Empfehlungssysteme (RS) sind ein zentrales Mittel zur Unterstützung der Nutzer bei der Bewältigung der Informationsflut (z. B. beim Online-Shopping oder auf Streaming-Plattformen). Aktuelle RS vernachlässigen jedoch zwei wichtige Elemente bei der Modellierung von Nutzern und RS, was zu einem gegenseitigen Missverständnis führt: Erstens sind RS nicht in der Lage, die tatsächliche menschliche Entscheidungsfindung zu erfassen, die zur Auswahl bestimmter Artikel führt, und zweitens sind RS kaum in der Lage, die Gründe für Empfehlungen zu vermitteln. Vor dem Hintergrund dieser Herausforderungen konzentriert sich das Projekt auf Musikempfehlungen und zielt darauf ab, das Verständnis der menschlichen Entscheidungsfindung zu verbessern, die der Wahl von Musik in einem bestimmten situativen Kontext zugrunde liegt. Darüber hinaus zielt das Projekt darauf ab, das Verständnis der Nutzer für die Entscheidungen zu verbessern, die zur Empfehlung bestimmter (Sequenzen von) Tracks führen.
Dem Projektkonsortium gehören neben Eva Zangerle als Projektleiterin auch Markus Schedl (Johannes Kepler Universität Linz), Peter Knees (Technische Universität Wien), Marcel Zentner (Universität Innsbruck, Institut für Psychologie) und Michael Huber (Universität für Musik und darstellende Kunst Wien) an.
Das Projekt wird vom Österreichischen Wissenschaftsfonds (FWF) mit einem Budget von 600k Euro und einer Laufzeit von 36 Monaten finanziert.
Für weitere Informationen besuchen Sie bitte die Projektwebsite https://humrec.github.io/