Administração
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/1
Navegar
2 resultados
Resultados da Pesquisa
- Qual a voz e o tipo de discurso que os assistentes digitais precisam ter para influenciar mais?(2021) Martins, J. V D.A Alexa, da Amazon e a Siri, da Apple são alguns exemplos de como algoritmos matemáticos são colocados em produtos e serviços de fácil acesso à população. As vozes dessas IAs presentes no mercado são, predominantemente, femininas e com caráter assertivo. Esse trabalho investiga o gênero das vozes e dos tipos de discursos das IAs através de um experimento em um cenário de recomendação financeira e em um cenário de viagens. Os resultados sobre recomendações financeiras sugerem que o discurso tentativo é sempre mais mal avaliado em comparação ao assertivo. Além disso, o gênero feminino parece ser ponto-chave para entendimento dos resultados encontrados, pois as IAs femininas tentativas são avaliadas mais negativamente do que as IAs masculinas tentativas, tanto por homens, quanto por mulheres. Nota-se que as próprias mulheres são quem mais avaliam de maneira negativa as IAs femininas tentativas, em comparação aos homens. No cenário de viagens, as mulheres não veem diferença entre o gênero das IAs, nem entre o tipo de discurso das IAs. Os homens, no entanto, seguiram os esterótipos de gênero. Portanto, esse trabalho contribui para a literatura de computadores como atores sociais
- Como o processo de elicitação de preferências influencia a aceitação de recomendações de inteligência artificial(2020) Hirai, S. A.A adoção ou a aversão à uma recomendação proveniente de um algoritmo é um tema que desperta interesse nos pesquisadores de campos de conhecimentos tão diversos como inteligência artificial, sistemas de informação, marketing ou comportamento do consumidor. No entanto, poucos trabalhos empíricos sobre o comportamento dos indivíduos em relação aos algoritmos estão disponíveis na literatura e pouco se sabe sobre os motivos subjetivos que levam o consumidor a adotar ou rejeitar uma recomendação feita por um agente de inteligência artificial. Estudos apontam que a precisão do algoritmo poderia influenciar a aceitação, diferentes trabalhos indicam que o tipo de tarefa em que se enquadra a recomendação teria influência na aceitação. Porém estes estudos apresentaram uma certa ambiguidade nas conclusões e outros motivos poderiam levar a aceitação da recomendação. A exemplo de outras pesquisas, que apontam para a incompreensão da lógica interna do algoritmo que provocaria a rejeição da recomendação do algoritmo. Por outro lado, existe uma interação inicial entre o algoritmo e o usuário chamado de processo de elicitação de preferências (PEP), estágio pela qual o usuário informa suas preferências e necessidades utilizadas pelo algoritmo na preparação da recomendação, que pode influenciar a aceitação da recomendação. Estudos indicam que este processo de interação influencia a satisfação com a recomendação porque proporciona um sentimento de transparência e relevância na formulação da recomendação, cria uma expectativa de qualidade na recomendação e pode ajudar na compreensão da lógica interna do algoritmo. No entanto foram encontrados poucos experimentos que analisaram o PEP com a satisfação da recomendação e carece de novos estudos empíricos. Outro tema encontrado na literatura mas também pouco explorado refere-se a influência do conhecimento subjetivo sobre o domínio da recomendação na satisfação do usuário. Então o PEP influencia na satisfação com a recomendação? O conhecimento subjetivo do usuário atenua ou acentua a aceitação da recomendação? Dessa forma, os principais objetivos deste trabalho são estudar se o processo de elicitação de preferências (PEP) influencia a satisfação com a recomendação bem como se o conhecimento do indivíduo sobre o domínio da recomendação exerce uma influência na satisfação do consumidor. Para atingir estes objetivos, realizou-se um experimento exploratório que manipulou distintos PEPs, considerando o nível de conhecimento subjetivo sobre o domínio da recomendação. A análise do PEP isoladamente demonstrou efeitos marginalmente siginificativos, entretanto quando analisado em conjunto com o conhecimento sobre o domínio, os resultados indicam diferenças significativas na satisfação. Assim foi possível verificar a influência do PEP com o conhecimento subjetivo na satisfação do usuário. Portanto esta pesquisa exploratória contribuiu para a literatura não somente com novas aprendizagens sobre o processo de elicitação de preferências per se, mas também com novos estudos envolvendo o PEP e o conhecimento subjetivo sobre o domínio da recomendação. Ao mesmo tempo a pesquisa colabora com a prática no mundo corporativo, no sentido de trazer novas ideias para que empresas aprimorem seus PEPs em funcionamento ou desenvolvam novas estratégias que proporcionem uma maior satisfação para os consumidores