En arméforskare vann nyligen ett pris för bästa papper vid Association for Computing Machines 26:e konferens om användarmodellering, Anpassning och personalisering för att upptäcka att de flesta inte kan skilja mellan att gilla ett användargränssnitt och att göra bra val.
Dr James Schaffer, Forskare från U.S. Army Research Laboratory stationerad vid ARL West, och hans medarbetare vid University of California, Santa Barbara, Drs. John O'Donovan och Tobias Höllerer, fick priset för bästa papper vid konferensen som hölls i juli vid Nanyang Technological University i Singapore.
Så, förbättrar teknologin verkligen vår beslutsförmåga?
Pappret, "Att skilja användarupplevelse från valtillfredsställelse, " tar upp denna fråga och främjar teorin som ligger till grund för utvärderingen av rekommendatorsystem, som är utformade för att hjälpa användare att göra bra val.
Enkelt uttryckt, rekommendationssystem är artificiellt intelligenta algoritmer som använder big data för att föreslå ytterligare produkter till konsumenter baserat på saker som tidigare inköp, demografisk information eller sökhistorik, till exempel. Tänk på funktionen "personer du kanske känner" som finns på många av dagens sociala medieplattformar.
I rekommendatorsystem, det har antagits att användare bildar mycket komplexa mentala modeller av användargränssnitt.
Detta återspeglas i nuvarande mätningar av användarupplevelsen, som framkallar subjektiva svar på ett brett spektrum av systemfunktioner.
Dock, ARL:s nya resultat motsäger detta antagande och visar till och med att en persons subjektiva tillfredsställelse med sina beslut starkt påverkas av deras kognitiva tillstånd och egenskaper.
"Användarupplevelse och valtillfredsställelse kan lätt blandas ihop när bra systemdesign skapar positiva känslor om en upplevelse, att på konstgjord väg få deltagarna att tro att bra beslut har fattats, ", sa Schaffer. "Detta kan leda till falska positiva situationer, där forskare kan anta att bra beslut fattas på grund av ett systems utseende eller användarvänlighet."
Författarna hämtade från historiskt arbete om kognition av lycka för att generera en mätstrategi som bättre kan redogöra för denna konflation.
Armén fortsätter att driva på för ökad modernisering av sina styrkor, med anmärkningsvärda ansträngningar inklusive Android Tactical Assault Kit och allokering av medel för forskning om nya AI- och maskininlärningsmetoder för att hjälpa lednings- och kontrollpersonal.
Rekommendationssystem och andra former av AI förväntas spela en nyckelroll i beslutsfattandet på slagfältet, men akademiska och företagsmässiga tillvägagångssätt för att designa sådana system misslyckas ofta när de övergår till slagfältet på grund av den ökade kostnaden för misslyckande.
"Den nuvarande teknikens ståndpunkt i rekommendatorsystem skulle sannolikt ha lett den amerikanska arméns modernisering i fel riktning, och resultaten från uppsatsen är en varning för att varje typ av subjektiv utvärdering görs vid, till exempel, militära övningar, sa Schaffer.
Schaffers forskning hjälper till att ligga till grund för utvärderingsstrategier som kan hjälpa armén att skilja mellan teknik som höjer prestanda och teknik som helt enkelt har en wow-faktor.
Faktiskt, denna forskning indikerar att vi borde se motsatsen:frustration från beslutsfattarnas sida betyder sannolikt att något håller på att åstadkommas.
Schaffer uttryckte sin tillfredsställelse med priset och menar att det visar löftet om initiativet Open Campus.
"Denna forskningsidé mognade bara på grund av chatt med en ARL -forskare från Human Research and Engineering Directorate, Dr Benjamin Files, vilket jag tycker verkligen belyser fördelen med ARL:s Open Campus-initiativ, ", sade Schaffer. "Detta papper var också bara möjligt på grund av ett samarbete med UCSB, vilket visar att bra saker händer när ARL samarbetar med externa universitet. Jag hade förmodligen inte haft den diskussion som belyste genomförbarheten av denna idé i en annan miljö. "
