学会信任：理解教育推荐系统中的编辑权威与信任

对推荐系统（RS）的信任通常利用用户感知的可信社交邻居的隐式或显式反馈以算法方式纳入，并使用用户报告的推荐项可信度进行评估。然而，现实生活中的推荐场景可能存在信任、权力和特权方面的群体差异。我们的研究考察了一种互补的信任视角，其依赖于 RS 应用领域中所有利益相关者的编辑权力关系与态度。我们设计了一个简单、基于第一性原理的编辑权威度量，即用户对推荐来源、否决权及纳入用户反馈的偏好，使得一个 RS 用户群体通过让渡或分配编辑权威而向另一群体赋予信任。在弗吉尼亚理工大学的一项混合方法研究中，我们调查了教师、助教和学生对编辑权威的偏好，并假设检验了其与针对假想“推荐阅读”RS 的算法信任之间的关系。我们发现，分配给学生更高的 RS 编辑权威，与课程 staff 分配给 RS 算法和学生的相对信任相关。我们还观察到，课程 staff 倾向于 RS 算法在来源与长期更新推荐方面拥有更高控制权。通过内容分析，我们讨论了 staff 频繁推荐的学生编辑角色，并强调了其常见理由，如感知专长、扩展学习环境、专业课程需求以及学习者脱离。我们认为，我们的分析凸显了关键的用户偏好，有助于检测编辑权力不对称，并识别支持教学与研究的 RS 用例。