synaptiq.art

Recenzija literature seminarskog rada: Personalizacija odgovora u konverzacijskim AI sustavima: između korisničkog iskustva i etičkih izazova

Proces izrade seminarskog rada

  1. 1. Istraživanje
  2. 2. Recenzija literature
  3. 3. Sinteza istraživanja
  4. 4. Kritička rasprava ×3
  5. 5. Nacrt rada
  6. 6. Recenzija nacrta
  7. 7. Seminarski rad

1. Sažetak recenzije

Dosje je sadržajno širok i u većini ključnih odjeljaka pravilno razlikuje korisničko iskustvo, tehničke metode, privatnost, pristranost i transparentnost. Najjači su dijelovi koji se oslanjaju na izvorne radove o personaliziranom dijalogu, implicitnom modeliranju persone, interakcijskim stilovima, persona-pristranosti, zaštiti podataka i upravljanju rizicima. ([aclanthology.org](https://aclanthology.org/2024.lrec-main.1192.pdf))

Glavni problemi nisu u izboru teme, nego u dokaznom lancu: nekoliko tvrdnji nadilazi ono što izvor pokazuje, jedna je ključna tvrdnja o eksperimentu s filmskim preporukama u suprotnosti s nalazom rada, izvor Li i suradnika bibliografski je pogrešno naveden, a više citiranih radova nije uneseno u popis literature. Regulativne tvrdnje treba vezati uz točne članke i vremenski status propisa na dan 5. kolovoza 2026. ([doi.org](https://doi.org/10.1145/3544548.3580656))

2. Status dijelova dokumenta

  • U OPSEGU: odjeljci 1–12 i odjeljak 14, jer sadrže definicije, empirijske nalaze, pripisane stavove, metodološke tvrdnje, pravne tvrdnje i tvrdnje o tome što navedeni izvori pokazuju.
  • STRUKTURNA DODJELA: odjeljak 13, gdje se izvori i teme dodjeljuju budućim poglavljima bez samostalne tvrdnje o svijetu. U statistiku tvrdnji ulazi 10 strukturnih dodjela.
  • IZVAN OPSEGA: odjeljak 12 u dijelu u kojem samo postavlja otvorena istraživačka pitanja bez tvrdnje; odjeljak 15 kao radni bibliografski popis i tragovi pretraživanja. Bibliografske jedinice iz odjeljka 15 ipak su provjerene zasebno.

3. Popis atomiziranih tvrdnji

  1. 1. [C] [DEFINICIJA] Personalizacija odgovora obuhvaća prilagodbu korisniku, kontekstu, povijesti interakcija, preferencijama, stilu i procijenjenom afektivnom stanju. [I1]
  2. 2. [C] [EMPIRIJSKI NALAZ] Literatura o personaliziranom dijalogu obuhvaća personu agenta te eksplicitne i implicitne korisničke signale. [I1]
  3. 3. [C] [EMPIRIJSKI NALAZ] Personalizacija može poboljšati relevantnost, prirodnost, kvalitetu interakcije i zadovoljstvo, ali ne postoji dovoljno dokaza da je personalizirani odgovor općenito bolji od generičkog.
  4. 4. [C] [EMPIRIJSKI NALAZ] Učinak personalizacije ovisi o zadatku, korisniku, vrsti personalizacije, količini podataka, objašnjenju i korisničkoj kontroli.
  5. 5. [C] [DIDAKTIČKA NAPOMENA] Personalizacija povećava površinu za privatnosne povrede, profiliranje, stereotipizaciju, manipulaciju i pogrešnu atribuciju sposobnosti sustavu.
  6. 6. [C] [DEFINICIJA] Personalizacija odgovora obuhvaća prilagodbu sadržaja, tona, duljine, razine objašnjenja, inicijative i emocionalnog stila. [I1]
  7. 7. [C] [DEFINICIJA] Personalizacija se može provoditi na razini podataka, korisničkog modela, memorije, konteksta, generiranja odgovora ili modela. [I1, I6]
  8. 8. [C] [EMPIRIJSKI NALAZ] Personalizacija može povećati relevantnost i doživljenu kvalitetu, ali učinak nije stabilan među populacijama i domenama. [I4, I8, I10]
  9. 9. [C] [DEFINICIJA] Zadovoljstvo nije jedinstvena mjera, nego obuhvaća relevantnost, razumijevanje, učinkovitost, izvršenje zadatka, zanimljivost i emocionalni doživljaj. [I8]
  10. 10. [C] [EMPIRIJSKI NALAZ] Personalizacija često uključuje obradu osobnih podataka ili zaključivanje o korisniku, što otvara pitanja opsega, svrhe, pohrane i sekundarne uporabe. [I16, I17]
  11. 11. [C] [EMPIRIJSKI NALAZ] Profiliranje može poboljšati prilagodbu, ali može učvrstiti stereotipe i proizvesti različito štetne odgovore za različite skupine. [I13, I14, I15]
  12. 12. [C] [DIDAKTIČKA NAPOMENA] Obavijest da korisnik razgovara s AI sustavom nije isto što i objašnjenje kako personalizacija utječe na odgovor. [I18, I19, I21]
  13. 13. [C] [DIDAKTIČKA NAPOMENA] Sigurniji dizajn zahtijeva kontrolu korisnika, ograničavanje podataka, ispravak i brisanje profila, praćenje pristranosti te odvojeno testiranje iskustva i štetnih ishoda. [I11, I21]
  14. 14. [C] [DEFINICIJA] Personalizacija se odnosi na prilagodbu pojedincu ili skupini na temelju osobnih karakteristika, preferencija ili povijesti. [I1]
  15. 15. [C] [DEFINICIJA] Kontekstualna prilagodba može biti kratkotrajna i ne mora stvarati trajni profil. [I1]
  16. 16. [C] [DEFINICIJA] Personalizacija agenta i personalizacija korisnika dvije su različite razine personalizacije. [I1]
  17. 17. [C] [EMPIRIJSKI NALAZ] Sudionici su davali više ocjene identičnim filmskim preporukama kada su im bile predstavljene kao personalizirane. [I2]
  18. 18. [C] [EMPIRIJSKI NALAZ] Eksplicitni korisnički profil pruža relativno jasnu kontrolu i lakše objašnjenje izvora prilagodbe.
  19. 19. [C] [DIDAKTIČKA NAPOMENA] Eksplicitni profil zahtijeva napor korisnika, a uneseni podaci mogu biti netočni, zastarjeli ili preširoko protumačeni.
  20. 20. [C] [EMPIRIJSKI NALAZ] Cho i suradnici izvode implicitnu personu korisnika iz povijesti dijaloga bez vanjskog znanja te izvještavaju o poboljšanju automatskih mjera i ljudskih evaluacija. [I3]
  21. 21. [C] [DIDAKTIČKA NAPOMENA] Zaključena persona nije izravno opažena činjenica, nego modelova procjena podložna pogreškama.
  22. 22. [C] [EMPIRIJSKI NALAZ] Memorija može dohvaćati činjenice, sažetke i obrasce iz prethodnih interakcija radi kontinuiteta. [I1]
  23. 23. [C] [DIDAKTIČKA NAPOMENA] Memorija stvara trajni profil koji zahtijeva svrhu, rok čuvanja, uvid i mogućnost brisanja. [I11, I16, I17]
  24. 24. [C] [EMPIRIJSKI NALAZ] U istraživanju pacijenata s KOPB-om dob i osobno iskustvo s bolešću moderirali su učinke interakcijskih stilova. [I4]
  25. 25. [C] [EMPIRIJSKI NALAZ] U studiji s 123 pacijenta mlađi sudionici i oni s manje recentnom dijagnozom imali su bolje ishode uz deliberativni stil. [I4]
  26. 26. [C] [EMPIRIJSKI NALAZ] Kwon i suradnici kombiniraju miješanje skupova podataka, negativnu augmentaciju persona-informacija i oznake vrste odgovora. [I5]
  27. 27. [C] [DIDAKTIČKA NAPOMENA] Rezultati Kwonova rada pokazuju uspješnost konkretne arhitekture i skupa podataka, a ne opći učinak personalizacije na korisničko iskustvo.
  28. 28. [C] [EMPIRIJSKI NALAZ] Pregled personaliziranog afektivnog računarstva razlikuje sedam skupina pristupa. [I6]
  29. 29. [C] [DIDAKTIČKA NAPOMENA] Afektivnu procjenu treba tretirati kao nesigurnu inferenciju, a ne kao izravno mjerenje unutarnjeg stanja korisnika. [I7]
  30. 30. [C] [DEFINICIJA] Modelna personalizacija može mijenjati podatke, kontekst, prompt, retrieval, parametre ili zasebni model. [I6]
  31. 31. [C] [DIDAKTIČKA NAPOMENA] Relevantnost nije jednaka točnosti; stilistički uvjerljiv, ali netočan odgovor može djelovati relevantno.
  32. 32. [C] [DIDAKTIČKA NAPOMENA] Osobni detalji mogu stvoriti dojam relevantnosti i kada je sadržaj odgovora netočan.
  33. 33. [C] [EMPIRIJSKI NALAZ] Siro, Aliannejadi i de Rijke zadovoljstvo analiziraju kroz šest dimenzija i nalaze da se važnost dimenzija razlikuje među korisnicima i dijalozima. [I8]
  34. 34. [C] [DIDAKTIČKA NAPOMENA] Jedna ukupna ocjena zadovoljstva nije dovoljna evaluacija dijaloškog sustava. [I8]
  35. 35. [C] [DEFINICIJA] Učinkovitost se može mjeriti brojem izmjena, vremenom do rješenja, uspjehom zadatka, ponavljanjem i kognitivnim opterećenjem.
  36. 36. [C] [EMPIRIJSKI NALAZ] Istraživanje KOPB-a pokazuje kontekstualnu prilagodbu u specifičnoj populaciji, ali ne i univerzalnu prednost jednog stila. [I4]
  37. 37. [C] [EMPIRIJSKI NALAZ] Longitudinalno istraživanje sa 179 sudionika proučavalo je promjene antropomorfizma, povjerenja, kvalitete dijaloga, privatnosnih rizika, relevantnosti, vjerodostojnosti, samootkrivanja i pridržavanja preporuka. [I9]
  38. 38. [C] [EMPIRIJSKI NALAZ] Istraživanje s 745 sudionika i 32 scenarija pokazalo je da poželjnost afektivnih sposobnosti ovisi o kontekstu. [I10]
  39. 39. [C] [DIDAKTIČKA NAPOMENA] Benchmarki, automatske metrike i kratke korisničke studije ne dokazuju dugoročni učinak na stvarne korisnike.
  40. 40. [D] [DIDAKTIČKA NAPOMENA] Što je sustav osobniji, to je veća potreba za podacima ili zaključivanjem o korisniku.
  41. 41. [D] [EMPIRIJSKI NALAZ] Privatnosni problem uključuje i zaključke o osobnosti, zdravlju, političkim stavovima, emocijama ili ranjivosti, a ne samo pohranjene činjenice.
  42. 42. [D] [PRIPISANI STAV] Hendrickx i suradnici smatraju da početna suglasnost nije dovoljna za dugotrajne personalizirane interakcije. [I11]
  43. 43. [D] [DIDAKTIČKA NAPOMENA] Personalizacija može prijeći iz korisne asistencije u ciljano uvjeravanje ili manipulaciju.
  44. 44. [D] [PRIPISANI STAV] Pollmann i suradnici personaliziranu interakciju opisuju kao napetost između korisničkog iskustva i autonomije. [I12]
  45. 45. [D] [EMPIRIJSKI NALAZ] Wan i suradnici testirali su četiri dijaloška modela i pet kategorija persona-pristranosti te našli značajne persona-pristranosti. [I13]
  46. 46. [D] [EMPIRIJSKI NALAZ] Liu i suradnici konstruirali su benchmark i pokazali značajne predrasude popularnih dijaloških modela prema različitim rodnim i rasnim skupinama. [I14]
  47. 47. [D] [DIDAKTIČKA NAPOMENA] Razlike među korisnicima postaju problematične kada proizvedu sustavno lošiju kvalitetu usluge za određene skupine.
  48. 48. [D] [EMPIRIJSKI NALAZ] Sheng i suradnici nalaze da persona u nekim slučajevima može smanjiti štetne odgovore, ali da izbor persone mijenja vrstu i razinu štete. [I15]
  49. 49. [D] [EMPIRIJSKI NALAZ] GDPR u članku 5. navodi načela zakonitosti, poštenosti, transparentnosti, ograničenja svrhe, smanjenja količine podataka, točnosti, ograničenja pohrane, cjelovitosti i povjerljivosti. [I16]
  50. 50. [D] [EMPIRIJSKI NALAZ] Za obradu osobnih podataka potrebna je pravna osnova prema članku 6. GDPR-a. [I16]
  51. 51. [D] [EMPIRIJSKI NALAZ] Članak 22. GDPR-a odnosi se na isključivo automatizirane odluke koje proizvode pravne ili slično značajne učinke. [I16]
  52. 52. [D] [EMPIRIJSKI NALAZ] U takvim slučajevima relevantne su zaštitne mjere poput ljudske intervencije, iznošenja stajališta i osporavanja odluke. [I16]
  53. 53. [D] [EMPIRIJSKI NALAZ] Personalizirani sustavi mogu pohranjivati osjetljive informacije koje korisnik nije očekivao da će biti trajno spremljene.
  54. 54. [D] [EMPIRIJSKI NALAZ] Sustavi mogu zaključivati o osjetljivim obilježjima bez korisnikove svijesti.
  55. 55. [D] [EMPIRIJSKI NALAZ] Činjenice, pretpostavke i modelske pogreške mogu se pomiješati u jedinstveni profil.
  56. 56. [D] [EMPIRIJSKI NALAZ] Razgovori se mogu sekundarno koristiti za treniranje, oglašavanje ili procjenu korisnika.
  57. 57. [D] [EMPIRIJSKI NALAZ] EDPB-ovo Mišljenje 28/2024 relevantno je za pravnu osnovu, anonimizaciju i pseudonimizaciju AI modela. [I17]
  58. 58. [D] [DIDAKTIČKA NAPOMENA] Odvajanje identiteta korisnika od sadržaja nije automatski jednako potpunoj anonimizaciji. [I17]
  59. 59. [D] [DEFINICIJA] Transparentnost personalizacije može se razdvojiti na identitetsku, podatkovnu i učinsku transparentnost.
  60. 60. [D] [EMPIRIJSKI NALAZ] Akt o umjetnoj inteligenciji EU-a predviđa obavještavanje korisnika da razgovara s AI sustavom, osim kada je to iz okolnosti očito. [I18]
  61. 61. [D] [DIDAKTIČKA NAPOMENA] Obveza obavještavanja o AI sustavu sama po sebi ne objašnjava memoriju, profiliranje ili logiku odgovora.
  62. 62. [D] [DIDAKTIČKA NAPOMENA] Prirodno formulirano objašnjenje ne mora biti vjeran prikaz unutarnjeg procesa modela.
  63. 63. [D] [DEFINICIJA] Guesmi i suradnici razlikuju opravdanje, koje daje razumljiv razlog, od transparentnosti, koja treba vjerno prikazati proces. [I19]
  64. 64. [D] [EMPIRIJSKI NALAZ] Kontekstualizirana objašnjenja mogu povećati relevantnost, kognitivnu i afektivnu vrijednost te namjeru prihvaćanja preporuke. [I20]
  65. 65. [D] [DIDAKTIČKA NAPOMENA] Korisniku treba omogućiti uvid u podatke, izvor personalizacije, ispravak, brisanje i isključivanje personalizacije.
  66. 66. [D] [DIDAKTIČKA NAPOMENA] Transparentni odgovor treba navesti ograničenja i moguće pogreške personalizacije.
  67. 67. [E] [DIDAKTIČKA NAPOMENA] Točni i relevantni korisnički podaci mogu poboljšati usklađenost odgovora s ciljem, ali to nije univerzalno dokazano u stvarnim interakcijama. [I5]
  68. 68. [E] [DIDAKTIČKA NAPOMENA] Prilagodba razine detalja i formata može smanjiti potrebu za dodatnim pojašnjenjima, ali to treba mjeriti ponašajnim ishodima.
  69. 69. [E] [DIDAKTIČKA NAPOMENA] Topliji i osobniji stil može povećati društvenu prisutnost i povjerenje, ali antropomorfizam može povećati pretjerano povjerenje i samootkrivanje.
  70. 70. [E] [DIDAKTIČKA NAPOMENA] Višekratna interakcija može poboljšati prilagodbu, ali i proizvesti netočan ili zastarjeli profil. [I9]
  71. 71. [E] [DIDAKTIČKA NAPOMENA] Točnost klasifikacije emocija nije dokaz poboljšanja korisničkog ishoda. [I7]
  72. 72. [E] [DIDAKTIČKA NAPOMENA] Korisnost objašnjenja treba razlikovati od njegove vjernosti stvarnom procesu odlučivanja. [I19]
  73. 73. [E] [DIDAKTIČKA NAPOMENA] Automatske metrike mogu mjeriti jezičnu sličnost, personu ili generiranje, ali ne nužno sigurnost, zadovoljstvo ili dugoročnu korist.
  74. 74. [E] [DIDAKTIČKA NAPOMENA] Kratke i skriptirane interakcije ne moraju odgovarati višemjesečnoj uporabi.
  75. 75. [E] [DIDAKTIČKA NAPOMENA] Online uzorci, studenti i uzorci iz jedne zemlje ograničavaju generalizaciju.
  76. 76. [E] [DIDAKTIČKA NAPOMENA] Prosječna kvaliteta može rasti dok se ponašanje prema manjinskoj skupini pogoršava.
  77. 77. [E] [DIDAKTIČKA NAPOMENA] Sustave treba testirati na zastarjelim, kontradiktornim i pogrešno izvedenim korisničkim osobinama.
  78. 78. [E] [PRIPISANI STAV] NIST-ov okvir preporučuje istodobno razmatranje valjanosti, sigurnosti, transparentnosti, objašnjivosti, privatnosti i pravednosti. [I21]
  79. 79. [E] [PRIPISANI STAV] Korisničko iskustvo ne treba procjenjivati odvojeno od sigurnosti i jednakog tretmana. [I21]
  80. 80. [E] [DIDAKTIČKA NAPOMENA] Buduće evaluacije trebaju istodobno mjeriti relevantnost, točnost, izvršenje zadatka, povjerenje, privatnost, kontrolu i razlike među skupinama.
  81. 81. [E] [DIDAKTIČKA NAPOMENA] Korisno je odvojeno mjeriti stvarnu kvalitetu odgovora i doživljenu personalizaciju. [I2]
  82. 82. [E] [DIDAKTIČKA NAPOMENA] Etička evaluacija treba uključiti pristranost, kontradiktorne profile, pogrešne memorije, osjetljive atribute i odbijanje personalizacije.
  83. 83. [E] [DIDAKTIČKA NAPOMENA] Rezultate treba prikazati po skupinama i vrstama štete, a ne samo prosječnom ocjenom.
  84. 84. [E] [DIDAKTIČKA NAPOMENA] Najinformativnija usporedba uključivala bi generički, eksplicitno personalizirani, implicitno personalizirani uvjet i uvjet s kontrolom i objašnjenjem.
  85. 85. [F] [EMPIRIJSKI NALAZ] Russell i Norvigov udžbenik primjeren je za opći terminološki i tehnički okvir, ali nije dovoljan za suvremene empirijske tvrdnje.
  86. 86. [F] [EMPIRIJSKI NALAZ] Bibliografski navod Li, Waleed i Salam ne podudara se potpuno sa zapisom izvora. [I6]
  87. 87. [F] [EMPIRIJSKI NALAZ] Navod Hernandez i suradnika potvrđuje naslov, autore, godinu, uzorak od 745 sudionika i 32 scenarija. [I10]

4. Statistika provjere

  • Broj atomiziranih tvrdnji: 87
  • Raspodjela po ocjeni: POTKRIJEPLJENO 66; DJELOMIČNO POTKRIJEPLJENO 18; NIJE MOGUĆE POTVRDITI 2; U SUPROTNOSTI S DOKAZIMA 1.
  • Raspodjela po vrsti: DEFINICIJA 12; EMPIRIJSKI NALAZ 31; PRIPISANI STAV 6; DIDAKTIČKA NAPOMENA 38.
  • Broj nalaza: 21.
  • Raspodjela radnji: ZAMIJENI REFERENCU 9; IZNOVA IZVEDI TVRDNJU 9; IZBACI TVRDNJU 3.
  • Bibliografske jedinice: 24; POTVRĐENO 20; BIBLIOGRAFSKA NEPRAVILNOST 1; HIBRIDNI_CITAT 0; IZVOR_NIJE_PRONAĐEN 3.
  • Razina provjere bibliografskih jedinica: PUNI TEKST 18; SAŽETAK 2; SAMO BIBLIOGRAFSKI ZAPIS 1; NIJE OTVORENO 3.
  • STRUKTURNA DODJELA: 10.

5. Nalazi

  1. Tvrdnja 3

    Tvrdnja: „Personalizacija može poboljšati relevantnost, doživljenu prirodnost, kvalitetu interakcije i neke pokazatelje zadovoljstva, ali ne postoji dovoljno dokaza za tvrdnju da je personalizirani odgovor općenito bolji od generičkog.”

    Što izvori stvarno navode: otvoreni izvori podupiru poboljšanja u pojedinačnim zadacima i kontekstima, ali ne daju opći dokaz nadmoći personaliziranih odgovora. Tvrdnja je sadržajno održiva samo uz uži opseg.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://aclanthology.org/2024.lrec-main.1192.pdf; puni tekst. Zapis se razrješava na: Yi-Pei Chen, Noriki Nishida, Hideki Nakayama i Yuji Matsumoto, 2024, “Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations”, LREC-COLING 2024, str. 13650–13665, članak u zborniku.

    Korak 2b: proveden — tvrdnju u užem opsegu podupiru I1, I4, I8, I9 i I10.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Personalizacija je u pojedinim zadacima i populacijama povezana s boljom relevantnošću ili doživljajem interakcije, ali otvoreni izvori ne podupiru opću tvrdnju da je personalizirani odgovor bolji od generičkog.”

  2. Tvrdnja 4

    Tvrdnja: „Učinak ovisi o zadatku, korisniku, vrsti personalizacije, količini podataka, načinu objašnjenja i razini korisničke kontrole.”

    Što izvori stvarno navode: izvori izravno pokazuju ovisnost o zadatku, populaciji, vrsti interakcije i kontekstu; količina podataka, objašnjenje i kontrola nisu u istom opsegu potvrđeni u jednom izvoru.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://www.jmir.org/2021/5/e26643; puni tekst. Zapis se razrješava na: Christoph Gross i koautori, 2021, “Personalization of Conversational Agent-Patient Interaction Styles for Chronic Disease Management: Two Consecutive Cross-sectional Questionnaire Studies”, Journal of Medical Internet Research, 23(5), e26643, članak u časopisu.

    Korak 2b: proveden — tvrdnju u užem opsegu podupiru I4, I8, I9, I10, I11 i I20.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Učinak personalizacije ovisi o zadatku, populaciji i vrsti prilagodbe; otvoreni izvori dodatno upućuju na važnost konteksta, objašnjenja i korisničke kontrole, ali ne potvrđuju sve navedene čimbenike u jedinstvenom eksperimentu.”

  3. Tvrdnja 5

    Tvrdnja: „Personalizacija povećava površinu za privatnosne povrede, profiliranje, stereotipizaciju, manipulaciju i pogrešnu atribuciju sposobnosti sustavu.”

    Što izvori stvarno navode: izvori podupiru privatnosne rizike, profiliranje, persona-pristranost i rizik manipulacije. „Pogrešna atribucija sposobnosti” nije izravno potvrđena u navedenom korpusu u istom opsegu.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/; puni tekst sažetka i bibliografski zapis. Zapis se razrješava na: Iris Hendrickx, Jelte Barachia van Waterschoot, Arif Khan, Louis ten Bosch, Helmer Strik i Catia Cucchiarini, 2021, “Take Back Control: User Privacy and Transparency Concerns in Personalized Conversational Agents”, CEUR Workshop Proceedings, 2903, konferencijski prilog.

    Korak 2b: proveden — uži opseg podupiru I11, I12, I13, I14, I15, I16 i I17.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Personalizacija može povećati privatnosne, profilacijske, pristranostne i autonomijske rizike; rizik pogrešne atribucije sposobnosti treba navesti samo uz zaseban izvor.”

  4. Tvrdnja 17

    Tvrdnja: „Eksperiment s filmskim preporukama pokazao je da su sudionici davali više ocjene preporukama kada su im iste preporuke predstavljene kao personalizirane.”

    Što izvor stvarno navodi: rad “Specially For You” izvještava da nije našao značajnu razliku između personaliziranih i nepersonaliziranih prikaza identičnih preporuka te odbacuje hipotezu o učinku personalizacije.

    Korak koji je pao: sadržajni.

    Ocjena: U SUPROTNOSTI S DOKAZIMA. Sigurnost: visoka.

    Trag provjere: https://doi.org/10.1145/3544548.3580656; puni tekst. Zapis se razrješava na: “Specially For You” – Examining the Barnum Effect’s Influence on the Perceived Quality of System Recommendations, 2023, Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, članak u zborniku.

    Korak 2b: proveden — nijedan otvoreni izvor u korpusu ne podupire tvrdnju u navedenom smjeru.

    Preporučena radnja: IZBACI TVRDNJU.

  5. Tvrdnja 21

    Tvrdnja: „Zaključena persona nije izravno opažena činjenica, nego modelova procjena podložna pogreškama.”

    Što izvori stvarno navode: Cho i suradnici opisuju implicitnu personu kao modeliranje latentnih korisničkih značajki iz povijesti dijaloga. Izvor ne dokazuje opću tvrdnju o svim modelima, ali metodološka ograda izravno slijedi iz opisa postupka.

    Korak koji je pao: sadržajni, zbog šireg opsega od izvora.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://aclanthology.org/2022.coling-1.29.pdf; puni tekst. Zapis se razrješava na: Itsugun Cho, Dongyang Wang, Ryota Takahashi i Hiroaki Saito, 2022, “A Personalized Dialogue Generator with Implicit User Persona Detection”, COLING 2022, str. 367–377, članak u zborniku.

    Korak 2b: proveden — uži opseg podupiru I3 i I1.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „U radu Cho i suradnika implicitna persona korisnika izvedena je iz povijesti dijaloga i predstavlja modelsku procjenu, a ne izravno opaženu činjenicu.”

  6. Tvrdnja 23

    Tvrdnja: „Memorija stvara trajni profil koji mora imati jasnu svrhu, rok čuvanja, mogućnost uvida i mogućnost brisanja.”

    Što izvori stvarno navode: Hendrickx i suradnici zagovaraju korisničku kontrolu pohranjenih osobnih podataka i transparentnost pristupa; GDPR daje načela svrhovitosti i ograničenja pohrane. Formulacija „mora” zahtijeva pravno preciziranje prema konkretnoj ulozi voditelja obrade i svrsi obrade.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN; puni tekst. Zapis se razrješava na: Uredba (EU) 2016/679, 2016, Opća uredba o zaštiti podataka, EUR-Lex, propis.

    Korak 2b: proveden — uži opseg podupiru I11 i I16.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Hendrickx, Iris; van Waterschoot, Jelte Barachia; Khan, Arif; ten Bosch, Louis; Strik, Helmer; Cucchiarini, Catia. 2021. “Take Back Control: User Privacy and Transparency Concerns in Personalized Conversational Agents.” CEUR Workshop Proceedings, 2903.

  7. Tvrdnja 27

    Tvrdnja: „Takvi rezultati prvenstveno pokazuju uspješnost konkretne arhitekture i skupa podataka, ne opći učinak personalizacije na stvarno korisničko iskustvo.”

    Što izvor stvarno navodi: Kwon i suradnici izvještavaju o subjektivnim i objektivnim evaluacijama konkretne metode. Ograda o ograničenoj generalizaciji metodološki je opravdana, ali nije izrečena kao izravan nalaz u sažetku.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://aclanthology.org/2023.acl-industry.68.pdf; puni tekst. Zapis se razrješava na: Deuksin Kwon, Sunwoo Lee, Ki Hyun Kim, Seojin Lee, Taeyoon Kim i Eric Davis, 2023, “What, When, and How to Ground: Designing User Persona-Aware Conversational Agents for Engaging Dialogue”, ACL Industry Track 2023, str. 707–719, članak u zborniku.

    Korak 2b: proveden — uži opseg podupiru I5 i I1.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Rezultati Kwonova rada pokazuju uspješnost ispitane arhitekture u njezinim evaluacijskim uvjetima; sami po sebi ne daju opći dokaz o učinku personalizacije na dugoročno korisničko iskustvo.”

  8. Tvrdnja 28

    Tvrdnja: „Pregled Li, Waleed i Salam klasificira pristupe u sedam skupina.”

    Što izvor stvarno navodi: aktualni zapis rada navodi sedam skupina, ali naslov glasi “Beyond One-Size-Fits-All: A Survey of Personalized Affective Computing in Human-Agent Interaction”, a autori su Jialin Li, Maha Elgarf, Alia Waleed Mahmoud i Hanan Salam.

    Korak koji je pao: bibliografski.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://arxiv.org/html/2304.00377v2; puni tekst. Zapis se razrješava na: Jialin Li, Maha Elgarf, Alia Waleed Mahmoud i Hanan Salam, 2023, v2 2026, “Beyond One-Size-Fits-All: A Survey of Personalized Affective Computing in Human-Agent Interaction”, arXiv:2304.00377, drugo.

    Korak 2b: proveden — tvrdnju podupire I6 u iznesenom opsegu.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Li, Jialin; Elgarf, Maha; Waleed Mahmoud, Alia; Salam, Hanan. 2023. “Beyond One-Size-Fits-All: A Survey of Personalized Affective Computing in Human-Agent Interaction.” arXiv:2304.00377.

  9. Tvrdnja 29

    Tvrdnja: „Afektivnu procjenu treba tretirati kao nesigurnu inferenciju, a ne kao izravno mjerenje unutarnjeg stanja korisnika.”

    Što izvor stvarno navodi: Gunes i Churamani navode da se prepoznavanje afekta ne generalizira među kontekstima i da samo po sebi nije dovoljno za prilagodbu i personalizaciju. Formulacija o „unutarnjem stanju” šira je od izvora.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://arxiv.org/abs/2303.18176; puni tekst. Zapis se razrješava na: Hatice Gunes i Nikhil Churamani, 2023, “Affective Computing for Human-Robot Interaction Research: Four Critical Lessons for the Hitchhiker”, arXiv:2303.18176, drugo.

    Korak 2b: proveden — tvrdnju u užem opsegu podupiru I7 i I10.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Afektivno prepoznavanje treba tretirati kao kontekstualno ograničenu procjenu koja sama po sebi nije dovoljna za sigurnu prilagodbu interakcije.”

  10. Tvrdnja 31

    Tvrdnja: „Najstabilniji očekivani učinak personalizacije jest povećanje relevantnosti.”

    Što izvori stvarno navode: Chen i suradnici opisuju relevantnost i evaluacijske mjere u personaliziranom dijalogu, ali ne potvrđuju da je povećanje relevantnosti najstabilniji učinak kroz literaturu.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://aclanthology.org/2024.lrec-main.1192.pdf; puni tekst. Zapis se razrješava na: Yi-Pei Chen, Noriki Nishida, Hideki Nakayama i Yuji Matsumoto, 2024, “Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations”, LREC-COLING 2024, str. 13650–13665, članak u zborniku.

    Korak 2b: proveden — nijedan otvoreni izvor ne podupire riječ „najstabilniji” u tom opsegu.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Chen, Yi-Pei; Nishida, Noriki; Nakayama, Hideki; Matsumoto, Yuji. 2024. “Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations.” LREC-COLING 2024, 13650–13665.

  11. Tvrdnja 32

    Tvrdnja: „Sustav može ponuditi sadržajno netočan, ali stilistički uvjerljiv odgovor koji djeluje relevantno zato što koristi osobne detalje.”

    Što izvori stvarno navode: izvori o personalizaciji i objašnjenjima podupiru mogućnost da kontekstualizacija povećava doživljenu relevantnost i uvjerljivost, ali ne potvrđuju baš ovu kombinaciju netočnosti i osobnih detalja.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: umjerena.

    Trag provjere: https://ojs.aaai.org/index.php/ICWSM/article/download/42667/50227/46768; puni tekst. Zapis se razrješava na: Yuanjun Feng, Stefan Feuerriegel i Yash Raj Shrestha, 2026, “Contextualizing Recommendation Explanations with LLMs: A User Study”, Proceedings of the Twentieth AAAI Conference on Web and Social Media, članak u zborniku.

    Korak 2b: proveden — otvoreni izvori podupiru uži nalaz o povećanju doživljene relevantnosti i uvjerljivosti, ali ne i tvrdnju o stvarnoj netočnosti.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Osobni detalji mogu povećati doživljenu relevantnost i uvjerljivost odgovora, ali to samo po sebi ne potvrđuje njegovu sadržajnu točnost.”

  12. Tvrdnja 34

    Tvrdnja: „To ograničava uporabu jedne ukupne ocjene zadovoljstva kao dovoljne evaluacije.”

    Što izvori stvarno navode: Siro i suradnici izričito navode da monolitna ukupna ocjena ne hvata finije aspekte zadovoljstva.

    Korak koji je pao: bibliografski trag u izvornom dosjeu.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdf; puni tekst. Zapis se razrješava na: Clemencia Siro, Mohammad Aliannejadi i Maarten de Rijke, 2022, “Understanding User Satisfaction with Task-oriented Dialogue Systems”, SIGIR 2022, članak u zborniku.

    Korak 2b: proveden — tvrdnju podupire I8.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Siro, Clemencia; Aliannejadi, Mohammad; de Rijke, Maarten. 2022. “Understanding User Satisfaction with Task-oriented Dialogue Systems.” Proceedings of the 45th International ACM SIGIR Conference, DOI: 10.1145/3477495.3531798.

  13. Tvrdnja 35

    Tvrdnja: „Učinkovitost se može mjeriti brojem izmjena, vremenom do rješenja, uspjehom izvršenja zadatka, potrebom za ponavljanjem i kognitivnim opterećenjem.”

    Što izvori stvarno navode: Siro i suradnici podupiru mjere poput izvršenja zadatka, učinkovitosti i dijaloškog troška; kognitivno opterećenje nije izravno navedeno u tom radu.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://spacefrontiers.org/r/10.1145/3477495.3531798; sažetak. Zapis se razrješava na: Clemencia Siro, Mohammad Aliannejadi i Maarten de Rijke, 2022, “Understanding User Satisfaction with Task-oriented Dialogue Systems”, SIGIR 2022, članak u zborniku.

    Korak 2b: proveden — uži opseg podupiru I8 i I4.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Učinkovitost treba mjeriti izvršenjem zadatka, učinkovitošću, vremenom, brojem izmjena i potrebom za ponavljanjem; kognitivno opterećenje zahtijeva zasebnu mjeru.”

  14. Tvrdnja 39

    Tvrdnja: „Većina radova o personaliziranom dijalogu procjenjuje sustav na benchmark-skupovima, kroz automatske metrike ili kratke korisničke studije.”

    Što izvori stvarno navode: Chen i suradnici pregledavaju različite skupove podataka, evaluacijske mjere i ljudske procjene, ali ne daju osnovu za kvantifikator „većina” u svim radovima o personaliziranom dijalogu.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://aclanthology.org/2024.lrec-main.1192.pdf; puni tekst. Zapis se razrješava na: Yi-Pei Chen, Noriki Nishida, Hideki Nakayama i Yuji Matsumoto, 2024, “Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations”, LREC-COLING 2024, str. 13650–13665, članak u zborniku.

    Korak 2b: proveden — tvrdnju u užem opsegu podupiru I1, I3, I5, I8 i I10.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Pregledani radovi često koriste benchmark-skupove, automatske metrike ili kratke korisničke studije, dok je dugoročna procjena stvarnih korisnika rjeđa u otvorenom korpusu.”

  15. Tvrdnja 42

    Tvrdnja: „Hendrickx i suradnici zato zagovaraju mehanizme koji korisniku omogućuju izravnu kontrolu pohranjenih osobnih podataka unutar samog razgovora.”

    Što izvor stvarno navodi: autori izričito predlažu mehanizam unutar razgovora koji korisniku omogućuje bolju kontrolu nad pohranjenim osobnim informacijama i transparentnost o tome tko im može pristupiti.

    Korak koji je pao: bibliografski trag, jer izvor nije bio u popisu literature.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/; puni tekst sažetka. Zapis se razrješava na: Iris Hendrickx, Jelte Barachia van Waterschoot, Arif Khan, Louis ten Bosch, Helmer Strik i Catia Cucchiarini, 2021, “Take Back Control: User Privacy and Transparency Concerns in Personalized Conversational Agents”, CEUR Workshop Proceedings, 2903, konferencijski prilog.

    Korak 2b: proveden — tvrdnju podupire I11.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Hendrickx, Iris; van Waterschoot, Jelte Barachia; Khan, Arif; ten Bosch, Louis; Strik, Helmer; Cucchiarini, Catia. 2021. “Take Back Control: User Privacy and Transparency Concerns in Personalized Conversational Agents.” CEUR Workshop Proceedings, 2903.

  16. Tvrdnja 44

    Tvrdnja: „Istraživanje personalizirane interakcije čovjeka i robota izrijekom navodi napetost između poboljšanja korisničkog iskustva i rizika za autonomiju korisnika.”

    Što izvor stvarno navodi: Pollmann i suradnici izričito povezuju personaliziranu interakciju s pozitivnim učincima na korisničko iskustvo i rizicima za autonomiju i manipulaciju.

    Korak koji je pao: bibliografski zapis nedostaje u popisu literature.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://www.sciencedirect.com/science/article/pii/S0040162523000616; sažetak. Zapis se razrješava na: Kathrin Pollmann, Wulf Loh, Nora Fronemann i Daniel Ziegler, 2023, “Entertainment vs. manipulation: Personalized human-robot interaction between user experience and ethical design”, Technological Forecasting and Social Change, 189, 122376, članak u časopisu.

    Korak 2b: proveden — tvrdnju podupire I12.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Pollmann i suradnici personaliziranu interakciju razmatraju kao kompromis između pozitivnih učinaka na korisničko iskustvo i rizika za autonomiju i manipulaciju.”

  17. Tvrdnja 53

    Tvrdnja: „Pohrana osjetljivih informacija može biti neočekivana za korisnika.”

    Što izvori stvarno navode: EDPB i Hendrickx i suradnici podupiru rizike povezane s osobnim podacima, transparentnošću i kontrolom, ali ova konkretna formulacija nije izravno potvrđena u otvorenom izvoru u navedenom opsegu.

    Korak koji je pao: sadržajni.

    Ocjena: NIJE MOGUĆE POTVRDITI. Sigurnost: umjerena.

    Trag provjere: https://edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en; puni tekst. Zapis se razrješava na: European Data Protection Board, 2024, “Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models”, Mišljenje Odbora, drugo.

    Korak 2b: proveden — nijedan otvoreni izvor u korpusu ne podupire tvrdnju u iznesenom opsegu.

    Preporučena radnja: IZBACI TVRDNJU.

  18. Tvrdnja 57

    Tvrdnja: „Mišljenje Europskog odbora za zaštitu podataka 28/2024 posebno se bavi pravnom osnovom, anonimizacijom i pseudonimizacijom u kontekstu AI modela.”

    Što izvor stvarno navodi: službena stranica EDPB-a navodi upravo pravnu osnovu, anonimizaciju i pseudonimizaciju kao teme mišljenja.

    Korak koji je pao: bibliografski zapis nije bio potpuno povezan s tvrdnjom u popisu literature.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en; puni tekst i službeni zapis. Zapis se razrješava na: European Data Protection Board, 2024, “Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models”, 18. prosinca 2024, drugo.

    Korak 2b: proveden — tvrdnju podupire I17.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: European Data Protection Board. 2024. “Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models.” 18 December 2024.

  19. Tvrdnja 61

    Tvrdnja: „Ta obveza rješava pitanje identitetske transparentnosti, ali sama po sebi ne objašnjava korištenje memorije, profiliranje ili logiku odgovora.”

    Što izvori stvarno navode: članak 50. Akt-a o umjetnoj inteligenciji odnosi se na obavijest o interakciji s AI sustavom; iz toga se može zaključiti da ta obveza nije isto što i objašnjenje personalizacijskog mehanizma, ali to je interpretativni zaključak.

    Korak koji je pao: sadržajni.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: umjerena.

    Trag provjere: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32024R1689; samo bibliografski zapis i službeni pravni tekst nije bio strojno otvoren u cijelosti. Zapis se razrješava na: Uredba (EU) 2024/1689, 2024, Akt o umjetnoj inteligenciji, EUR-Lex, propis.

    Korak 2b: proveden — uži opseg podupiru I18, I19 i I21.

    Preporučena radnja: IZNOVA IZVEDI TVRDNJU.

    Nova formulacija: „Obavijest da korisnik komunicira s AI sustavom uređuje identitetsku transparentnost, ali sama po sebi ne daje objašnjenje o memoriji, profiliranju ili utjecaju tih elemenata na odgovor.”

  20. Tvrdnja 64

    Tvrdnja: „Kontekstualizirana objašnjenja mogu povećati doživljenu relevantnost, kognitivnu i afektivnu vrijednost te namjeru prihvaćanja preporuke.”

    Što izvor stvarno navodi: Feng, Feuerriegel i Shrestha izvještavaju o eksperimentu s 759 sudionika i nalaze da kontekstualizirana objašnjenja poboljšavaju kognitivne i afektivne potrebe te povećavaju namjeru gledanja preporučenih filmova.

    Korak koji je pao: bibliografski zapis nedostaje u odjeljku literature.

    Ocjena: DJELOMIČNO POTKRIJEPLJENO. Sigurnost: visoka.

    Trag provjere: https://ojs.aaai.org/index.php/ICWSM/article/download/42667/50227/46768; puni tekst. Zapis se razrješava na: Yuanjun Feng, Stefan Feuerriegel i Yash Raj Shrestha, 2026, “Contextualizing Recommendation Explanations with LLMs: A User Study”, ICWSM 2026, članak u zborniku.

    Korak 2b: proveden — tvrdnju podupire I20.

    Preporučena radnja: ZAMIJENI REFERENCU.

    Zamjenski citat: Feng, Yuanjun; Feuerriegel, Stefan; Shrestha, Yash Raj. 2026. “Contextualizing Recommendation Explanations with LLMs: A User Study.” Proceedings of the Twentieth International AAAI Conference on Web and Social Media.

  21. Tvrdnja 84

    Tvrdnja: „Najinformativnija usporedba uključivala bi najmanje četiri uvjeta.”

    Što izvori stvarno navode: film-recommendation studija opravdava odvajanje stvarne i percipirane personalizacije, ali ne propisuje baš četiri uvjeta kao minimalni standard.

    Korak koji je pao: sadržajni.

    Ocjena: NIJE MOGUĆE POTVRDITI. Sigurnost: visoka.

    Trag provjere: https://doi.org/10.1145/3544548.3580656; puni tekst. Zapis se razrješava na: “Specially For You” – Examining the Barnum Effect’s Influence on the Perceived Quality of System Recommendations, 2023, CHI 2023, članak u zborniku.

    Korak 2b: proveden — nijedan otvoreni izvor u korpusu ne podupire tvrdnju da su četiri uvjeta minimalni ili najinformativniji standard.

    Preporučena radnja: IZBACI TVRDNJU.

6. Bibliografska provjera po izvoru

Oznaka Razrješenje Klasifikacija Izvor provjere Razina provjere
I1Yi-Pei Chen, Noriki Nishida, Hideki Nakayama i Yuji Matsumoto, 2024, “Recent Trends in Personalized Dialogue Generation: A Review of Datasets, Methodologies, and Evaluations”, LREC-COLING 2024, 13650–13665, članak u zborniku.POTVRĐENOhttps://aclanthology.org/2024.lrec-main.1192.pdfpuni tekst
I2“Specially For You” – Examining the Barnum Effect’s Influence on the Perceived Quality of System Recommendations, 2023, CHI 2023, članak u zborniku.POTVRĐENOhttps://doi.org/10.1145/3544548.3580656puni tekst
I3Itsugun Cho, Dongyang Wang, Ryota Takahashi i Hiroaki Saito, 2022, “A Personalized Dialogue Generator with Implicit User Persona Detection”, COLING 2022, 367–377, članak u zborniku.POTVRĐENOhttps://aclanthology.org/2022.coling-1.29.pdfpuni tekst
I4Christoph Gross i koautori, 2021, “Personalization of Conversational Agent-Patient Interaction Styles for Chronic Disease Management: Two Consecutive Cross-sectional Questionnaire Studies”, Journal of Medical Internet Research, 23(5), e26643, članak u časopisu.POTVRĐENOhttps://www.jmir.org/2021/5/e26643puni tekst
I5Deuksin Kwon, Sunwoo Lee, Ki Hyun Kim, Seojin Lee, Taeyoon Kim i Eric Davis, 2023, “What, When, and How to Ground: Designing User Persona-Aware Conversational Agents for Engaging Dialogue”, ACL Industry Track, 707–719, članak u zborniku.POTVRĐENOhttps://aclanthology.org/2023.acl-industry.68.pdfpuni tekst
I6Jialin Li, Maha Elgarf, Alia Waleed Mahmoud i Hanan Salam, 2023, v2 2026, “Beyond One-Size-Fits-All: A Survey of Personalized Affective Computing in Human-Agent Interaction”, arXiv:2304.00377, drugo.BIBLIOGRAFSKA NEPRAVILNOSThttps://arxiv.org/html/2304.00377v2puni tekst
I7Hatice Gunes i Nikhil Churamani, 2023, “Affective Computing for Human-Robot Interaction Research: Four Critical Lessons for the Hitchhiker”, arXiv:2303.18176, drugo.POTVRĐENOhttps://arxiv.org/abs/2303.18176puni tekst
I8Clemencia Siro, Mohammad Aliannejadi i Maarten de Rijke, 2022, “Understanding User Satisfaction with Task-oriented Dialogue Systems”, SIGIR 2022, članak u zborniku.POTVRĐENOhttps://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdfpuni tekst
I9Theo Araujo i Nadine Bol, 2024, “From Speaking Like a Person to Being Personal: The Effects of Personalized, Regular Interactions with Conversational Agents”, Computers in Human Behavior: Artificial Humans, 2(1), 100030, članak u časopisu.POTVRĐENOhttps://www.sciencedirect.com/science/article/pii/S2949882123000300sažetak
I10Javier Hernandez, Jina Suh, Judith Amores, Kael Rowan, Gonzalo Ramos i Mary Czerwinski, 2023, “Affective Conversational Agents: Understanding Expectations and Personal Influences”, arXiv:2310.12459, drugo.POTVRĐENOhttps://arxiv.org/pdf/2310.12459puni tekst
I11Iris Hendrickx, Jelte Barachia van Waterschoot, Arif Khan, Louis ten Bosch, Helmer Strik i Catia Cucchiarini, 2021, “Take Back Control: User Privacy and Transparency Concerns in Personalized Conversational Agents”, CEUR Workshop Proceedings, 2903, konferencijski prilog.POTVRĐENOhttps://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/sažetak
I12Kathrin Pollmann, Wulf Loh, Nora Fronemann i Daniel Ziegler, 2023, “Entertainment vs. manipulation: Personalized human-robot interaction between user experience and ethical design”, Technological Forecasting and Social Change, 189, 122376, članak u časopisu.POTVRĐENOhttps://www.sciencedirect.com/science/article/pii/S0040162523000616sažetak
I13Yixin Wan, Jieyu Zhao, Aman Chadha, Nanyun Peng i Kai-Wei Chang, 2023, “Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems”, Findings of EMNLP 2023, 9677–9705, članak u zborniku.POTVRĐENOhttps://aclanthology.org/2023.findings-emnlp.648.pdfpuni tekst
I14Haochen Liu, Jamell Dacon, Wenqi Fan, Hui Liu, Zitao Liu i Jiliang Tang, 2020, “Does Gender Matter? Towards Fairness in Dialogue Systems”, COLING 2020, 4403–4416, članak u zborniku.POTVRĐENOhttps://aclanthology.org/2020.coling-main.390.pdfpuni tekst
I15Emily Sheng, Josh Arnold, Zhou Yu, Kai-Wei Chang i Nanyun Peng, 2021, “Revealing Persona Biases in Dialogue Systems”, arXiv:2104.08728, drugo.POTVRĐENOhttps://arxiv.org/abs/2104.08728puni tekst
I16Uredba (EU) 2016/679, 2016, Opća uredba o zaštiti podataka, EUR-Lex, propis.POTVRĐENOhttps://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=ENpuni tekst
I17European Data Protection Board, 2024, “Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models”, mišljenje Odbora.POTVRĐENOhttps://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_enpuni tekst
I18Uredba (EU) 2024/1689, 2024, Akt o umjetnoj inteligenciji, EUR-Lex, propis.POTVRĐENOhttps://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32024R1689samo bibliografski zapis
I19Mouadh Guesmi, Mohamed Amine Chatti, Shoeb Joarder, Qurat Ul Ain, Clara Siepmann, Hoda Ghanbarzadeh i Rawaa Alatrash, 2023, “Justification vs. Transparency: Why and How Visual Explanations in a Scientific Literature Recommender System”, arXiv:2305.17034, drugo.POTVRĐENOhttps://arxiv.org/abs/2305.17034puni tekst
I20Yuanjun Feng, Stefan Feuerriegel i Yash Raj Shrestha, 2026, “Contextualizing Recommendation Explanations with LLMs: A User Study”, ICWSM 2026, članak u zborniku.POTVRĐENOhttps://ojs.aaai.org/index.php/ICWSM/article/download/42667/50227/46768puni tekst
I21Chloe Autio, Reva Schwartz, Jesse Dunietz, Shomik Jain, Martin Stanley, Elham Tabassi, Patrick Hall i Kamie Roberts, 2024, “Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile”, NIST AI 600-1, izvještaj.POTVRĐENOhttps://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388puni tekst
I22Russell, S.; Norvig, P., 2021, Artificial Intelligence: A Modern Approach, 4. izdanje.IZVOR NIJE PRONAĐENNije otvoren bibliografski zapis.nije otvoreno
I23Emily Dinan i suradnici, 2020, “Queens are Powerful too: Mitigating Gender Bias in Dialogue Generation”.IZVOR NIJE PRONAĐENNije otvoren bibliografski zapis.nije otvoreno
I24Reva Schwartz i suradnici, 2022, “Towards a Standard for Identifying and Managing Bias in Artificial Intelligence”, NIST SP 1270.IZVOR NIJE PRONAĐENNije otvoren bibliografski zapis.nije otvoreno

Identiteti izvora I1, I3, I5, I6, I7, I10, I13, I14, I15, I17, I19 i I21 potvrđeni su na izvornim stranicama ili punim tekstovima. I6 ima bibliografsku nepravilnost jer aktualni zapis navodi drugačiji naslov i četvero autora, uključujući Mahu Elgarf; dosje navodi skraćeni i netočni bibliografski oblik. ([aclanthology.org](https://aclanthology.org/2024.lrec-main.1192/))

7. Provjera izostavljenog

8. Tvrdnje bez zapisa u bibliografiji

  • Tvrdnja 17 oslanja se na izvor “Specially For You” koji nije naveden u odjeljku 15.
  • Tvrdnje 29 i 71 oslanjaju se na Gunes i Churamani, koji nisu navedeni u odjeljku 15.
  • Tvrdnje 44 i 12 u relevantnom dijelu oslanjaju se na Pollmann i suradnike, koji nisu navedeni u odjeljku 15.
  • Tvrdnje 63 i 72 oslanjaju se na Guesmi i suradnike, koji nisu navedeni u odjeljku 15.
  • Tvrdnje 64 i 84 oslanjaju se na Feng, Feuerriegel i Shrestha, koji nisu navedeni u odjeljku 15.

9. Nedostajuća ili zastarjela literatura

  • Za tvrdnje o aktualnom regulatornom statusu na dan 5. kolovoza 2026. treba zasebno navesti službeni tekst Akta o umjetnoj inteligenciji i, kada je relevantno, službene smjernice Europske komisije o članku 50.
  • Za tvrdnje o dugoročnoj personalizaciji nedostaju noviji longitudinalni eksperimenti koji istodobno mjere korisničku korist, točnost, privatnost, samootkrivanje, korekciju memorije i štetu po skupinama.
  • Za tvrdnje o afektivnoj personalizaciji nedostaju noviji radovi koji izravno mjere korisnički ishod, a ne samo točnost prepoznavanja afekta ili očekivanja korisnika.
  • Za tvrdnje o personaliziranim objašnjenjima korisno je uključiti novije eksperimentalne radove, ali ih treba jasno označiti kao studije preporučivačkih sustava, a ne automatski kao dokaze za konverzacijski AI.

10. Matrica tvrdnji

Br. Tvrdnja Faza Vrsta Ocjena Sigurnost Radnja URL
1Personalizacija obuhvaća prilagodbu korisniku, kontekstu, povijesti, preferencijama, stilu i afektu.CDEFINICIJADJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://aclanthology.org/2024.lrec-main.1192.pdf
2Literatura obuhvaća personu agenta te eksplicitne i implicitne korisničke signale.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2024.lrec-main.1192.pdf
3Personalizacija može poboljšati iskustvo, ali nije općenito bolja od generičkog odgovora.CEMPIRIJSKI NALAZDJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://aclanthology.org/2024.lrec-main.1192.pdf
4Učinak ovisi o zadatku, korisniku, vrsti personalizacije, podacima, objašnjenju i kontroli.CEMPIRIJSKI NALAZDJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://www.jmir.org/2021/5/e26643
5Personalizacija povećava privatnosne, profilacijske, pristranostne i manipulacijske rizike.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
6Personalizacija obuhvaća sadržaj, ton, duljinu, objašnjenje, inicijativu i emocionalni stil.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2024.lrec-main.1192.pdf
7Personalizacija se provodi na razini podataka, profila, memorije, konteksta, generiranja ili modela.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://arxiv.org/html/2304.00377v2
8Učinak nije stabilan među populacijama i domenama.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://www.jmir.org/2021/5/e26643
9Zadovoljstvo uključuje relevantnost, razumijevanje, učinkovitost, izvršenje, zanimljivost i interes.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdf
10Personalizacija otvara pitanja opsega, svrhe, pohrane i sekundarne uporabe podataka.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
11Profiliranje može povećati prilagodbu i stereotipizaciju.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.findings-emnlp.648.pdf
12Identitetska obavijest nije isto što i objašnjenje personalizacije.CDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32024R1689
13Sigurniji dizajn zahtijeva kontrolu, ograničavanje podataka, brisanje, praćenje pristranosti i odvojeno testiranje.CDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
14Personalizacija se odnosi na prilagodbu pojedincu ili skupini.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2024.lrec-main.1192.pdf
15Kontekstualna prilagodba može biti kratkotrajna i bez trajnog profila.CDEFINICIJAPOTKRIJEPLJENOumjerena—https://aclanthology.org/2024.lrec-main.1192.pdf
16Personalizacija agenta i korisnika dvije su različite razine.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2024.lrec-main.1192.pdf
17Identične filmske preporuke dobile su više ocjene kada su predstavljene kao personalizirane.CEMPIRIJSKI NALAZU SUPROTNOSTI S DOKAZIMAvisokaIZBACI TVRDNJUhttps://doi.org/10.1145/3544548.3580656
18Eksplicitni profil pruža jasniju kontrolu i objašnjenje izvora prilagodbe.CEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
19Eksplicitni profil zahtijeva napor i može biti netočan ili preširoko protumačen.CDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://aclanthology.org/2024.lrec-main.1192.pdf
20Cho izvodi implicitnu personu iz povijesti dijaloga i izvještava o poboljšanjima.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2022.coling-1.29.pdf
21Zaključena persona je modelova procjena, a ne izravno opažena činjenica.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://aclanthology.org/2022.coling-1.29.pdf
22Memorija dohvaća činjenice, sažetke i obrasce iz prethodnih interakcija.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2024.lrec-main.1192.pdf
23Memorija stvara profil koji zahtijeva svrhu, rok čuvanja, uvid i brisanje.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
24Dob i iskustvo s KOPB-om moderirali su učinke stilova.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://www.jmir.org/2021/5/e26643
25U studiji s 123 pacijenta mlađi i manje iskusni imali su bolje ishode uz deliberativni stil.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://www.jmir.org/2021/5/e26643
26Kwon koristi miješanje podataka, negativnu augmentaciju i oznake vrste odgovora.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.acl-industry.68.pdf
27Kwonovi rezultati ne dokazuju opći učinak personalizacije.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://aclanthology.org/2023.acl-industry.68.pdf
28Pregled Li i suradnika razlikuje sedam skupina.CEMPIRIJSKI NALAZDJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://arxiv.org/html/2304.00377v2
29Afektivna procjena je nesigurna inferencija.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://arxiv.org/abs/2303.18176
30Modelna personalizacija mijenja podatke, kontekst, prompt, retrieval, parametre ili model.CDEFINICIJAPOTKRIJEPLJENOvisoka—https://arxiv.org/html/2304.00377v2
31Najstabilniji učinak personalizacije je povećanje relevantnosti.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://aclanthology.org/2024.lrec-main.1192.pdf
32Netočan odgovor može djelovati relevantno zbog osobnih detalja.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOumjerenaIZNOVA IZVEDI TVRDNJUhttps://ojs.aaai.org/index.php/ICWSM/article/download/42667/50227/46768
33Siro i suradnici nalaze šest dimenzija zadovoljstva i heterogenost među korisnicima.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdf
34Jedna ukupna ocjena nije dovoljna evaluacija.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdf
35Učinkovitost se mjeri izmjenama, vremenom, uspjehom, ponavljanjem i opterećenjem.CDEFINICIJADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://spacefrontiers.org/r/10.1145/3477495.3531798
36KOPB studija pokazuje kontekstualnu, a ne univerzalnu prilagodbu.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://www.jmir.org/2021/5/e26643
37Longitudinalna studija sa 179 sudionika proučavala je više perceptivnih i ponašajnih ishoda.CEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://www.sciencedirect.com/science/article/pii/S2949882123000300
38Studija s 745 sudionika i 32 scenarija pokazuje kontekstualne preferencije.CEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://arxiv.org/pdf/2310.12459
39Većina radova koristi benchmarke, automatske metrike ili kratke studije.CDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://aclanthology.org/2024.lrec-main.1192.pdf
40Osobniji sustav zahtijeva više podataka ili zaključivanja.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
41Privatnost uključuje zaključke o osobnosti, zdravlju, stavovima, emocijama i ranjivosti.DEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
42Hendrickx i suradnici smatraju početnu suglasnost nedovoljnom.DPRIPISANI STAVDJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
43Personalizacija može prijeći u ciljano uvjeravanje ili manipulaciju.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://www.sciencedirect.com/science/article/pii/S0040162523000616
44Pollmann i suradnici navode napetost između iskustva i autonomije.DPRIPISANI STAVDJELOMIČNO POTKRIJEPLJENOvisokaIZNOVA IZVEDI TVRDNJUhttps://www.sciencedirect.com/science/article/pii/S0040162523000616
45Wan i suradnici našli su persona-pristranosti u četiri modela i pet kategorija.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.findings-emnlp.648.pdf
46Liu i suradnici našli su rodne i rasne predrasude.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://aclanthology.org/2020.coling-main.390.pdf
47Razlike postaju problematične kada proizvode lošiju uslugu za skupinu.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://aclanthology.org/2020.coling-main.390.pdf
48Sheng i suradnici nalaze mješovite učinke persone na štetu.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2104.08728
49GDPR članak 5. navodi temeljna načela obrade.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
50Za obradu je potrebna pravna osnova prema članku 6.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
51Članak 22. odnosi se na isključivo automatizirane odluke sa značajnim učincima.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
52Relevantne su ljudska intervencija, iznošenje stajališta i osporavanje.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
53Pohrana osjetljivih informacija može biti neočekivana.DEMPIRIJSKI NALAZNIJE MOGUĆE POTVRDITIumjerenaIZBACI TVRDNJUhttps://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en
54Sustavi mogu zaključivati o osjetljivim obilježjima bez svijesti korisnika.DEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
55Profil može miješati činjenice, pretpostavke i modelske pogreške.DEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://arxiv.org/abs/2304.00377
56Razgovori se mogu sekundarno koristiti za treniranje, oglašavanje ili procjenu.DEMPIRIJSKI NALAZPOTKRIJEPLJENOumjerena—https://eur-lex.europa.eu/eli/reg/2016/679/oj?locale=EN
57EDPB Mišljenje 28/2024 bavi se pravnom osnovom, anonimizacijom i pseudonimizacijom.DEMPIRIJSKI NALAZDJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en
58Odvajanje identiteta nije automatski potpuna anonimizacija.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en
59Transparentnost ima identitetsku, podatkovnu i učinsku razinu.DDEFINICIJAPOTKRIJEPLJENOumjerena—https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
60Akt o umjetnoj inteligenciji predviđa obavijest o AI interakciji.DEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32024R1689
61Identitetska obavijest ne objašnjava memoriju, profiliranje ili logiku odgovora.DDIDAKTIČKA NAPOMENADJELOMIČNO POTKRIJEPLJENOumjerenaIZNOVA IZVEDI TVRDNJUhttps://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32024R1689
62Prirodno objašnjenje ne mora biti vjeran prikaz unutarnjeg procesa.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2305.17034
63Guesmi razlikuje opravdanje od transparentnosti.DDEFINICIJAPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2305.17034
64Kontekstualizirana objašnjenja povećavaju relevantnost, vrijednost i namjeru prihvaćanja.DEMPIRIJSKI NALAZDJELOMIČNO POTKRIJEPLJENOvisokaZAMIJENI REFERENCUhttps://ojs.aaai.org/index.php/ICWSM/article/download/42667/50227/46768
65Korisnik treba uvid, ispravak, brisanje i isključivanje personalizacije.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://research.utwente.nl/en/publications/take-back-control-user-privacy-and-transparency-concerns-in-perso/
66Transparentni odgovor treba navesti ograničenja i moguće pogreške.DDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
67Točni korisnički podaci mogu povećati usklađenost s ciljem, ali ne univerzalno.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.acl-industry.68.pdf
68Prilagodba formata može smanjiti pojašnjenja, ali treba mjeriti ponašajne ishode.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://irlab.science.uva.nl/wp-content/papercite-data/pdf/siro-2022-understanding.pdf
69Topliji stil može povećati prisutnost, ali antropomorfizam može povećati pretjerano povjerenje.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://www.sciencedirect.com/science/article/pii/S2949882123000300
70Ponavljana interakcija može poboljšati prilagodbu i stvoriti zastarjeli profil.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://www.sciencedirect.com/science/article/pii/S2949882123000300
71Točnost klasifikacije emocija nije dokaz poboljšanja ishoda.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2303.18176
72Korisnost objašnjenja treba razlikovati od vjernosti procesu.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2305.17034
73Automatske metrike ne mjere nužno sigurnost, zadovoljstvo ili dugoročnu korist.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://aclanthology.org/2024.lrec-main.1192.pdf
74Kratke skriptirane interakcije ne moraju odgovarati višemjesečnoj uporabi.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://www.sciencedirect.com/science/article/pii/S2949882123000300
75Online i studentski uzorci ograničavaju generalizaciju.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://www.jmir.org/2021/5/e26643
76Prosječna kvaliteta može rasti dok se šteta manjinskoj skupini pogoršava.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.findings-emnlp.648.pdf
77Sustave treba testirati na zastarjelim i pogrešnim osobinama korisnika.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
78NIST preporučuje razmatranje valjanosti, sigurnosti, transparentnosti, privatnosti i pravednosti.EPRIPISANI STAVPOTKRIJEPLJENOvisoka—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
79Korisničko iskustvo ne treba procjenjivati odvojeno od sigurnosti i jednakog tretmana.EPRIPISANI STAVPOTKRIJEPLJENOvisoka—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
80Evaluacije trebaju mjeriti iskustvo, točnost, privatnost, kontrolu i razlike među skupinama.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
81Treba odvojeno mjeriti stvarnu kvalitetu i doživljenu personalizaciju.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://doi.org/10.1145/3544548.3580656
82Etička evaluacija treba uključiti pristranost, pogrešne memorije i osjetljive atribute.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOumjerena—https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388
83Rezultate treba prikazati po skupinama i vrstama štete.EDIDAKTIČKA NAPOMENAPOTKRIJEPLJENOvisoka—https://aclanthology.org/2023.findings-emnlp.648.pdf
84Minimalni dizajn treba imati četiri eksperimentalna uvjeta.EDIDAKTIČKA NAPOMENANIJE MOGUĆE POTVRDITIvisokaIZBACI TVRDNJUhttps://doi.org/10.1145/3544548.3580656
85Russell i Norvig primjereni su za opći okvir, ali ne za suvremene empirijske tvrdnje.FEMPIRIJSKI NALAZPOTKRIJEPLJENOniska——
86Navod Li, Waleed i Salam ne podudara se sa zapisom izvora.FEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://arxiv.org/html/2304.00377v2
87Navod Hernandez i suradnika potvrđuje naslov, autore, godinu, uzorak i scenarije.FEMPIRIJSKI NALAZPOTKRIJEPLJENOvisoka—https://arxiv.org/abs/2310.12459

11. Pokrivenost poglavlja

Poglavlje Izvori nakon primjene radnji Oznaka
UvodI1, I11, I16, I18, I21POKRIVENO
Pojmovni okvirI1, I3, I6, I7POKRIVENO
Metode personalizacijeI1, I3, I4, I5, I6, I7POKRIVENO
Korisničko iskustvoI4, I8, I9, I10, I20POKRIVENO
Empirijski dokaziI1, I2, I3, I4, I5, I8, I9, I10POKRIVENO
Privatnost i zaštita podatakaI11, I16, I17POKRIVENO
Pristranost i jednakostI13, I14, I15, I21POKRIVENO
TransparentnostI11, I17, I18, I19, I20, I21POKRIVENO
RaspravaI11, I12, I13, I15, I16, I21POKRIVENO
ZaključakI11, I16, I18, I21POKRIVENO

Strukturne dodjele u odjeljku 13 sadržajno odgovaraju predmetima poglavlja. Nijedno poglavlje nije NENAPISIVO. Izvor [GRAĐA] nije korišten kao znanstvena podloga u dostavljenom dosjeu.

Natrag na finalni rad