Detailansicht
The influence of conversational recommender systems on user trust
an experimental study
Laura Valentina Modre
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Robert Böhm
DOI
10.25365/thesis.79127
URN
urn:nbn:at:at-ubw:1-20197.64304.640761-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Als eine Anwendung von Künstlicher Intelligenz (KI) werden Conversational Recommender Systems (CRSs, „Dialog-basierte Empfehlungssysteme“) zunehmend in Online-Shopping Kontexten eingesetzt, um Nutzererfahrungen zu verbessern und dadurch Verkäufe zu steigern. Traditionell liegt der Evaluationsfokus primär auf technischen und funktionalen Aspekten. Darüber hinaus untersucht diese Studie den Zusammenhang von CRS-Interaktionen und Nutzer:innen Vertrauen. Insbesondere wird untersucht ob wahrgenommene Erklärbarkeit, Kontrollempfinden, und wahrgenommener Anthropomorphismus das Nutzervertrauen beeinflussen und ob Interaktionen mit CRSs im Vergleich zu nicht-Dialog-basierten Systemen einen positiven Effekt auf diese Einflussfaktoren haben. Diese Fragen wurden in einem Zwischensubjekt Experiment untersucht, bei dem 144 Teilnehmer:innen mit einem CRS oder einem baseline recommender system (BRS) auf einer simulierten E-Commerce-Plattform interagierten. Die zentralen Variablen wurden mittels Fragebogen erhoben. Die Ergebnisse der parallelen Mediationsanalyse zeigen, dass wahrgenommene Erklärbarkeit und Anthropomorphismus positiv mit Vertrauen assoziiert sind. Dabei gab es jedoch keine Gruppenunterschiede. Auffällig ist, dass Teilnehmende in der CRS-Bedingung über ein geringeres Kontrollempfinden berichteten, was einerseits auf ein Kontrollparadoxon oder auf Limitationen des Studiendesigns hinweisen kann. Keine der Mediationshypothesen war statistisch signifikant. Die Ergebnisse der Studie deuten darauf hin, dass Entwickler von Empfehlungssystemen – insbesondere von CRSs – auf eine Balance zwischen technischen und psychologisch fundierten Designelementen achten sollen. Implikationen für zukünftige Forschung sowie die Gestaltung von RSs unterstreichen daher die Bedeutung von interdisziplinärer Forschung, um sowohl technische als auch nutzerorientierte Aspekte zu optimieren.
Abstract
(Englisch)
Conversational recommender systems (CRSs) – as an application of artificial intelligence (AI) – are increasingly used in e-commerce to improve user experiences and thereby enhance sales conversions. Going beyond accuracy measures typically employed in CRS evaluations, this thesis investigates how CRS interactions can foster user trust in comparison to non-conversational systems. More specifically, this research investigates how perceived explainability, sense of control, and perceived anthropomorphism influence user trust and if CRSs have a positive effect on these antecedents. This was examined by employing a between-participants experimental design in which 144 participants interacted with either a CRS or a baseline recommender system (BRS) in a simulated e-commerce platform. The main variables were assessed using self-report data gathered through an online survey. Results from parallel mediation analysis show that perceived explainability and perceived anthropomorphism are positively associated with higher user trust, however, this was independent of the type of recommender system (RS). Notably, participants interacting with the CRS reported lower sense of control, suggesting either a control paradox or limitations in the study design. Additionally, none of the mediation hypotheses was significant. The results suggest that recommender system (RS) developers, particularly CRS developers, should carefully balance the integration of psychologically founded design features. Implications for future research and RS development therefore include exploring design strategies that optimize both technical and user-oriented aspects, highlighting the importance of interdisciplinary research.
Schlagwörter
Schlagwörter
(Deutsch)
Conversational Recommender Systems Vertrauen Künstliche Intelligenz E-Commerce
Schlagwörter
(Englisch)
Conversational Recommender Systems Trust Artificial Intelligence E-commerce
Autor*innen
Laura Valentina Modre 
Haupttitel (Englisch)
The influence of conversational recommender systems on user trust
Hauptuntertitel (Englisch)
an experimental study
Publikationsjahr
2025
Umfangsangabe
140 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Robert Böhm
AC Nummer
AC17626459
Utheses ID
77285
Studienkennzahl
UA | 066 | 840 | |