Empfehlungssysteme sind ein alltäglich gewordenes Werkzeug, welches Nutzer im Internet dabei unterstützt, aus der immensen Vielfalt von Produkten, Filmen, Urlaubsangeboten etc. automatisiert jene zu finden, die den eigenen Präferenzen bestmöglich entsprechen. Auf der anderen Seite des Spektrums existieren jedoch auch unzählige manuelle Filtermechanismen, etwa facettierte Filterung, wie sie von vielen Webshops zur weiteren Eingrenzung der Suchergebnisse auf das gewünschte Produkt bekannt ist. Ungeachtet der zahlreichen Möglichkeiten wurde bislang kaum untersucht, wann Nutzer eigentlich welches dieser Instrumente bevorzugen um ihr Suchziel zu erreichen. Mutmaßlich spielen hier verschiedene Einflussfaktoren mit hinein, beispielsweise die Domänenkenntnis des Nutzers aber auch der Grad, zu dem er sich seines Suchziels überhaupt bewusst ist.

In dieser Abschlussarbeit soll dementsprechend der Einfluss solcher Faktoren auf das Verhalten der Nutzer untersucht werden, d.h. ob, und wenn ja wann, sie sich von einem Empfehlungssystem leiten lassen oder aber selbst aktiv werden um die Ergebnisse weiter einschränken. Hiervon ausgehend ist es das Ziel, ein Modell aufzustellen, welches es erlaubt, genau solche Übergänge zwischen der Nutzung von Empfehlungs- und Filtermethoden vorherzusagen. In Folge könnten dem Nutzer künftig etwa proaktiv vom System die zu seiner aktuellen Situation passenden Instrumente angeboten werden.

Im Rahmen der Arbeit soll zunächst ein vom Lehrstuhl bereitgestelltes Empfehlungssystem derart erweitert werden, dass sich die Forschungsfrage adäquat in einer Nutzerstudie bearbeiten lässt. Hierbei sollen die Empfehlungs- und Filtermechanismen in unterschiedlichen Integrationsgraden implementiert werden: Beispielsweise können die Empfehlungen innerhalb einer gefilterten Liste zusätzlich hervorgehoben werden, aber auch eine Sortierung gemäß der Passung zu den persönlichen Präferenzen erscheint denkbar. Die anschließende Konzeption, Durchführung und Auswertung der Nutzerstudie sind ebenso Inhalt dieser Abschlussarbeit wie die darauffolgende Ableitung des Vorhersagemodells.

Für die Arbeit sind Programmierkenntnisse und Kenntnisse in der Durchführung und Auswertung empirischer Studien notwendig. Der Besuch der Vorlesung „Recommender Systeme“ ist von Vorteil, aber nicht verpflichtend. Sollten Sie Interesse an dieser Arbeit haben, nehmen Sie bitte Kontakt mit Benedikt Loepp auf (unter Beifügung eines aktuellen Notenspiegels).