniki. Ekstravertirani posamezniki, za katere so, nasprotno od introvertiranih posameznikov, značilni visoki nivoji energije in aktivnost, zgovornost ter želja po druženju (Goldberg, 1990), so imeli raje manj raznolike sezname. Bolj introvertirani posamezniki so bili bolj zadovoljni z raznolikimi predlogi. Visoko vestni posamezniki, za katere je značilna organiziranost, natančnost in zanesljivost (Goldberg, 1990), so raje izbirali predloge, ki so bili manj raznoliki, manj vestni pa predloge, ki so bili bolj raznovrstni. Sezname predvajanja, ki vključujejo popularne vsebine, so raje izbirali udeleženci, za katere je značilen visok dosežek na dimenziji čustvene stabilnosti, ki opisuje dobro uravnavanje svojih čustev (Goldberg, 1990). Introvertirani posamezniki so bili bolj zadovoljni s seznami predvajanj brez popularnih vsebin. Pomembne povezave so odkrili tudi med dimenzijo odprtosti, ki zajema intelektualnost, inteligentnost, ustvarjalnost ter radovednost (Goldberg, 1990), in željo po poznanih vsebinah. Nižja odprtost se je povezovala s preferenco za sezname predvajanja, ki vsebujejo poznane vsebine. S predlogi, ki so se od njihovega običajnega nabora bolj razlikovali, so bili izrazito manj zadovoljni. Višja odprtost za izkušnje se ni povezovala z višjo preferenco za raznolikost priporočil, temveč so bili v vseh pogojih enako zadovoljni s ponujenimi predlogi. Z dimenzijo sprejemljivosti, za katero je značilna toplina, sprejemanje drugih posameznikov, prizadevanje za prijateljske odnose in dobro sodelovanje (Goldberg, 1990), niso odkrili specifičnih povezav. Chen, Wu in He (2013) pa so v svoji raziskavi pokazali, da se z željo po raznolikosti predlogov v največji meri povezuje vestnost, in sicer se višja stopnja vestnosti odraža v želji po nižji raznolikosti, kar je skladno tudi z raziskavo Nguyen idr. (2018).
Osebnostne lastnosti igrajo pomembno vlogo tudi pri izboru oziroma všečnosti glasbe in glasbenih zvrsti (Rentfrow in Gosling, 2003). Z raziskovanjem povezav med osebnostnimi lastnostmi in okusi za glasbo lahko proizvajalci aplikacij izboljšajo uporabniško izkušnjo tako, da v sezname predvajanja, ki jih oblikujejo za uporabnike, v večji meri vključujejo zvrsti, ki naj bi jih posameznik raje poslušal glede na svoje osebnostne lastnosti. Rentfrow in Gosling (2003) sta v svoji raziskavi pokazala, da naj bi posamezniki, ki so bolj odprti za nove izkušnje, pogosteje poslušali jazz, blues in klasično glasbo, z odprtostjo pa naj bi se povezovala tudi intenzivna glasba, ki zajema alternativno zvrst, rock in metal glasbo. Konvencionalno glasbo, kot sta country in pop, naj bi raje poslušali ekstravertirani, sprejemljivi in vestni posamezniki. Manj priljubljena je med tistimi, ki se uvrščajo visoko na dimenziji odprtosti, saj naj bi se posamezniki, ki poslušajo takšno glasbo, držali splošno veljavnih norm in bili manj odprti za nove izkušnje. Energični ritmi, kot so soul, rap in elektronska glasba, so se pokazali kot pozitivno povezani z ekstravertiranostjo in sprejemljivostjo (Rentfrow in Gosling, 2003).
Priporočilni sistemi se pogosto uporabljajo tudi za priporočanje filmskih vsebin, pri čemer naj bi se pogostost izbire določenega žanra povezovala z osebnostnimi lastnostmi. Chausson (2010) je pokazala, da bolj odprti posamezniki raje gledajo komedije in fantazijske filme, vestni posamezniki pogosteje izberejo akcijske filme, čustveno manj stabilni posamezniki pa si raje ogledajo romantične filme. Karmur idr. (2018) po drugi strani navajajo, da bolj odprti posamezniki raje gledajo drame in romantične filme, manj odprti posamezniki pa pustolovščine, fantazijske filme in trilerje. Visoko vestni posamezniki pogosteje izbirajo romantične filme, nizko vestni pa akcijske filme in trilerje. Introvertirani posamezniki v primerjavi z ekstravertiranimi pogosteje izbirajo romantične filme. Manj čustveno stabilni posamezniki si v primerjavi z bolj čustveno stabilnimi posamezniki raje izberejo akcijske, pustolovske, fantazijske filme in trilerje, bolj čustveno stabilni pa si raje ogledajo komedije in romantične filme. Izsledki študij, ki preučujejo povezavo med osebnostnimi lastnostmi in preferenco za filme, so torej nedosledni in si v nekaterih primerih celo nasprotujejo. Možno je, da so razlike posledica različnih metod, ki so jih avtorji uporabili pri določanju preferenc za žanre filmov. Chausson (2010) je podatke o preferencah žanrov pridobila iz Facebook profilov uporabnikov, kjer so uporabniki pod svoja zanimanja dodali filme, ki so si jih v preteklosti ogledali in so jim bili všeč. Filmi so bili nato pregledani, vsak od njih pa je bil umeščen v enega od možnih žanrov. Karmur idr. (2018) so podatke zbirali s pregledom zgodovine ogledov filmov na spletni platformi, ki je namenjena ogledu filmov. Filme, ki so zajemali več različnih žanrov, so uvrstili v vse možne kategorije in ne zgolj v eno samo, s čimer so preference uporabnikov, v primerjavi z Chausson (2010), bolj natančno opisali. Razlike v metodah zbiranja podatkov, predvsem pa v natančnosti vrednotenja žanrov filmov, so lahko povzročile omenjene razlike v ugotovitvah povezav med osebnostnimi lastnostmi in priljubljenimi žanri filmov. Pri interpretaciji rezultatov in uporabi rezultatov v priporočilnih sistemih je zato pomembno pridobivanje informacij iz različnih virov, hkrati pa je pomembno tudi kritično vrednotenje uporabljenih metod in postopkov.
Zaključek
Psihološka spoznanja s področja osebnostnih lastnosti in vloge le-teh v vedenjih, ki so povezana s priporočilnimi sistemi, omogočajo bolj natančne in relevantne predloge. Prilagajanje priporočilnih sistemov v takšni meri je pomembno, saj naj bi računalniki vedno delovali z in za ljudi (Nalmpantis in Tjortjis, 2017). To lahko dosežemo zgolj s kontinuiranim preučevanjem lastnosti in vedenja ljudi. Prikazane raziskave predstavljajo dobro izhodišče za razmislek o možnih razsežnostih prilagajanja priporočilnih sistemov in vključevanju psihologije v računalniško znanost, vseeno pa je na tem področju še veliko možnosti za nadaljnje raziskovanje, s čimer bi dobili še boljši vpogled v povezanost osebnostnih lastnosti in vedenja uporabnikov v spletnem okolju. Obenem raziskovanje uporabe osebnostnih lastnosti v priporočilnih sistemih sproža tudi razmislek o etičnosti zbiranja podatkov uporabnikov. Po eni strani zbiranje podatkov o uporabniku in njegovih preferencah omogoča boljšo uporabniško izkušnjo, po drugi strani pa je vprašljivo, v kolikšni meri so uporabniki zares seznanjeni s postopki zbiranja podatkov, ki zajemajo vzorce njihovega vedenja v spletnih okoljih. Hkrati lahko pretirano prilagajanje vsebin ustvari okolje, znotraj katerega bodo uporabniku predstavljene zgolj vsebine, ki naj bi ustrezale njegovim značilnostim in zanimanjem. Meniva, da je pri implementaciji priporočilnih sistemov potreben temeljit premislek o razsežnostih prilagoditev, saj bi se lahko uporabniki hitro ujeli v past, ki bi jim onemogočala seznanjanje z različnimi vidiki vsebin. Brali, poslušali in raziskovali bi zgolj tisto, kar ustreza njihovim prepričanjem in preferencam, zanemarjeni pa bi bili drugačni pogledi in izkušnje, ki bi izzvali njihova lastna prepričanja in ki posameznikom v družbi omogočajo kritično presojanje.
Literatura
Chausson, O. (2010). Assessing the impact of gender and personality on film preferences. Cambridge University.
Chen, L., Wu, W., in He, L. (2013). How personality influences users’ needs for recommendation diversity?. CHI 2013 Extended abstracts, 829–834.
Christiansen, N., in Tett, R. (ur). (2013). Handbook of personality at work. New York, NY: Routledge.
Goldberg, L. R. (1990). An alternative” description of personality”: the big-five factor structure. Journal of personality and social psychology, 59(6), 1216.
Karumur, R. P., Nguyen, T. T., in Konstan, J. A. (2018). Personality, user preferences and behavior in recommender systems. Information Systems Frontiers, 20(6), 1241–1265.
Leskovec, J., Rajaraman, A., in Ullman, J. D. (2020). Mining of massive data sets. Cambridge university press.
Nalmpantis, O., in Tjortjis, C. (2017). The 50/50 recommender: a method incorporating personality into movie recommender systems. International Conference on Engineering Applications of Neural Networks (str. 498–507). Springer, Cham.
Nguyen, T. T., Harper, F. M., Terveen, L., in Konstan, J. A. (2018). User personality and user satisfaction with recommender systems. Information Systems Frontiers, 20(6), 1173–1189.
Rentfrow, P. J., in Gosling, S. D. (2003). The do re mi’s of everyday life: the structure and personality correlates of music preferences. Journal of personality and social psychology, 84(6), 1236.
