[論文レビュー] Intelligent Notification Systems: A Survey of the State of the Art and Research Challenges

Abhinav Mehrotra, Mirco Musolesi|arXiv (Cornell University)|Nov 28, 2017

Personal Information Management and User Behavior参考文献 92被引用数 18

ひとこと要約

本調査は、ユーザーの状況と行動モデリングを活用してお知らせのタイミングを最適化し、混乱を軽減する知能的なお知らせシステムについて包括的な分析を提供する。センサーに基づく状況認識と機械学習を統合してユーザーの中断可能性を予測することで、受容性を向上させ、タスクパフォーマンスやユーザーの感情状態への悪影響を最小限に抑える。

ABSTRACT

Notifications provide a unique mechanism for increasing the effectiveness of real-time information delivery systems. However, notifications that demand users' attention at inopportune moments are more likely to have adverse effects and might become a cause of potential disruption rather than proving beneficial to users. In order to address these challenges a variety of intelligent notification mechanisms based on monitoring and learning users' behavior have been proposed. The goal of such mechanisms is maximizing users' receptivity to the delivered information by automatically inferring the right time and the right context for sending a certain type of information. This article provides an overview of the current state of the art in the area of intelligent notification mechanisms that relies on the awareness of users' context and preferences. More specifically, we first present a survey of studies focusing on understanding and modeling users' interruptibility and receptivity to notifications from desktops and mobile devices. Then, we discuss the existing challenges and opportunities in developing mechanisms for intelligent notification systems in a variety of application scenarios.

研究の動機と目的

• タスクパフォーマンスやユーザーのウェルビーイングに悪影響を及げる破壊的なモバイルお知らせの増加という問題に対処する。
• 現在の通知システムがユーザーのリアルタイムの状況や中断可能性に適応できないという限界を特定する。
• センサーデータと行動パターンを用いてユーザーの受容性をモデリングする最新のアプローチを調査する。
• 生態的妥当性と一般化可能性を確保するため、大規模かつ現実世界での評価の必要性を強調する。
• 多様なデバイスや状況において、適応的でユーザー中心の通知システムを設計する上で残された課題を概説する。

提案手法

• モバイルおよびデスクトップデバイスからのデータを用いて、ユーザーの中断可能性と受容性に関する研究を体系的にレビューする。
• 身体的および認知的状況（例：行動、位置、デバイス使用状況）を用いて最適な配信時刻を推定する状況認識通知メカニズムを分析する。
• 通知の種別を発信元（人間または機械生成）およびユーザーの状況に対する関連性に基づいて分類する。
• 自然な状況下で実際のユーザーから収集されたオフラインデータセットを用いて、中断可能性予測モデルを評価する。
• 大規模な研究（例：Sahami et al., 2014; Mehrotra et al., 2015）の知見を統合し、現実世界のユーザー行動を評価する。
• ユーザーのインタラクションから学び、配信戦略を動的に調整できる適応的システムの必要性を提言する。

実験結果

リサーチクエスチョン

• RQ1 モバイルおよびデスクトップ環境において、ユーザーの通知受容性に顕著に影響を与える状況的要因は何か？
• RQ2 現在の知的お知らせシステムは、センサーに基づく状況を用いてユーザーの中断可能性をどのようにモデリング・予測しているか？
• RQ3 既存の中断可能性予測モデルの主な限界は何か、特に生態的妥当性とスケーラビリティの観点から。
• RQ4 通知の種別（例：ソーシャル、プロモーション、システムアラート）は、ユーザーの受容性および無視行動にどのように影響するか？
• RQ5 多様なユーザーのデモグラフィックや社会的状況において、知的お知らせシステムを大規模に展開する上で直面する未解決の課題は何か？

主な発見

• 不適切なタイミングでお知らせが配信されると、進行中のタスクが著しく妨げられ、ユーザーの感情状態にも悪影響を及える。
• ユーザーはしばしば関係のない、または興味のわかないお知らせ（例：アプリ更新、ゲーム招待）を無視するため、緊急でないアラートに対する受容性が低い。
• 現在の中断可能性モデルは主にオフラインで評価されており、現実世界での妥当性と頑健性に制限がある。
• 多様な集団や環境において予測モデルを検証するため、大規模かつ現実世界での展開の必要性が強い。
• 既存のシステムは認知的および身体的状況を十分に考慮していないため、最適でない通知タイミングとなり、ユーザーの不快感を招く。
• 状況推論と適応的学習メカニズムを統合することで、通知の効果性とユーザー体験が著しく向上する。