没有合适的资源?快使用搜索试试~ 我知道了~
科学讲座2(2022)100014人工智能驱动的语音转文本和文本转语音技术能否限制感官和消费者研究中的面试官偏见Hester Kreuzen,Danielle Dull,Vera de Rover,Rignald SpanEyeQuestion软件,Nieuwe Aamsestraat 90D,6662NK Elst,荷兰A R T I C L E I N F O A B S T R A C T保留字:AISpeech-to-Text文本-to-Speech面试偏置消费者研究使用人类面试官的面试可用于调查产品评估,但它们可能会导致面试官偏见。语音到文本和文本到语音(StT &TtS)技术可以潜在地减少这些偏差。该研究比较了使用人类面试官或使用AI Powered StT TtS技术时面试官偏见的差异53名小组成员参与了两种情况:与人类访谈者的访谈和使用StT &TtS技术的调查。 在每种条件下,评估两种甜零食:常规变体(无健康声明)和新变体(相同的常规产品,但有健康声明),并询问小组成员他们的偏好。还评估了食物消费 新变体在人类访谈条件下的评分高于StT &TtS条件下的评分(p = 0.001),常规变体的评分无差异(p = 0.748)。在人类访谈条件下,新变体的评级高于(p=0.021)和更首选(p0.001)常规变体。<在StT TtS条件下未观察到这些效应(p=0.782和p=0.492)。食物消费行为评分在不同条件下无差异(p=0.685)。总之,在感官和消费者研究中使用人类采访者可能会导致采访者偏见,这种偏见可以通过使用语音到文本和文本到语音技术来限制本文的视频可以在j.sctalk.2022.100014上找到。https://doi.org/10.1016/图和表表1对应的问题,以及满意度得分的每个属性的最小和最大得分。这里显示的是用于计算满意度分数的不同属性。对于每个属性,给出了相应的问题以及最小和最大满意度分数属性问题最低分数最高分外观外观享乐量表(119气味气味特征量表(119味道味觉快乐量表(1+−19甜味(−2纹理质地快乐量表(1+−19柔度/刚度(−2回味回味快乐量表(1+−19余味强度<$(−2普遍意见总体喜好快乐量表(1+购买意向量表(1319+建议意向量表(1总体意见总分264通讯作者。电子邮件地址:danielle@eyequestion.nl(D. 沉闷)。h tt p://dx. 多岛或g/10。1016/j。我的天啊。20 22. 1 0 0 01 4接收日期:2022年1月31日;接收日期:2022年2月25日;接受日期:2022年3月3日27 7 2 - 56 93/©2022TheA ut hors. 由E lsevierL td提供。 这是CCBY许可证下的一项操作(http://creaitivecommons.com/)。或g/li ce ns s/by/4.0/)。可在ScienceDirect上获得目录列表科学讲座杂志首页:www.elsevier.es/sctalkH. Kreuzen等人科学讲座2(2022)1000142图1.一、 平均满意度得分±标准差为不同条件下对常规变量总体意见的默认偏差进行检验。这里显示的是在访谈和语音转文本和文本转语音(StT &TtS)条件下,对常规变量的总体意见的平均满意度得分± SD。两种情况的满意度评分无显著差异(p = 0.748)。图二、在不同条件下对“新”变体的总体意见的平均满意度得分± SD来检验默许偏差。这里显示的是在访谈和语音转文本和文本转语音(StTTtS)条件下对“新”变体的总体意见的平均满意度得分± SD&。访谈条件下的满意度评分显著高于StT &TtS条件(p= 0.001)。图3.第三章。 在Speech-to-Text &Text-to-Speech条件下,不同产品的总体意见的平均满意度得分± SD,以测试健康声明的效果。此处显示的是在语音转文本和文本转语音条件下,“新”产品和常规产品的总体意见的平均满意度得分± SD&。两种产品的满意度评分无显著差异(p= 0.782)。6050403020100StT Tts采访条件P = 0.001*6050403020100StT Tts采访条件6050403020100新定期产品平均总体满意度评分平均总体满意度评分平均总体满意度评分H. Kreuzen等人科学讲座2(2022)1000143图四、在访谈条件下,不同产品的总体意见的平均满意度得分± SD,以测试健康声明的效果。这里显示的是在访谈条件下对“新”产品和常规产品的总体意见的平均满意度得分± SD。新产品的满意度评分显著高于常规产品(p = 0.021)。图五、小组成员在两种不同的语音转文本和文本转语音条件下选择“新”产品和常规产品的频率,以测试社会期望偏差和健康声明的影响。此处显示的是Speech-to-Text和Text-to-Speech条件的小组成员为预期模型(基于机会)和观察模型选择“新”和常规产品的频率。预期模型和观察模型之间无显著差异(p= 0.492)。见图6。在两种不同的访谈条件下,小组成员选择“新“产品和常规产品的频率,以测试社会期望偏差和健康声明的影响。这里显示的是访谈条件下的小组成员为预期模型(基于机会)和观察模型选择“新”和常规产品的频率。 观察模型与预期模型显著不同(p = 0.000)。*6050403020100p =0.021新定期产品706050403020100预计观察到模型新常态新规律706050403020100p=0*.000预期观察值模型新常态新规律频率频率平均总体满意度评分H. Kreuzen等人科学讲座2(2022)1000144表2相应的问题,以及不健康评分的最低和最高分数。这里显示的是用于计算不健康分数的不同问题,以及最小和最大不健康分数。根据答案选项,量表的范围从低到高或从高到低。最低分代表最健康的答案选项,最高分代表最不健康的答案选项。问题最低分数最高分甜食食用频率(1+642食用香料的频率(1+水果和蔬菜的食用频率(9+健康的重要性(1+维生素和矿物质的重要性(5+低脂肪和糖的重要性(5图7.第一次会议。不同条件下的平均不健康评分± SD,以检验社会期望偏差。此处显示的是语音转文本和文本转语音(StT &TtS)条件和访谈条件的平均不健康评分±SD。两种情况下的不健康评分无显著差异(p= 0.685)。CRediT作者声明HesterKreuzen:方法论,软件,调查,形式分析,写作-原始草稿,可视化。软件,超级视觉,写作&Vera de Rover:Software,Supervision,Writing&Rignald Span:概念化,软件,写作&-评论编辑。致谢我们要感谢来自EyeQuestion Software的软件开发人员,他们实现了语音转文本和文本转语音技术。这项研究没有从公共,商业或非营利部门的资助机构获得任何特别资助。申报利益作者声明,他们没有已知的竞争性经济利益或个人关系,可能会影响本文报告的工作。进一步阅读[1] M.F. 霍尔,病人满意还是默许? 比较邮件和电话调查的结果,J.保健市场。15(1)(1995)54-61。[2] I. Krumpal,敏感调查中社会 期望 偏差 的决定因素: 文献 综述 , Qual。 Qant.47(4)(2011)2025- 2047,https:/ / d o i. org/10.1007/s11135-011-9640-9。[3] P.J. Lavrakas, Response bias , Encyclopedia of Survey Research Methods , 2008 ,Retrieved from ro m:ht tps://d oi. 或g/10。41 35/9 7 8 14 1 2 9 6 3 9 4 7. n48 6.[4] S. Sabbe,W.韦贝克河德利扎河谷Matta,P. Van Damme,健康声明和个人特征对消费者接 受不同浓度 的açaí (Euterpe oleracea Mart. )果 汁的影响 ,Appetite 53(1)(2009)84 https://doi.org/10。1016/j.appet.2009.05.014。HesterKreuzen在阿姆斯特丹大学学习大脑和认知。她对认知偏见以及这些偏见如何影响研究结果特别感兴趣。她的另一个兴趣是将科学见解应用于商业和社会。302520151050StT Tts采访条件平均不健康评分
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- WebLogic集群配置与管理实战指南
- AIX5.3上安装Weblogic 9.2详细步骤
- 面向对象编程模拟试题详解与解析
- Flex+FMS2.0中文教程:开发流媒体应用的实践指南
- PID调节深入解析:从入门到精通
- 数字水印技术:保护版权的新防线
- 8位数码管显示24小时制数字电子钟程序设计
- Mhdd免费版详细使用教程:硬盘检测与坏道屏蔽
- 操作系统期末复习指南:进程、线程与系统调用详解
- Cognos8性能优化指南:软件参数与报表设计调优
- Cognos8开发入门:从Transformer到ReportStudio
- Cisco 6509交换机配置全面指南
- C#入门:XML基础教程与实例解析
- Matlab振动分析详解:从单自由度到6自由度模型
- Eclipse JDT中的ASTParser详解与核心类介绍
- Java程序员必备资源网站大全
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功